Вопросы итогового контроля

Тема 1. Первичный анализ и исследование связи между переменными

  • 1. Какие существую шкалы измерения величин?
  • 2. Что такое кодировка переменных?
  • 3. Что представляет собой частотная таблица и таблица сопряженности?
  • 4. Какие основные графики могут применяться в маркетинговом анализе?
  • 5. Какие задачи решает корреляционный анализ в маркетинговом анализе?
  • 6. Какие задачи решает регрессионный анализ в маркетинговом анализе?

Тема 2. Сегментация рынка

  • 1. Какие основные принципы сегментирования рынков применяются в маркетинге?
  • 2. Как используется кластерный анализ для сегментации рынка?
  • 3. Чем отличается иерархическая и неиерархическая кластеризация?
  • 4. Для чего применяется факторный анализ в сегментации рынка?
  • 5. Как проводится сегментация рынка, основанная на откликах?
  • 6. В чем отличие дискриминантного анализа от логистической регрессии?
  • 7. Как используется дерево решений для сегментации рынка?

Тема 3. Изучение поведенческой реакции покупателей

  • 1. В чем заключается концепция мультиатрибутивного товара?
  • 2. Чем отличается композиционный и декомпозиционный подход к изучению поведенческой реакции покупателя?
  • 3. В чем заключается метод Conjoint анализа?
  • 4. Как формируется ортогональный план опроса?
  • 5. Как проводится Conjoint анализ?
  • 6. Для чего в маркетинге используются карты восприятия?
  • 7. Что такое анализ соответствий?
  • 8. Что представляет собой многомерное шкалирование, для чего оно применяется в маркетинговом анализе?

Тесты

Изучить учебное пособие по курсу, соответствующие темы.

Всего: 20 вопросов, выборка: 10 вопросов.

Время прохождения теста: 30 мин.

Проходной балл: 80%.

Тип теста: самопроверка.

Блокировка просроченного назначения - да.

Показывать подробный отчет - нет.

ТЕСТ 1.

Тема 1.

  • 1. Применение статистических программ в маркетинговом анализе обусловлено:
    • а) наличием большого количества переменных;
    • б) наличием большого количества наблюдений;
    • в) наличием большого количества переменных и наблюдений;
    • г) использованием выборочных совокупностей.
  • 2. Для определения наличия статистической связи между переменными используется:
    • а) регрессионный анализ;
    • б) корреляционный анализ;
    • в) факторный анализ;
    • г) дискриминантный анализ.
  • 3. Для определения характеристик статистической связи между переменными используется:
    • а) регрессионный анализ;
    • б) корреляционный анализ;
    • в) факторный анализ;
    • г) кластерный анализ.
  • 4. Регрессионный анализ используется
  • а) для определения характеристик статистической связи между переменными;
  • б) для снижения размерности системы показателей;
  • в) для сегментации с откликом;
  • г) для сегментации, основанной на естественных группировках.
  • 5. Корреляционный анализ используется:
    • а) для определения наличия статистической связи между переменными;
    • б) для снижения размерности системы показателей;
    • в) для сегментации с откликом;
    • г) для сегментации, основанной на естественных группировках.
  • 6. Гистограмма представляет:
    • а) частоты переменной, разделенной на диапазоны;
    • б) зависимость одной переменной от другой;
    • в) изменение во времени показателей для временных рядов;
    • г) частоты по категориям для номинальных и порядковых переменных.
  • 7. Диаграмма рассеивания представляет:
    • а) частоты переменной, разделенной на диапазоны;
    • б) зависимость одной переменной от другой;
    • в) изменение во времени показателей для временных рядов;
    • г) частоты по категориям для номинальных и порядковых переменных.
  • 8. Линейный график представляет:
    • а) частоты переменной, разделенной на диапазоны;
    • б) зависимость одной переменной от другой;
  • в) изменение во времени показателей для временных рядов;
  • г) частоты по категориям для номинальных и порядковых переменных.
  • 9. Круговая диаграмма представляет:
    • а) частоты переменной, разделенной на диапазоны;
    • б) зависимость одной переменной от другой;
    • в) изменение во времени показателей для временных рядов;
    • г) частоты по категориям для номинальных и порядковых переменных.
  • 10. Среднее значение:
    • а) это среднее арифметическое переменной;
    • б) делит выборку на две равные части: 50% «нижних» единиц выборки будут иметь значение признака не больше, чем медиана, а «верхние» 50% - не меньше, чем медиана;
    • в) это наиболее часто встречающееся значение переменной;
    • г) это средняя степень «разброса» относительно среднего значения переменной.
  • 11. Медиана:
    • а) это среднее арифметическое переменной;
    • б) делит выборку на две равные части: 50% «нижних» единиц выборки будут иметь значение признака не больше, чем медиана, а «верхние» 50% - не меньше, чем медиана;
    • в) это наиболее часто встречающееся значение переменной;
    • г) это средняя степень «разброса» относительно среднего значения переменной.
  • 12. Мода:
    • а) это среднее арифметическое переменной;
    • б) делит выборку на две равные части: 50% «нижних» единиц выборки будут иметь значение признака не больше, чем медиана, а «верхние» 50% - не меньше, чем медиана;
  • в) это наиболее часто встречающееся значение переменной;
  • г) это средняя степень «разброса» относительно среднего значения переменной.
  • 13. Среднее квадратическое (стандартное) отклонение:
    • а) это среднее арифметическое переменной;
    • б) делит выборку на две равные части: 50% «нижних» единиц выборки будут иметь значение признака не больше, чем медиана, а «верхние» 50% - не меньше, чем медиана
    • в) это наиболее часто встречающееся значение переменной;
    • г) это средняя степень «разброса» относительно среднего значения переменной.
  • 14. Частотные таблицы отображают:
    • а) количество наблюдений по категориям;
    • б) средние значения количественной переменной по категориям;
    • в) количество наблюдений на пересечении категорий номинальных и порядковых переменных;
    • г) показатели степени линейной статистической взаимосвязи между количественными переменными.
  • 15. Таблицы средних отображают:
    • а) количество наблюдений по категориям;
    • б) средние значения количественной переменной по категориям;
    • в) количество наблюдений на пересечении категорий номинальных и порядковых переменных;
    • г) показатели степени линейной статистической взаимосвязи между количественными переменными.
  • 16. Таблицы сопряженности отображают:
    • а) количество наблюдений по категориям
    • б) средние значения количественной переменной по категориям;
  • в) количество наблюдений на пересечении категорий номинальных и порядковых переменных;
  • г) показатели степени линейной статистической взаимосвязи между количественными переменными.
  • 17. Корреляционная матрица отображает:
    • а) количество наблюдений по категориям;
    • б) средние значения количественной переменной по категориям;
    • в) количество наблюдений на пересечении категорий номинальных и порядковых переменных;
    • г) показатели степени линейной статистической взаимосвязи между количественными переменными.
  • 18. Пример количественной переменной:
    • а) доход потребителя;
    • б) пол респондента;
    • в) уровень образования респондента;
    • г) уровень образования или пол респондента.
  • 19. Пример порядковой переменной:
    • а) доход потребителя;
    • б) пол респондента;
    • в) уровень образования респондента;
    • г) уровень образования или пол респондента.
  • 20. Пример номинальной переменной:
    • а) доход потребителя;
    • б) пол респондента;
    • в) уровень образования респондента;
    • г) уровень образования или пол респондента/

ТЕСТ 2.

Тема 2.

  • 1. Для определения количества факторов в факторном анализе рассматривают:
    • а) личные параметры;
    • б) собственные значения;
    • в) регрессоры;
    • г) независимые параметры.
  • 2. Для сегментации, основанной на естественных группировках используется:
    • а) регрессионный анализ;
    • б) корреляционный анализ;
    • в) факторный анализ;
    • г) кластерный анализ.
  • 3. Факторный анализ используется:
    • а) для определения наличия статистической связи между переменными;
    • б) для снижения размерности системы показателей;
    • в) для сегментации с откликом;
    • г) для сегментации, основанной на естественных группировках.
  • 4. Метод к-средних позволяет:
    • а) получить единственное кластерное решение;
    • б) построить дендрограмму кластеризации;
    • в) получить зависимость между переменными;
    • г) проверить достоверность статистических гипотез.
  • 5. Одним из основных способов оценки расстояния между кластерами в иерархической кластеризации является метод:
    • а) среднего соседа;
    • б) медианного извлечения;
    • в) межгруппового среднего связывания;
    • г) кубоида.
  • 6. Частотные таблицы позволяют:
    • а) определить размер кластеров;
    • б) оценить расстояние между кластерами;
    • в) изучить соотношения между средними значениями показателей в кластере;
    • г) исследовать взаимосвязь между кластерами.
  • 7. Графики средних значений переменных, полученных в результате кластерного анализа, позволяют:
    • а) определить размер кластеров;
    • б) оценить расстояние между кластерами;
    • в) описать кластеры;
    • г) исследовать взаимосвязь между кластерами.
  • 8. Таблицы сопряженности, построенные по переменной номеров кластеров и дополнительным категориальным переменным, позволяют:
    • а) сопрягать данные;
    • б) определить размер кластеров;
    • в) исследовать статистическую взаимосвязь между кластерами;
    • г) дать дополнительные характеристики кластерам.
  • 9. Аномальные наблюдения в выборке позволяет выделить в отдельны кластеры:
    • а) метод Варда;
    • б) метод межгрупповой связи;
    • в) и метод Варда и метод межгрупповой связи;
    • г) ни метод Варда, ни метод межгрупповой связи.
  • 10. В маркетинге для сегментирования рынка кластерный анализ применяю для того, чтобы:
    • а) подтвердить предварительные выводы исследователя;
    • б) получить сегментацию по потребительским предпочтениям;
  • в) сегментировать рынок по демографическим характеристикам;
  • г) исключить влияние случайных факторов.
  • 11. Для сегментации с откликом используется:
    • а) регрессионный анализ;
    • б) корреляционный анализ;
    • в) факторный анализ;
    • г) дискриминантный анализ.
  • 12. Деревья решений - это метод:
    • а) сегментации без отклика;
    • б) сегментации с откликом;
    • в) регрессионного анализа;
    • г) корреляционного анализа.
  • 13. Таблица ошибок классификации (результатов классификации) применяется в дискриминантном анализе для:
    • а) определения параметров оценки;
    • б) изучения влияния параметров на дискриминант;
    • в) оценки справедливости прогноза;
    • г) определения важнейших дискриминантов.
  • 14. В методе CHAID деревьев решений (классификации) что позволяет определить наиболее значимые переменные:
    • а) критерий хи-квадрат;
    • б) корректировка Бонферрони;
    • в) минимальное количество наблюдений в узле-сыне;
    • г) минимальное количество наблюдений в узле-отце.
  • 15. Классификация потребителей с помощью дискриминантного анализа проводится на основе:
    • а) отклика потребителей на деятельность компании;
    • б) демографических показателей;
    • в) параметров комплекса маркетинга;
    • г) фиксации результирующих показателей.
  • 16. Априорная вероятность влияет на результаты дискриминантного анализа:
    • а) всегда;
    • б) никогда;
    • в) иногда;
    • г) в зависимости от типа независимых переменных.
  • 17. Деревья решений (классификации) позволяют проводить сегментацию:
    • а) со значительным количеством независимых количественных переменных;
    • б) на рынках предприятий;
    • в) на потребительских рынках;
    • г) со значительным количеством независимых категориальных переменных.
  • 18. В отличие от линейной, в логистической регрессии:
    • а) в качестве предикторов могут использоваться категориальные переменные;
    • б) формируются зависимости для маркетинговой логистики;
    • в) зависимая переменная является бинарной;
    • г) используется полиномиальная функция.
  • 19. Каноническая корреляция в дискриминантном анализе позволяет оценить:
    • а) взаимосвязь предикторов;
    • б) взаимосвязь зависимой и независимых переменных;
    • в) значимость коэффициентов модели;
    • г) силу взаимосвязи между предикторными переменными и группами.
  • 20. С помощью функции логистической регрессии можно рассчитать:
    • а) вероятность выбора товара потребителем;
    • б) отпускную цену марочного товара компании;
    • в) затраты на проведение рекламной компании;
    • г) степень привлекательности продукции компании.

ТЕСТ 3.

Тема 3.

  • 1. Conjoint-анализ широко используется при:
    • а) изучении сегментов рынка;
    • б) анализа рынка промышленности;
    • в) изучения зависимости между параметрами;
    • г) разработке новых товаров или услуг.
  • 2. Карты восприятия (или перцептивные карты) - это способ:
    • а) визуализации представления товара;
    • б) графического представления информации в сочетании со статистическими методами визуализации взаимосвязей и различий в данных;
    • в) картографического анализа рынка;
    • г) географического анализа рынка.
  • 3. Многомерное шкалирование представляет собой метод:
    • а) представления объектов в пространстве малой размерности на основе мер близости (различия) между объектами;
    • б) шкалирования осей 2-х и 3-мерных графиков;
    • в) перевода линейных шкал в нелинейные;
    • г) анализа зависимых шкал.
  • 4. В conjoint-анализе характеристика товара это:
    • а) атрибут (фактор) товара;
    • б) профиль (карточка) товара;
    • в) полезность (полезность уровня);
    • г) важность (важность атрибута).
  • 5. В conjoint-анализе ценность определенного значения некоторой характеристики товара это:
    • а) атрибут (фактор) товара;
    • б) профиль (карточка) товара;
  • в) полезность (полезность уровня);
  • г) важность (важность атрибута).
  • 6. Ортогональный план conjoint-анализа позволяет:
    • а) опрашивать меньшее количество респондентов;
    • б) снизить количество карточек (профилей) товара;
    • в) построить график зависимости атрибутов товара;
    • г) перейти к расширенному плану.
  • 7. Контрольные профили conjoint-анализа:
    • а) участвуют в проведении опроса респондентов;
    • б) используются для построения модели;
    • в) контролируют процесс анализа результатов исследования;
    • г) контролируются и меняются аналитиком в процессе анализа.
  • 8. При проведении conjoint-анализа респонденты:
    • а) отвечают на вопросы о преимуществе товара;
    • б) оценивают товары конкурентов по заранее выбранным характеристикам;
    • в) определяю важнейшие характеристики для оценки данной категории товаров;
    • г) ранжируют карточки (профили) товара.
  • 9. Групповой conjoint-анализ проводится:
    • а) по группирующей переменной;
    • б) по номеру наблюдения;
    • в) по профилям новых продуктов;
    • г) по дополнительным переменным.
  • 10. Индивидуальный conjoint-анализ проводится:
    • а) по группирующей переменной;
    • б) по номеру наблюдения;
    • в) по профилям новых продуктов;
    • г) по дополнительным переменным.
  • 11. Симуляционный conjoint-анализ проводится:
    • а) по группирующей переменной;
    • б) по номеру наблюдения;
    • в) по профилям новых продуктов;
    • г) по дополнительным переменным.
  • 12. Вторичный анализ результатов conjoint-анализ может проводиться:
    • а) по профилям, участвующим в анализе;
    • б) по номеру наблюдения;
    • в) по профилям новых продуктов;
    • г) по дополнительным переменным.
  • 13. Простой анализ соответствий:
    • а) использует двухвходовую таблицу встречаемости;
    • б) таблица встречаемости непосредственно используется для анализа;
    • в) вывод на карту восприятия дополнительных категорий, не внося изменений в анализ;
    • г) таблицы, содержащие средние оценки, как часть заключительного отчета.
  • 14. Анализ сводной таблицы в анализе соответствий:
    • а) использует двухвходовую таблицу встречаемости;
    • б) таблица встречаемости непосредственно используется для анализа;
    • в) вывод на карту восприятия дополнительных категорий, не внося изменений в анализ;
    • г) таблицы, содержащие средние оценки, как часть заключительного отчета.
  • 15. Анализ дополнительных категорий в анализе соответствий:
    • а) использует двухвходовую таблицу встречаемости;
    • б) таблица встречаемости непосредственно используется для анализа;
  • в) вывод на карту восприятия дополнительных категорий, не внося изменений в анализ;
  • г) таблицы, содержащие средние оценки, как часть заключительного отчета.
  • 16. Карты восприятия, основанные на средних оценках в анализе соответствий:
    • а) использует двухвходовую таблицу встречаемости;
    • б) таблица встречаемости непосредственно используется для анализа;
    • в) вывод на карту восприятия дополнительных категорий, не внося изменений в анализ;
    • г) таблицы, содержащие средние оценки, как часть заключительного отчета.
  • 17. Возможно применение простого анализа соответствий для трехвходовых таблиц в случае, если:
    • а) трехвходовые таблицы можно преобразовывать в двухвходовые;
    • б) трехвходовые таблицы простые;
    • в) можно использовать простую интерпретацию таблиц;
    • г) количество категорий каждой категориальной переменной в анализе не превышает 7.
  • 18. Многомерное шкалирование:
    • а) это метод классификации данных;
    • б) это метод статистического исследования, при котором объекты размещаются в пространстве небольшой размерности, основываясь на мерах сходства или различия;
    • в) это метод прогнозирования;
    • г) это метод анализа соответствий.
  • 19. В маркетинговых исследованиях многомерное шкалирование может быть использовано:
    • а) для идентификации позиций торговых марок на рын ке с точки зрения потребителей;
    • б) для сегментирования рынка;
    • в) для построения моделей изменения дохода компании;
    • г) для построения матрицы БКГ.
  • 20. Для получения данных для многомерного шкалирования респонденты:
    • а) сравнивают по атрибутам различные марки;
    • б) формируют списки атрибутов товаров данной категории;
    • в) оценивают степень сходства или различия всех воз можных торговых марок;
    • г) принимают пассивное участие.
 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ ОРИГИНАЛ   След >