Диссертация (1138018), страница 12
Текст из файла (страница 12)
На предыдущем шаге каждойкомпании был присвоен номер классификации в зависимости от размераэкономического показателя, а на этапе факторного анализа определеныинтенсивности использования каждого из пяти типов МП. Темп прироста65прибыли разбивается на несколько классов, например, на четыре класса, как внастоящемисследовании.«Предположим,классвысокойприбыльностиопределяется первым квартилем компаний по показателю прибыльности. Второй,третий и четвёртый классы определяются вторым, третьим и четвёртымквартилями, соответственно.
Процесс обучения происходит следующим образом.Пять численных характеристик МП формируют пятимерное пространство, гдекаждая компания представлена точкой в этом пространстве. Для любогозаданного числа k и для любой точки в пространстве (компании), легкоопределить k компаний из базы данных, являющихся ближайшими к данной точкеиназываемымисоседями.Впростейшемвариантеметода,точкаклассифицируется элементарным большинством её соседей. Например, если k=10,четыре соседа принадлежат классу 1 и по два соседа принадлежат классам 2, 3, 4,точка приписывается классу 1, т.е.
компания приписывается классу высокойприбыльности. Если компания реально принадлежит классу предписания,классификация корректна. Если компания де-факто принадлежит другому классу,классификация ошибочна. Параметр k подбирается простым перебором, такимобразом,чтобыдоляошибочноклассифицированныхкомпанийбыламинимальна.
На этом процесс обучения заканчивается. Теперь, любая новая, илидаже гипотетическая, компания может быть классифицирована k ближайшимисоседями из базы данных.» [Лагутаева, Третьяк, Григорьев, 2016].Используемый метод KNN не только интуитивен и прост в реализации, онтакже эффективен с точки зрения скорости обработки данных. Одним изсущественных достоинств для применения метода в менеджериальных имаркетинговыхисследованияхявляетсяегоприменимостьнавыборкахнебольшого размера, поскольку для обучения алгоритму требуется лишь два-тринаблюдения, следовательно, обучившись, алгоритм можно применять на выборкулюбой величины [Nikolopoulos, Babai, Bozos, 2016]. Метод обладает высокойточностью прогнозирования и невысокой ошибкой при классификации даженебольших выборок, а также KNN метод возможно использовать примоделировании сложных решений для задач классификации и сегментации, нодляобъясненияпредоставляетилипониманияограниченную66природыиинформациюструктуры[Han,данных2012].методДанныевменеджериальных исследованиях и маркетинговых исследованиях чаще всегохарактеризуютсянелинейнымивзаимосвязями.АлгоритмKNNпозволяетклассифицировать такого рода взаимосвязи.
Графически это означает, чтоклассификация компаний на группы не линейна, то есть нельзя провести прямуюмежду классами. Также наблюдения могут быть смешаны в пространстве,алгоритм классификации позволяет выделить схожие по критериям наблюдения, вто время как простые сепараторы, например, диаграммы Вороного, неприменимы.В результате анализа предыдущих исследований и первичного анализаданных сформулированы следующие гипотезы относительно МП и исследуемогофинансового показателя:Гипотеза 3: Существует взаимосвязь между МП и прибыльностью компании(Н3);Гипотеза 4: Наборы типов МП финансово успешных и неуспешных компанийразличны (Н4);Гипотеза 5: Финансово неуспешные компании с высокой интенсивностьюиспользуют все типы МП (Н5);Гипотеза 6: Финансово успешные компании с высокой интенсивностьюиспользуют маркетинг взаимоотношений (Н6).Выводы по главе 2Во второй главе настоящей работы предложена методология исследованиявзаимосвязи МП компаний и финансовых результатов компании.
Адаптированнаяи расширенная методология исследования МП и финансовых результатов можетбыть применена исследователями для изучения этой взаимосвязи. Схемаисследованияпредставляеттрипоследовательныхэтапа:подтверждение67применимости методологии СМР на базе исследования; типологизация МП иисследованиевзаимосвязиМПифинансовыхпоказателейкомпаний.Использование любого инструментария, который не был разработан подконкретное исследование, начинается с проверки на применимость методологии.В данном случае, исследование характеристик типов МП, нуждается вподтверждении, что вопросы анкеты образуют те же факторы, что и в теорииСМР, иными словами выделяются пять типов МП (TM, DM, IM, IT, NM) согласнохарактеристикам критериев в [Coviello, Brodie, Brookes and Palmer, 2003]. Спомощью двухэтапного факторного анализа – сначала разведывательного, затемподтверждающего – сделан вывод о возможности использования методологииСМР в российском исследовании.
Стоит отметить, что выборка исследованиясокращена почти в два раза с 329 (база данных, собранная российскойисследовательской группой для типологизации МП в России) до 167 компаний.Сокращение базы произошло из-за отсутствия информации о финансовыхпоказателях компаний в исследуемых годах в базе данных СПАРК. На взглядавтора сформированная выборка в результате обладает преимуществом – наличиекомпании в базе СПАРК означает, что организация официально зарегистрированаирегулярнопредоставляетдокументывналоговуюслужбуРФ.Так,сформированная выборка состоит из официальных компаний, ведущих своюдеятельность на российском рынке. В случае подтверждения применимостиметодологии для базы CMP-СПАРК, для каждой компании в выборкерассчитывается интенсивность использования каждого из пяти типов МП.
Этойинформации достаточно для проведения типологизации МП, для описания уровнямаркетинговой среды в России и анализа результатов исследования. Сопоставивдве базы (СМР-СПАРК) возникает возможность оценить взаимосвязь между МПи финансовыми показателями компании. Проверка взаимосвязи осуществляется вдва этапа: (1) с помощью попарного сравнения между кластерами и финансовымирезультатами компаний кластеров; (2) независимая от кластерного анализапроцедура по выявлению нелинейных взаимосвязей в базе СМР-СПАРК спомощью метода ближайших соседей KNN. Впервые предложен метод анализа68устойчивости решения кластерного анализа, состоящий из трех блоков: 1) анализустойчивость центров кластеров с помощью диаграмм Вороного; 2) анализустойчивости размера кластера и 3) анализ корректно классифицированныхкомпаний при 10% изменении выборки.В следующей главе протестированы гипотезы исследования:Гипотеза 1 (H1): Методология СМР применима на базе СМР-СПАРК;Гипотеза 2 (Н2): Результаты кластерного анализа устойчивы к изменениюмассива данных на 10%;Гипотеза 3 (Н3): Существует взаимосвязь между МП и прибыльностьюкомпании;Гипотеза 4 (Н4): Наборы типов МП финансово успешных и неуспешныхкомпаний различны;Гипотеза 5 (Н5): Финансово неуспешные компании с высокой интенсивностьюиспользуют все типы МП;Гипотеза 6 (Н6): Финансово успешные компании с высокой интенсивностьюиспользуют маркетинг взаимоотношений.69Глава 3.
Результаты эмпирического исследования взаимосвязи финансовыхрезультатов и МПВ заключительной третьей главе диссертации представлены результатыэмпирического исследования взаимосвязи финансовых результатов и МПкомпаний,осуществляющихсвоюдеятельностьнароссийскомрынке.Использование финансовых отчетностей компаний базы данных СПАРКпредоставляет возможность анализировать взаимосвязь МП и финансовыхпоказателей компаний, не беря за основу субъективную оценку респондента, какэто было в предыдущих исследованиях.Предполагается,чтоуспешныекомпании,отличающиесявысокимифинансовыми показателями, и компании с низкими или отрицательнымифинансовыми показателями используют принципиально разные наборы типовМП в своей деятельности.3.1 Результаты применения и проверки возможности использованияметодологии СМР на российском рынкеПервымприменимостиэтапомэмпирическогометодологиисисследованияпомощьюявляетсяразведывательногопроверка(EFA)иподтверждающего (CFA) факторного анализа При проведении EFA сравнивались1-6 факторные модели.
Показатели, описанные во второй главе учтены привыборе модели. В результате EFA выбраны 4-факторная с 23 переменными и 5факторная с 20 переменными модели. Принцип, которым автор руководствовалсяпри исключении индикаторов – наименьшая факторная нагрузка, индикаторыисключались последовательно по одному до тех пор, пока у каждого индикаторакорреляция с одним из факторов соответствовала значению 0,7 или выше. Послекаждого исключения проверялся показатель надежности (Альфа Кронбаха),70который сохранял свое высокое значение, превышающее 0.8. В результате EFAобразовались следующие факторы:Для 4-факторной модели:1. Трансакционный маркетинг (2 индикатора);2.
IT маркетинг (7 индикаторов);3. Интерактивный маркетинг (6 индикаторов);4. Сетевой маркетинг (8 индикаторов).Для 5-факторной модели:1. Трансакционный маркетинг (2 индикатора);2. Маркетинг баз данных (2 индикатора);3. IT маркетинг (7 индикаторов);4. Интерактивный маркетинг (4 индикатора);5. Сетевой маркетинг (6 индикаторов).Для подтверждения факторной структуры и внесения корректировок,улучшающих модель, проводится CFA. Поскольку используемые переменныепорядковые, автор также руководствуется методом MLMV (maximum likelihoodestimation with robust standard errors and a mean- and variance adjusted test statistic),значимые изменения Хи-квадратов проверяются с помощью функции «difftest».МодификационныеиндексыврезультатеCFAсоответствуюткаждомуизменению, предлагаемому программой, эти индексы эквивалентны уменьшениюХи-квадрата при их внесении в модель.
Основные характеристики моделейпредставлены в таблице 6, где описаны 4 модели (2 – четырехфакторные и 2 –пятифакторные), полученные путем внесения изменений разными алгоритмами вмодель. Результаты показателей моделей сравниваются с нормой показателей(рекомендуемые в научной литературы допустимые границы показателейописаны в главе 2).71Таблица 6 – Показатели подтверждающих моделейПоказателиКоличествофакторовМодель 1(df= 218 )4 фактораМодель 2(df= 219 )4 фактораМодель 3(df= 159)Модель 4(df= 156)5 факторов 5 факторовChi-sq.(df)Норма-536.523471.221372.797323.084(Chisq.(df)/ df)≤3RMSEA0.0940.0830.0900.080≤ 0.08(90% CI)(0.084;0.104)(0.073;0.094)(0.078;0.102)(0.068;0.093)-0.8900.9130.9170.935[0.90;0.95]0.8720.8990.9010.921[0.90;0.95]WRMR1.1851.0791.0960.974-АльфаКронбаха0.8800.8800.8380.838≥ 0.823232020-CFITLIКоличествоиндикаторовПримечание.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
