Логистическая регрессия и дискриминантный анализ

Глава 5. Классификационный анализ

Цель классификационного анализа — классификация респон­дентов и/или переменных по определенным целевым группам. Наиболее распространенными примерами использования клас­сификационного анализа в маркетинговых исследованиях яв­ляются:

■ сегментирование респондентов по заранее известным (ло­гистическая регрессия и дискриминантный анализ) или не известным (факторный и кластерный анализ) целевым группам;

■ классификация переменных по макрокатегориям, то есть сокращение их числа до нескольких значимых групп (фак­торный и кластерный анализ).

Далее в разделе мы рассмотрим эти статистические методики в указанном порядке, а также приведем примеры задач из прак­тики маркетинговых исследований, решаемых с помощью классификационного анализа.

Логистическая регрессия и дискриминантный анализ приме­няются в том случае, когда необходимо классифицировать (сег­ментировать) респондентов по целевым группам, которые, в свою очередь, представлены уровнями (вариантами ответа) одной одновариантной переменной.

Примером задачи, решаемой при помощи этих статистических методов, может служить задача классифицировать респонден­тов по двум группам — покупающие горчицу и не покупаю­щие горчицу — на основании их социально-демографических характеристик (пол, возраст, доход, количество членов семьи и т. п.). Как вы видите, в процедурах логистической регрессии и дискриминантного анализа присутствуют переменные — критерии сегментирования и одна переменная, кодирующая целевые группы, на которые следует разделить респондентов на основании критериев сегментирования.

Необходимо отметить, что спектр возможностей применения логистической регрессии уже, чем для дискриминантного анализа, поэтому использование дискриминантного анализа в качестве универсального метода предпочтительнее. Боле того, рекомендуется всегда начинать классификационное исследование именно с дискриминантного анализа, а не с логистической регрессии, — и применять последнюю в случае неуверенности в результатах дискриминантного анализа. Это связано, в частности, с тем, что при применении методов логистической регрессии еле дует четко представлять, какой тип имеют зависимая и независимые переменные и, исходя из этого, выбирать одну из трех возможных процедур логистической регрессии: бинарную, мультиномиальную или порядковую. При дискриминантном анализе мы всегда имеем дело только с одной статистической процедурой, в которой принимают участие одна категориальная зависимая переменная и несколько независимых переменных с любым типом шкалы. Таким образом, дискриминантный анализ является более универсальной методикой (что особенно важно для исследователей, имеющих незначительный опыт в статистическом анализе дан­ных).

В разделах 5.1.1 и 5.1.2 мы на конкретных примерах покажем, как молено использо­вать процедуры логистической регрессии и дискриминантного анализа в марке­тинговых исследованиях. При этом мы увидим, что, несмотря на преимущества универсального дискриминантного анализа, логистическая регрессия в некоторых случаях дает наивысшую четкость классификации.