100% Zufriedenheitsgarantie Sofort verfügbar nach Zahlung Sowohl online als auch als PDF Du bist an nichts gebunden
logo-home
Beknopte samenvatting van alle hoorcolleges IRM aan Tilburg University 6,49 €   In den Einkaufswagen

Zusammenfassung

Beknopte samenvatting van alle hoorcolleges IRM aan Tilburg University

 64 mal angesehen  7 mal verkauft
  • Kurs
  • Hochschule

Beknopte samenvatting van de hoorcolleges van Introduction to Research in Marketing. De onderwerpen die worden behandeld zijn (op volgorde): data exploration & visualization, ANOVA, linear regression, logistic regression, factor analysis en cluster analysis. De structuur van de hoorcolleges is aang...

[ Mehr anzeigen ]

vorschau 3 aus 24   Seiten

  • 22. oktober 2023
  • 24
  • 2023/2024
  • Zusammenfassung
avatar-seller
Introduction to Research in Marketing
Hoofdstuk 1 - Data exploration and visualization

Total error framework: Next to true value, chances are that there are several types of errors present:
 Sampling error
 Measurement error
 Statistical error

Note: take these errors into account, otherwise your results will be biased and your
recommendations will be wrong!

Sampling error
Population: the whole group of people/companies/events/object over which you want to conclude
something
Sample: a subgroup of the population, in order to generalize the results to the population.

There are different types of sampling errors:
 Coverage error: frame population ≠ population
Population: voters of a certain election
Frame population: everyone with a telephone

 Sample error: the method of sampling may cause errors, for example choosing random digits
 Non-response error: not everyone in the sample population accepts the call (big error!)

Eventually, chances are that the sample respondents differ significantly from the population

How to deal with this in practice?
Post-stratification weights: make your sample closer to your population by using the correct weights
Population is 50% female, but your sample is 80% female.
 Simple average: 0.2 x 4.2 + 0.8 x 3.4 = 3.56
Females are overrepresented

 Weighted average: 0.5 x 4.2 + 0.5 x 3.4 = 3.8

Example: 20% of the population is highly educated, while 70% of the sample is highly educated

It is important to compare the characteristics (gender/education/etc) of the population to those of
the sample


Measurement error

Measurement scales
Non-metric Metric (continuous)
Nomina  Numbers only serve as a Interva  Relative positions are
l label/tag l comparable
 Mutually exclusive: not at the  No natural zero point
same time → Likert scale, temperature (Celsius)
 Collectively exhaustive: at least Ratio  Most precise scale


1

, one of the categories  Absolute zero point (cannot
→ Gender, SNR be negative)
Ordinal  Numbers are assigned to → Weight, height, age, temperature
indicate relative position, but (Kelvin)
not the magnitude
→ Gold, Silver, Bronze
Outcomes measure direction, and intensity as well
(strongly agree/somewhat agree)
Outcomes can only measure the direction of the
response (e.g. yes/no)


Note: The right statistical technique depends on what scale is used (metric/non-metric)

Summated scales: abstract concepts (attitudes/beliefs) are measured using more than one question.

Validity: Does it measure what it is supposed to?
→ Do the 8 questions measure the concept of frugality?
Reliability: Do you get the same results every time?

Ideally, you want a measure that is both reliable and valid.

How to deal with this in practice?
Face validity: Do the coefficients make sense? (Effect sizes and signs)

Reliability: How much do these results change if:
 Additional control variables are added
 Some observations are taken away (outliers)
 The model is estimated on a new dataset

Statistical error

Two possible outcomes of hypothesis testing:
 H0 is true
 Alternative is true

Example:
H0: Not pregnant
H1: Pregnant

Two types of errors:
 Type 1: false positive (H0 is incorrectly rejected)
→ You’re pregnant (to a man)
 Type 2: false negative (H0 is incorrectly accepted)
→ You’re not pregnant (to a pregnant woman)

P-value: probability of observed data/statistic, given that the null hypothesis is true
 Low p-value: data are unlikely according to the null → Reject H0 (Low chance of Type 1 error)
 Typically, threshold (α) is set at 0.05 → Reject H0 if p-value < α


2

, In practice: P-value is misused and overused.
→ Consider p-values along with interpretation, power, measurement, sampling and summaries

Exploratory data analysis
 Preparation
- Always explore your data before running any model!
→ Missing observations, mutually consistent, valid, etcetera

 Visualization
Purpose: exploration of data, understanding data and communicating the results


Hoofdstuk 2 – ANOVA

Steps:
1. Defining the objectives

Objective: to test if there are differences in the mean of a metric (interval/ratio) dependent variable
across different levels of one/more non-metric (nominal/ordinal) independent variables (factors).

One-way ANOVA: 1 factor, 2+ levels
→ The difference of the type of ad (skinny/average/plussize) on the appeal

T-test: a special case of ANOVA, when there are only 2 levels within 1 IV.
→ The difference of the type of ad (naked/not naked) on the appeal

Two-way ANOVA: When there is >1 independent variable
→ The difference of the type of poster (1/2/3) on the appeal, and to what extent does the difference
depend on gender (male/female)?
 2 factors, so two-way ANOVA
 3x2 ANOVA

2. Designing the ANOVA

2.1 Interactions
Interaction: the effect of one variable on the DV is dependent on
another (moderator)
→ Interaction between poster and gender?

2.2 Covariates
Covariates/control variables: affect DV separately from the
treatment variables
 If not included → biased results!

Requirements control variables:
1. Pre-measure: Independent of treatment
2. Limited number



3

Alle Vorteile der Zusammenfassungen von Stuvia auf einen Blick:

Garantiert gute Qualität durch Reviews

Garantiert gute Qualität durch Reviews

Stuvia Verkäufer haben mehr als 700.000 Zusammenfassungen beurteilt. Deshalb weißt du dass du das beste Dokument kaufst.

Schnell und einfach kaufen

Schnell und einfach kaufen

Man bezahlt schnell und einfach mit iDeal, Kreditkarte oder Stuvia-Kredit für die Zusammenfassungen. Man braucht keine Mitgliedschaft.

Konzentration auf den Kern der Sache

Konzentration auf den Kern der Sache

Deine Mitstudenten schreiben die Zusammenfassungen. Deshalb enthalten die Zusammenfassungen immer aktuelle, zuverlässige und up-to-date Informationen. Damit kommst du schnell zum Kern der Sache.

Häufig gestellte Fragen

Was bekomme ich, wenn ich dieses Dokument kaufe?

Du erhältst eine PDF-Datei, die sofort nach dem Kauf verfügbar ist. Das gekaufte Dokument ist jederzeit, überall und unbegrenzt über dein Profil zugänglich.

Zufriedenheitsgarantie: Wie funktioniert das?

Unsere Zufriedenheitsgarantie sorgt dafür, dass du immer eine Lernunterlage findest, die zu dir passt. Du füllst ein Formular aus und unser Kundendienstteam kümmert sich um den Rest.

Wem kaufe ich diese Zusammenfassung ab?

Stuvia ist ein Marktplatz, du kaufst dieses Dokument also nicht von uns, sondern vom Verkäufer marliesnoeijen. Stuvia erleichtert die Zahlung an den Verkäufer.

Werde ich an ein Abonnement gebunden sein?

Nein, du kaufst diese Zusammenfassung nur für 6,49 €. Du bist nach deinem Kauf an nichts gebunden.

Kann man Stuvia trauen?

4.6 Sterne auf Google & Trustpilot (+1000 reviews)

45.681 Zusammenfassungen wurden in den letzten 30 Tagen verkauft

Gegründet 2010, seit 14 Jahren die erste Adresse für Zusammenfassungen

Starte mit dem Verkauf
6,49 €  7x  verkauft
  • (0)
  Kaufen