Využití hierarchických bayesovských modelů v marketingovém výzkumu

Jana Tkáčiková

Master's thesis

Application of Hierarchical Bayesian Models in Market Research

Abstract:

V praxi se často setkáváme s daty, které je možné agregovat na více úrovních. Úkolem hierarchických modelů je tuto strukturu zachytit a využít možnosti agregace dat na jednotlivých úrovních k co nejefektivnějšímu využití informací obsažených v datech.Cílem práce bylo aplikovat hierarchické modely na data pocházející z reálného marketingového výzkumu a zhodnotit, nakolik je tento typ modelů pro řešení daných problémů vhodný ve srovnání s jinými typy modelů. Práce obsahuje teoretický úvod do bayesovské statistiky a hierarchických modelů. Po ní následuje rozsáhlá praktická část, zaměřená na odhady relativních četností v agregovaných skupinách. Model hierarchický v parametrech byl nejdříve využit pro odhad relativních četností v krajích a sociodemografických skupinách. Tento model byl následně rozšířen o závisle proměnnou. Jako poslední byl sestaven multinomický model, kdy modelované proměnné v agregovaných skupinách nabývají hodnoty odpovídající několika kategoriím.Zkušenosti z jednotlivých aplikací jsou v závěru každé praktické aplikace shrnuty a na jejich základě je zformulováno obecnější doporučení pro marketingovou praxi. Hierarchické modely pro odhad relativních četností jsou v marketingové praxi uplatnitelné zejména v situacích, kdy je počet pozorování ve skupinách nízký a meziskupinová variabilita relativních četností ve skupinách naopak příliš nízká není. Hierarchické modely můžou posloužit pro identifikaci závisle proměnných, které by mohly odhady zkreslovat. Multinomický model umožňuje velmi efektivně využívat informace obsažené v různých skupinách a kategoriích.

Abstract:

In practice, we often work with data that can be aggregated on multiple levels. Role of hierarchical models is to reflect this structure and use data aggregation for more efficient use of information in data.Goal of the thesis is to apply hierarchical models on real life data coming from marketing research and evaluate their performance in solving specific problems compared to other types of models.The thesis contains theoretical introduction into Bayesian statistics and hierarchical models, followed by practical application that is focusing on estimating relative frequencies in aggregated groups. Model hierarchical in parameters was first used on estimating relative frequencies in regions and sociodemographic groups. This model was then upgraded with a covariate. The last model introduced was a multinomial model in which the modelled variable in aggregated groups can take values corresponding to several categories. Outcomes of practical applications are summarized after every one of them and constitute a basis for more general advice for marketing professionals. Hierachical models are in practice best suited for situations in which the number of observations in aggregated groups is low and between-group variability of relative frequencies is high. Hierachical models enable to identify potential covariates that can bias the estimates. Multinomial hierarchical model enables efficient use of information contained in data corresponding to different groups and categories.

Keywords

hierarchický model, relativní četnost, bayesovská statistika, MCMC, Markovovy řetězce

Keywords

hierarchical model, relative frequency, bayesian statistics, MCMC, Markov Chains

Language used: Czech

Date on which the thesis was submitted / produced: 27. 9. 2018

Thesis defence

• Date of defence: 30. 1. 2019
• Supervisor: Ondřej Vilikus
• Reader: Miroslav Plašil

Vysoká škola ekonomická v Praze

Master programme / field:
Kvantitativní metody v ekonomice / Statistika