METODI STATISTICI PER L'ANALISI DI MERCATO E IL MARKETING
Academic Year 2023/2024 - Teacher: Angelo MAZZAExpected Learning Outcomes
- Knowledge and understanding: The course provides advanced concepts in statistics for marketing These tools will be then applied for analysing case studies based on real data in marketing.
- Applying knowledge and understanding: The student has to be able to perform statistical analyses of multivarite data, using different statistical tools through the R language.
- Making judgements: The student has to be able to manage statistical tools for marketing data analysis and draw suitable conclusions.
- Communication skills: The student is expected to learn the technical language needed to understand/write properly a statistical report in the marketing area.
- Learning skills: Ability to understand the logic of the statistical reasoning
Course Structure
Lectures and practical activities
Detailed Course Content
Preliminaries. Statistical surveys. Questionnaire design. Data matrices. Summary statistics for multivariate data.
Statistical surveys. Sampling techniques from finite populations. Survey sample methods (probability and non probability methods). Required sample size.
Analysis of multidimensional data. Distances, similarities and dissimilarities. Cluster analysis: hierarchical and non-hierarchical methods. Market and consumer segmentation.
Linear Regression Models. Simple and multiple regression models. Least squared estimation. Model adequacy checking.
Textbook Information
- Hair J.F., Black W.C., Babin B.J., Anderson R.E., Multivariate Data Analysis, Pearson, Upper Saddle River, 2010
- Fowler F.J., Survey Research Methods, Thousand Oaks, Sage, 2009
- Falissard B., Analysis of Questionnaire Data with R, CRC Press, Boca Raton, 2012
Course Planning
| Subjects | Text References | |
|---|---|---|
| 1 | Rilevazioni statistiche. Principali tecniche di indagine statistica. Progettazione di questionari. Il linguaggio R. | Testo 1 cap. 4; Testo 2: cap 2; Testo 4: cap 4 |
| 2 | Campionamento da popolazioni finite. Distribuzioni campionarie. Inferenza da popolazioni finite. Campionamento semplice, stratificato, sistematico. Campionamento a grappoli ed a due stadi. Campionamenti ragionati. | Testo 2: cap. 2; Testo 3: cap 1-5; Testo 4: cap 3 |
| 3 | Stima della media. Stima del totale e della proporzione. Dimensionamento del campione in funzione del costo e in funzione dell’errore | Testo 2: cap. 2; Testo 3: cap 1-5; Testo 4: cap 3 |
| 4 | Prime analisi di dati multimensionali. Matrici di dati e sintesi statistiche. Applicazioni in R | Testo 1 cap. 3; Testo 2: cap. 3 |
| 5 | Metodi di segmentazione del mercato e della clientela. Distanza e dissimilarità. Indici di similarità. Trattamento congiunto variabili miste. Cluster analysis: metodi gerarchici e non gerarchici. Applicazioni in R. | Testo 1 cap. 3,4; Testo 2: cap.5 |
| 6 | Metodi di riduzione dimensionale. Analisi fattoriale. Applicazioni in R. | Testo 2: cap. 5 |
| 7 | Modelli di di regressione lineare. Regressione lineare semplice e multipla. Stima dei minimi quadrati. Valutazione di bontà dell’adattamento. Inferenza su parametri del modello di regressione. Applicazioni in R. | Testo 1 cap. 2,3; Testo 2: cap.4 |