- / -

Ένα από τα πιο αποτελεσματικά μέσα για την επιτυχία ενός προϊόντος είναι αναμφισβήτητα η Έρευνα Αγοράς (Market Research). Η έρευνα υλοποιείται σε αντιπροσωπευτικό δείγμα ενός συγκεκριμένου υπό μελέτη πληθυσμού, με απώτερο σκοπό να εξαχθούν συμπεράσματα από την ποσοτική στατιστική επεξεργασία και ανάλυση των δεδομένων σχετικά με τις απόψεις, τις στάσεις και τις συμπεριφορές που διαθέτουν οι καταναλωτές, τις τάσεις και τις προοπτικές ενός κλάδου, το μερίδιο αγοράς που αντιστοιχεί σε κάποιο προϊόν ή επίσης και τη γνώση που έχουν οι καταναλωτές όσον αφορά τη μάρκα ή την εικόνα ενός προϊόντος. Η στατιστική ανάλυση των αποτελεσμάτων επιτυγχάνεται με χρήση διαφόρων στατιστικών τεχνικών, ανάμεσα στις οποίες περιλαμβάνεται και η Ανάλυση Αντιστοιχιών (Correspondence Analysis). Η Ανάλυση Αντιστοιχιών (Correspondence Analysis) είναι μια διερευνητική τεχνική ανάλυσης δεδομένων που απεικονίζει γραφικά πίνακες συνάφειας και πολυμεταβλητά κατηγορικά δεδομένα, ενώ παράλληλα τις τελευταίες δεκαετίες έχει σημειώσει ταχύτατη εξέλιξη και ανάπτυξη. Η Ανάλυση Αντιστοιχιών βρίσκει εφαρμογή τόσο στην Έρευνα Αγοράς, ακριβώς λόγω της κατηγορικής φύσεως των δεδομένων που προκύπτουν σε έρευνες τέτοιου τύπου, όσο και γενικότερα στις κοινωνικές επιστήμες όπου συνήθως χρειάζεται ένα στατιστικό «εργαλείο» για να ελέγξει τις αντιστοιχίες- συσχετίσεις μεταξύ των μεταβλητών και να τις αποδώσει με τη βοήθεια ενός γραφήματος. Σκοπός της παρούσας εργασίας είναι η θεωρητική, πρακτική και υπολογιστική επισκόπηση της συγκεκριμένης στατιστικής μεθόδου καθώς και η υλοποίησή της στα στατιστικά πακέτα SPSS & MINITAB, με τη χρήση κατάλληλων δεδομένων από τον τομέα της Έρευνας Αγοράς. Θα δοθεί έμφαση περισσότερο στην ερμηνεία των αποτελεσμάτων παρά στις μαθηματικές και τεχνικές λεπτομέρειες των διαδικασιών της εφαρμογής. / One of the most effective means for the success of a product is indisputably the Market Research. The research is conducted in a representative sample of a specific population under study with the aim to draw conclusions which are derived from the quantitative statistical processing and analysis of data on the opinions, the attitudes and behaviors that consumers have, the trends and the prospects of a branch, the market share which is corresponding to a product or also the knowledge that consumers have got as far as it concerns the brand or product image. The statistical analysis of the results is accomplished by using different statistical techniques including Correspondence Analysis. The Correspondence Analysis is an exploratory data analysis technique that depicts graphically contingency tables and multivariate categorical data, while the last decades it has made rapid progress and development. The Correspondence Analysis is applicable to Market Research, just because of the categorical nature of data obtained in researches of this type and generally in social sciences, where commonly a statistical tool is needed to check on the correspondences- correlations among the variables and yield them through a graph. The purpose of this study is the theoretical, practical and computational survey of this specific statistical method and its implementation in the statistical packages SPSS & MINITAB by using appropriate data from Market Research. Emphasis will be given more on the interpretation of results despite the mathematical and technical details of the method procedures.

Η παρούσα διπλωματική εργασία ασχολείται με πολυδιάστατα κατηγορικά δεδομένα όπως αυτά προκύπτουν από συλλογή μέσω ερωτηματολογίων. Για να αναλυθεί όμως ένα ερωτηματολόγιο το οποίο περιλαμβάνει πλήθος ερωτήσεων-μεταβλητών και να εξάγουμε ορισμένα χρήσιμα συμπεράσματα θα πρέπει, πρώτα από όλα να γίνει η κατάλληλη κωδικοποίηση των δεδομένων. Χρησιμοποιώντας στατιστικές τεχνικές και μεθόδους κατάλληλες για κατηγορικά δεδομένα μπορούμε πιο εύκολα να μελετήσουμε τις σχέσεις μεταξύ των μεταβλητών. Για τον σκοπό αυτό, παρουσιάζουμε και αναλύουμε τη θεωρία της Παραγοντικής Ανάλυσης των Αντιστοιχιών και της Πολλαπλής Παραγοντικής Ανάλυσης των Αντιστοιχιών. Ύστερα, αναλύουμε τα αποτελέσματα που δίνουν οι μέθοδοι όταν τις χρησιμοποιήσουμε για την ανάλυση του ερωτηματολογίου. Τα συμπεράσματα που προκύπτουν έχουν ιδιαίτερο ενδιαφέρον. Η δυναμικότητα των μοντέλων αυτών παρουσιάζεται μέσα από μία εφαρμογή από τον χώρο των κοινωνικών επιστημών σε θέματα που αφορούν τα σχολεία και τους μαθητές της Πρωτοβάθμιας εκπαίδευσης. Στις μεθόδους αυτές δίνεται έμφαση κυρίως στα γραφικά αποτελέσματα αλλά και στις εκτιμήσεις των σκορ των κατηγοριών των μεταβλητών. Όλα τα παραπάνω τα συγκρίνουμε κριτικά μεταξύ τους στη θεωρία και στη πράξη έτσι ώστε ο ενδιαφερόμενος αναγνώστης να κατανοήσει περισσότερο τις μεθόδους αυτές και να αποκομίσει όσο το δυνατόν περισσότερες πληροφορίες που θα τον βοηθήσουν για την εφαρμογή τους. / This dissertation deals with multivariate categorical data of a raw data set produced by a questionnaire designed for a research purpose. However, in order to analyze a questionnaire and extract some fruitful results, that includes a great number of questions-variables, we must first impose a structure on it especially on situations this specific structure is missing. Whenever the structure is imposed, by using statistical techniques and methods designed for categorical data, we can then study more efficiently the relations among the variables in concern for further analyses. The capacity of these models is presented through an application from the social sciences on issues concerning schools and pupils in primary education. The analysis on a smaller subset is further explored by describing the issues of Correspondence Analysis, and Multiple Correspondence Analysis. With these methods, we focus on the interpretation of the results on the graphical displays of the data but also on the estimated category scores of the variables. The above methods described in this dissertation and the results after implementing them are all critically compared with each other at each chapter. This gives to the interesting reader the possibility to fully understand them and to obtain additional information on their implementation.