Document details

Modelos Mistura de Regressão na Segmentação de Mercado: uma abordagem metodológ...

Author(s): Brochado, Ana Margarida Mendes Camelo Oliveira cv logo 1

Date: 2009

Persistent ID: http://hdl.handle.net/10216/7480

Origin: Repositório Aberto da Universidade do Porto

Subject(s): Segmentação de mercado; modelos mistura de regressão; critérios de informação; critérios de classificação; design experimental; simulação; Market segmentation; information criteria; classification criteria; experimental design; simulation; CIÊNCIAS EMPRESARIAIS; Porto


Description
This dissertation is developed in the context of market segmentation and market segments retention when mixture regression models for normal data are used. Despite the popularity of these models, the decision of how many segments to keep is an open issue, both in Marketing and Statistics literature. To determine the correct number of market segments is essential, because many strategic Marketing decisions in heterogeneous markets depend on it and an incorrect selection of the number of market segments results in monetary costs for any company. This dissertation has two main objectives: (i) identification, description and classification of the criteria that could be used to select the number of market segments (ii) evaluation of how the reviewed criteria perform and the influence of a set of experimental conditions on the selection of the number of market segments. The reviewed criteria were classified into two groups, namely information criteria (Kullback-Leibler, bayesian and consistent) and classification criteria (probabilistic and fuzzy indices). The performance evaluation of the 26 selected criteria was accomplished through a set of 17 experimental designs. In these experimental designs we considered the problem of market niches and the robustness of the results to the probability assumed (normal versus uniform). The simulations were implemented with Gauss 6.0 package. The best results were obtained for the criteria AIC3, AIC4, HQ, ICLBIC and ICOMPLBIC. BIC and CAIC also perform well with large samples and a large number of market segments. Ciências Empresariais (sem parte escolar) Esta dissertação enquadra-se na problemática da segmentação de mercado e da selecção do número de grupos quando são utilizados modelos mistura de regressão para variáveis normais. Apesar do frequente uso destes modelos, o problema da selecção do número de segmentos continua em aberto, quer na literatura de Marketing, quer Estatística. Determinar o número de segmentos é essencial, na medida em que várias decisões estratégicas de Marketing em mercados heterogéneos dependem dela, existindo custos para as empresas de uma incorrecta definição do número de segmentos de mercado. Esta dissertação possui dois objectivos de investigação: (i) identificação, descrição e organização dos critérios, dispersos na literatura, que podem ser usados na selecção do número de segmentos; (ii) avaliação da eficácia dos critérios revistos e da influência de um conjunto de condições experimentais na selecção do número de segmentos. Os critérios foram classificados em dois grandes grupos, critérios de informação (estimadores da distância Kullback-Leibler, bayesianos e consistentes) e critérios de classificação (índices probabilísticos e índices difusos). A avaliação do desempenho dos 26 critérios seleccionados foi efectuada através de um conjunto de 17 designs experimentais. Na sua concepção deu-se particular relevância ao problema de nichos de mercado e à questão da robustez dos resultados à distribuição de probabilidade assumida (normal versus uniforme). As simulações foram realizadas no programa Gauss 6.0. Os melhores desempenhos foram dos critérios AIC3, AIC4, HQ, ICLBIC e ICOMPLBIC. Na presença de amostras de grande dimensão e um grande número de grupos são igualmente recomendáveis os critérios BIC e CAIC.
Document Type Doctoral Thesis
Language Portuguese
delicious logo  facebook logo  linkedin logo  twitter logo 
degois logo
mendeley logo

    Financiadores do RCAAP

Fundação para a Ciência e a Tecnologia Universidade do Minho   Governo Português Ministério da Educação e Ciência PO Sociedade do Conhecimento (POSC) Portal oficial da União Europeia