Gestão / Administração Dissertações de Mestrado
|
|
|
|
|
Modelos Mistura de Regressão na Segmentação de Mercado
Autor:
Ana Margarida Mendes Camelo Oliveira Brochado
Doutoramento em Ciências Empresariais
Faculdade de Economia da Universidade do Porto Se é autor de uma tese / dissertação de mestrado ou de doutoramento envie-nos para knoow.net@gmail.com e ajude-nos a enriquecer ainda mais o nosso site. |
|
Resumo 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.
Palavras chave: Segmentação de mercado, modelos mistura de regressão, critérios de informação, critérios de classificação, design experimental, simulação
|
|
