Application of Hierarchical Bayesian Models in Market Research

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.