Analiza multivariată: regresie, analiză factorială și analiză cluster, și la ce întrebare răspunde fiecare

1. Problema: tabelele încrucișate nu mai ajung

O companie de servicii are rezultatele unui sondaj cu 800 de clienți și 40 de întrebări. Raportul conține tabele încrucișate: satisfacția pe vârstă, pe regiune, pe tipul de abonament. Fiecare tabel este corect, dar managementul are trei întrebări la care niciun tabel nu răspunde. Care dintre cele 15 atribute ale serviciului contează cel mai mult pentru intenția de a rămâne client? Ce înseamnă, în fond, cele 25 de afirmații despre brand la care au răspuns clienții? Și există grupuri distincte de clienți, care ar trebui tratate diferit? Analiza multivariată este familia de tehnici statistice care examinează simultan mai multe variabile și răspunde la astfel de întrebări.

Acest articol explică trei tehnici, regresia, analiza factorială și analiza cluster, prin întrebarea decizională la care răspunde fiecare. Nu este un curs de statistică, ci un ghid pentru cel care comandă un studiu de analiză de date și trebuie să știe ce să ceară, ce să verifice și cum să citească rezultatul.

2. Ce este analiza multivariată: două familii de tehnici

Tehnicile multivariate se împart în două familii, după structura întrebării.

• Tehnicile de dependență pornesc de la o variabilă care trebuie explicată (satisfacția, intenția de cumpărare, alegerea unui produs) și caută factorii care o influențează. Regresia este exemplul principal; analiza discriminantă și regresia logistică sunt variantele pentru rezultate de tip categorie, de exemplu „a cumpărat" sau „nu a cumpărat".
• Tehnicile de interdependență nu au o variabilă de explicat. Ele caută structura din date: ce variabile merg împreună (analiza factorială) sau ce respondenți seamănă între ei (analiza cluster).

Prima întrebare pentru orice analiză multivariată este deci: avem un rezultat de explicat sau căutăm o structură? Răspunsul alege familia, iar tipul variabilelor (scale numerice sau categorii) alege tehnica concretă.

3. Regresia: ce factori explică un rezultat

Regresia multiplă estimează cum variază un rezultat numeric în funcție de mai mulți factori considerați simultan. Într-un studiu de satisfacție, rezultatul poate fi intenția de a rămâne client, iar factorii sunt evaluările atributelor: rapiditatea, amabilitatea, prețul, claritatea facturii. Coeficienții arată cu cât se schimbă rezultatul când un factor crește cu o unitate, ceilalți rămânând constanți, iar coeficientul de determinare (R pătrat) arată ce parte din variația rezultatului este explicată de toți factorii împreună. Aceasta este baza analizei driverilor descrise în ghidul despre satisfacția clienților și NPS.

Trei precauții decid dacă rezultatul unei regresii este folosibil.

• Asocierea nu este cauzalitate. Regresia arată că două variabile variază împreună, controlând pentru ceilalți factori incluși. Nu dovedește că una o produce pe cealaltă. Dovada cauzală cere un experiment, nu o regresie pe date de sondaj.
• Multicoliniaritatea. Când factorii sunt puternic corelați între ei, de exemplu „personal amabil" și „personal competent", coeficienții devin instabili, se pot schimba de la un eșantion la altul, iar importanța relativă a fiecărui factor nu mai poate fi stabilită fără ambiguitate. Soluțiile sunt comasarea factorilor apropiați, adesea printr-o analiză factorială prealabilă, și prezentarea importanței prin mai multe măsuri, nu printr-una singură.
• Validarea. Un model ajustat pe un eșantion se potrivește mereu mai bine acelui eșantion decât realității. Verificarea pe o parte a datelor neutilizată la estimare arată dacă modelul rezistă. Selecția automată a factorilor „pas cu pas" este deosebit de sensibilă la această problemă.

4. Analiza factorială: ce dimensiuni stau în spatele multor întrebări

Chestionarele de imagine, de atitudini sau de climat organizațional conțin adesea 20-40 de afirmații evaluate pe aceeași scală. Multe dintre ele măsoară, de fapt, același lucru. Analiza factorială identifică aceste dimensiuni de fond, numite factori: de exemplu, 25 de afirmații despre o bancă se pot reduce la patru dimensiuni, cum ar fi încrederea, accesibilitatea, modernitatea și costul.

Procesul are câțiva pași care trebuie raportați. Întâi se verifică dacă datele se pretează analizei: afirmațiile trebuie să fie suficient de corelate, iar testele uzuale (testul de sfericitate Bartlett și indicele KMO) arată acest lucru. Apoi se decide numărul de factori, după criterii precum valorile proprii mai mari decât 1, graficul pantei și, mai ales, interpretabilitatea. Factorii se rotesc pentru a fi mai ușor de interpretat, iar fiecare factor se denumește după afirmațiile care îl încarcă puternic. Rezultatul se folosește fie prin scoruri factoriale, fie prin indici simpli construiți din afirmațiile principale ale fiecărui factor, fie prin alegerea unei afirmații reprezentative pentru fiecare factor în studiile viitoare, mai scurte.

Ca regulă practică, eșantionul trebuie să fie de cel puțin patru-cinci ori mai mare decât numărul de variabile analizate, iar în practică se urmărește mai mult. Denumirea factorilor este un act de interpretare, nu un rezultat al calculului: aceeași soluție poate fi numită diferit de doi analiști, iar raportul trebuie să arate afirmațiile din spatele fiecărei denumiri.

5. Analiza cluster: ce grupuri de clienți există

Analiza cluster grupează respondenții astfel încât cei din același grup să fie cât mai asemănători, iar grupurile cât mai diferite între ele. Este tehnica de bază a segmentării: clienții se grupează după nevoi, beneficii căutate, atitudini sau comportament, iar fiecare grup devine un segment cu o strategie proprie. Ghidul despre dimensiunea pieței și segmentarea arată cum se folosesc segmentele în decizie; aici ne interesează cum se obțin.

Calitatea unei segmentări se decide în câteva alegeri tehnice. Variabilele de grupare se aleg după logica deciziei, nu se pun „toate în model". Variabilele măsurate pe scale diferite se standardizează, iar cazurile atipice se examinează, pentru că pot forma grupuri artificiale. Metodele ierarhice ajută la alegerea numărului de grupuri, iar metodele nonierarhice (de tip k-means) rafinează soluția. Numărul de grupuri nu are un răspuns statistic unic: se alege după criterii statistice, după interpretabilitate și după utilitate, pentru că un plan de marketing poate lucra cu patru-cinci segmente, nu cu doisprezece.

6. Cum se combină tehnicile într-un proiect real

În proiectele reale, tehnicile se folosesc împreună, într-o ordine logică. Un studiu de segmentare tipic începe cu analiza factorială a afirmațiilor de atitudine, pentru a reduce 30 de variabile corelate la 5-6 dimensiuni; continuă cu analiza cluster pe aceste dimensiuni, pentru a identifica segmentele; și se încheie cu profilarea segmentelor și, eventual, cu o regresie sau o analiză discriminantă care arată ce întrebări scurte pot clasifica un client nou într-un segment. Un studiu de satisfacție poate folosi analiza factorială pentru a comasa atributele apropiate și regresia pentru a stabili care dintre dimensiunile rezultate contează cel mai mult.

Alte tehnici multivariate răspund la întrebări mai specializate: analiza conjoint măsoară cât valorează fiecare caracteristică a unei oferte și este centrală în cercetarea de preț, iar scalarea multidimensională produce hărți perceptuale ale mărcilor concurente. Principiul rămâne același: întrebarea alege tehnica.

7. Ce cere analiza multivariată de la date

Majoritatea problemelor unei analize multivariate se nasc înainte de analiză, în designul studiului. Patru cerințe trebuie stabilite înainte de chestionar.

• Variabilele necesare sunt în chestionar. O regresie nu poate include un factor care nu a fost măsurat. Lista factorilor posibili se construiește din cercetarea calitativă sau din experiența echipei, iar ghidul despre construirea chestionarului arată cum se formulează.
• Scalele sunt potrivite. Regresia, analiza factorială și analiza cluster pe distanțe cer variabile numerice sau scale cu suficiente trepte, aplicate consecvent. Întrebările cu răspunsuri da/nu sau categorii cer alte variante ale tehnicilor.
• Eșantionul este suficient. Pentru analiza factorială, de cel puțin patru-cinci ori numărul de variabile; pentru regresie, suficient de mare față de numărul de factori; pentru segmentare, destul de mare încât cel mai mic segment util să aibă o bază analizabilă.
• Ponderarea și designul sunt luate în calcul. Dacă datele sunt ponderate sau eșantionul este grupat, erorile standard și testele de semnificație trebuie calculate corespunzător, așa cum explică articolul despre ponderarea datelor de sondaj.

8. Cele trei tehnici, comparate

9. Erori frecvente și cum le recunoașteți în raport

Primul semnal de alarmă este un raport care prezintă rezultatele fără diagnostice: o regresie fără R pătrat și fără verificarea corelațiilor dintre factori, o analiză factorială fără criteriul de alegere a numărului de factori, o segmentare fără verificarea stabilității. Al doilea semnal este limbajul cauzal pe date corelaționale: „prețul determină satisfacția" în loc de „prețul este asociat cel mai puternic cu satisfacția". Al treilea este o precizie aparentă care nu ține cont de eșantion: ierarhii de factori cu diferențe minime, prezentate ca și cum ar fi sigure. Al patrulea, poate cel mai costisitor, este o segmentare elegantă statistic, dar care nu poate fi aplicată, pentru că segmentele nu pot fi identificate în baza de clienți sau nu diferă prin nimic din ce poate influența marketingul.

Analiza multivariată bine făcută se recunoaște prin claritatea traducerii: fiecare rezultat statistic se încheie cu o propoziție despre ce înseamnă pentru decizie și cât de sigur este.

10. Ce ceri agenției

• Întrebarea decizională pentru fiecare analiză și tehnica propusă, stabilite înainte de chestionar.
• Lista variabilelor necesare analizei și confirmarea că sunt incluse, cu scalele potrivite.
• Justificarea mărimii eșantionului față de tehnicile planificate și față de cel mai mic grup de analizat.
• Pentru regresie: R pătrat, verificarea multicoliniarității, validarea pe date separate și formulări fără limbaj cauzal.
• Pentru analiza factorială: testele de adecvare, criteriul pentru numărul de factori și tabelul încărcărilor.
• Pentru segmentare: verificarea stabilității, profilul segmentelor pe variabile externe și o regulă de clasificare a clienților noi.
• O traducere a fiecărui rezultat în implicații pentru decizie, cu gradul de certitudine.
• Baza de date și sintaxa analizelor, pentru a putea repeta analiza în valurile următoare.

Analiza multivariată nu este un supliment tehnic adăugat la final, ci partea studiului care transformă datele în priorități, dimensiuni și segmente. Planificată de la început, ea face diferența dintre un raport cu tabele și unul care spune ce trebuie făcut. Echipa noastră de cercetare de piață și segmentare și cea de suport decizional vă pot ajuta să alegeți analiza potrivită întrebării voastre.

Vezi și: Analiză de date și desk research Cercetare de piață și segmentare Suport decizional Dimensiunea pieței și segmentarea Satisfacția clienților și NPS Ponderarea datelor de sondaj

Echipa Perspicuus · 15 iulie 2025