Dane na Kółkach: Zrozumienie Klientów Sklepu Rowerowego w Liczbach i Trendach
Wstęp
Witamy serdecznie w projekcie analizy danych, którego celem jest pełne zrozumienie i segmentacja potencjalnych klientów sklepu rowerowego. Poprzez zbieranie wszechstronnych danych ankietowych, starannie wyselekcjonowanych pod kątem kluczowych aspektów społecznych i konsumenckich, dążymy do stworzenia kompleksowej analizy ukierunkowanej na lepsze zrozumienie potrzeb i preferencji naszych klientów.
Pragniemy zaprosić Państwa do podróży przez zbiór danych, który pomoże nam lepiej zrozumieć, jak różnorodne czynniki wpływają na decyzje zakupowe w dziedzinie rowerów. Naszym celem jest nie tylko identyfikacja głównych grup docelowych, lecz także wydobycie istotnych trendów, które pozwolą nam doskonalić ofertę i komunikację, zapewniając klientom bardziej spersonalizowane i dopasowane rozwiązania. Zapraszamy do odkrywania wspólnie z nami fascynujących informacji, które staną się kluczem do lepszego zaspokajania oczekiwań naszych klientów. #biblioteki
Rozdział 1. Czyszczenie danych
1.1. Wstępne badanie występowania brakujących obserwacji
Na tym etapie została zbadana charakterystyka oraz poziomy poszczególnych zmiennych. Większość zmiennych miała charakter jakościowy, w związku z czym trzeba było zamienić je na czynniki. Sprawdzono również występowanie braków wśród badanych zmiennych.
## [1] "" "Married" "Single"## [1] "" "Female" "Male"## [1] 1 3 5 0 2 4 NA## [1] "Bachelors" "Graduate Degree" "High School"
## [4] "Partial College" "Partial High School"## [1] "Clerical" "Management" "Manual" "Professional"
## [5] "Skilled Manual"## [1] "" "No" "Yes"## [1] 0 1 2 4 NA 3## [1] "0-1 Miles" "1-2 Miles" "10+ Miles" "2-5 Miles" "5-10 Miles"## [1] "Europe" "North America" "Pacific"## [1] "No" "Yes"Zbadano również występowanie wartości NA, co widać na poniższych wykresach.
## Następujące obiekty zostały zakryte z sklep_rowerowy (pos = 3):
##
## Age, Cars, Children, Commute.Distance, Education, Gender,
## Home.Owner, ID, Income, Marital.Status, Occupation, Purchased.Bike,
## Region## [1] "Income" "Children" "Cars" "Age"
Wartości NA zostały wykryte w przepadku zmiennych: Cars, Childre, Age oraz Income.
1.2. Walidacja danych
Kolejnym etapem analizy jest walidacja danych. Zdefiniowany został szereg reguł, które muszą spełniać nasze dane.
## name items passes fails nNA error warning
## 1 V01 1000 993 7 0 FALSE FALSE
## 2 V02 1000 989 11 0 FALSE FALSE
## 3 V03 1000 994 0 6 FALSE FALSE
## 4 V04 1000 992 0 8 FALSE FALSE
## 5 V05 1000 1000 0 0 FALSE FALSE
## 6 V06 1000 996 4 0 FALSE FALSE
## 7 V07 1000 991 0 9 FALSE FALSE
## 8 V08 1000 1000 0 0 FALSE FALSE
## 9 V09 1000 1000 0 0 FALSE FALSE
## 10 V10 1000 992 0 8 FALSE FALSE
## 11 V11 1000 1000 0 0 FALSE FALSE
## expression
## 1 Marital.Status %vin% c("Married", "Single")
## 2 Gender %vin% c("Male", "Female")
## 3 Income - 0 >= -1e-08
## 4 Children - 0 >= -1e-08
## 5 Occupation %vin% c("Clerical", "Management", "Manual", "Professional", "Skilled Manual")
## 6 Home.Owner %vin% c("Yes", "No")
## 7 Cars - 0 >= -1e-08
## 8 Commute.Distance %vin% c("0-1 Miles", "1-2 Miles", "10+ Miles", "2-5 Miles", "5-10 Miles")
## 9 Region %vin% c("Europe", "North America", "Pacific")
## 10 Age > 10
## 11 Purchased.Bike %vin% c("Yes", "No")
## name items passes fails nNA error warning
## 1 V1 1000 0 996 4 FALSE FALSE
## 2 V2 1000 0 993 7 FALSE FALSE
## expression
## 1 Age < 18 & Marital.Status == "Married"
## 2 Age < 18 & Children > 0
Powyższe sprawdzenie wskazuje na występowanie błędów w zmiennych Gender, Maritial.Status oraz Home.Owner.
Nie zaobserwowano błędnych danych w przypadku osób nieletnich.
Błędne dane należy zweryfikować i zamienić na wartości NA
## ID Marital.Status Gender Income Children
## Min. :11000 : 0 : 0 Min. : 10000 Min. :0.00
## 1st Qu.:15291 Married:535 Female:489 1st Qu.: 30000 1st Qu.:0.00
## Median :19744 Single :458 Male :500 Median : 60000 Median :2.00
## Mean :19966 NA's : 7 NA's : 11 Mean : 56268 Mean :1.91
## 3rd Qu.:24471 3rd Qu.: 70000 3rd Qu.:3.00
## Max. :29447 Max. :170000 Max. :5.00
## NA's :6 NA's :8
## Education Occupation Home.Owner Cars
## Bachelors :306 Clerical :177 : 0 Min. :0.000
## Graduate Degree :174 Management :173 No :314 1st Qu.:1.000
## High School :179 Manual :119 Yes :682 Median :1.000
## Partial College :265 Professional :276 NA's: 4 Mean :1.455
## Partial High School: 76 Skilled Manual:255 3rd Qu.:2.000
## Max. :4.000
## NA's :9
## Commute.Distance Region Age Purchased.Bike
## 0-1 Miles :366 Europe :300 Min. :25.00 No :519
## 1-2 Miles :169 North America:508 1st Qu.:35.00 Yes:481
## 10+ Miles :111 Pacific :192 Median :43.00
## 2-5 Miles :162 Mean :44.18
## 5-10 Miles:192 3rd Qu.:52.00
## Max. :89.00
## NA's :8
Jak można zauważyć na wykresie, w danych nie występują już wartości błędne i zostały poprawnie zamienione na NA.
1.3. Zbadanie występowania wartości odstających oraz skośności
Kolejnym elementem badania jest sprawdzenie skośności rozkładu zmiennych ilościowych, czyli w rozpatrywanym przypadku dochodu oraz wieku.
## integer(0)## named numeric(0)## character(0)
##
## Shapiro-Wilk normality test
##
## data: modified$Income
## W = 0.94402, p-value < 2.2e-16##
## Shapiro-Wilk normality test
##
## data: modified$Age
## W = 0.9697, p-value = 1.605e-13Swierdzamy skośność rozkładu zmiennych w oparciu o histogram oraz test na normalność (p-value<alfa=0.05, brak normalności rozkładu obu zmiennych)
Następnie sprawdzono, czy wskazane zmienne posiadają wartości odstające.
Jak widać na wykresach pudełkowych, w przypadku obu zmiennych występują wartości odstające. Z tego powodu należy zastosować imputacje metodą “capping”.
## Następujące obiekty zostały zakryte z sklep_rowerowy (pos = 3):
##
## Age, Cars, Children, Commute.Distance, Education, Gender,
## Home.Owner, ID, Income, Marital.Status, Occupation, Purchased.Bike,
## Region## Następujące obiekty zostały zakryte z sklep_rowerowy (pos = 4):
##
## Age, Cars, Children, Commute.Distance, Education, Gender,
## Home.Owner, ID, Income, Marital.Status, Occupation, Purchased.Bike,
## Region## Impute outliers with capping
##
## * Information of Imputation (before vs after)
## Original Imputation
## described_variables "value" "value"
## n "994" "994"
## na "6" "6"
## mean "56267.61" "55875.25"
## sd "31067.82" "29983.02"
## se_mean "985.4113" "951.0036"
## IQR "40000" "40000"
## skewness "0.7511715" "0.5580377"
## kurtosis " 0.5177351" "-0.1601572"
## p00 "10000" "10000"
## p01 "10000" "10000"
## p05 "10000" "10000"
## p10 "20000" "20000"
## p20 "30000" "30000"
## p25 "30000" "30000"
## p30 "40000" "40000"
## p40 "40000" "40000"
## p50 "60000" "60000"
## p60 "60000" "60000"
## p70 "70000" "70000"
## p75 "70000" "70000"
## p80 "80000" "80000"
## p90 "1e+05" "1e+05"
## p95 "120000" "120000"
## p99 "131400" "130000"
## p100 "170000" "130000"
## Impute outliers with capping
##
## * Information of Imputation (before vs after)
## Original Imputation
## described_variables "value" "value"
## n "992" "992"
## na "8" "8"
## mean "44.18145" "44.11774"
## sd "11.36201" "11.19318"
## se_mean "0.3607441" "0.3553838"
## IQR "17" "17"
## skewness "0.5233968" "0.4384776"
## kurtosis "-0.2613341" "-0.5656148"
## p00 "25" "25"
## p01 "26" "26"
## p05 "28" "28"
## p10 "30" "30"
## p20 "34" "34"
## p25 "35" "35"
## p30 "37" "37"
## p40 "40" "40"
## p50 "43" "43"
## p60 "46" "46"
## p70 "49" "49"
## p75 "52" "52"
## p80 "54" "54"
## p90 "60.9" "60.9"
## p95 "65.4500" "65.2025"
## p99 "71.09" "70.00"
## p100 "89" "74"
1.4 Czyszczenie danych - imputacje
W celu wyeliminowania brakujących danych, należy zastosować wybrane metody imputacji. W przypadku zmiennej Income, brakujące wartości zniknęły po zastosowaniu imputacji na wartości odstające. Dla pozostałych zmiennych posłużymy się głównie metodą “mice”.
## * Impute missing values based on Multivariate Imputation by Chained Equations
## - method : mice
## - random seed : 95682
##
## * Information of Imputation (before vs after)
## original imputation original_percent imputation_percent
## Female 489 497 48.9 49.7
## Male 500 503 50.0 50.3
## <NA> 11 0 1.1 0.0
## * Impute missing values based on Multivariate Imputation by Chained Equations
## - method : mice
## - random seed : 78684
##
## * Information of Imputation (before vs after)
## Original Imputation
## described_variables "value" "value"
## n " 992" "1000"
## na "8" "0"
## mean "1.910282" "1.907600"
## sd "1.62691" "1.62479"
## se_mean "0.05165445" "0.05138037"
## IQR "3" "3"
## skewness "0.3929996" "0.3926193"
## kurtosis "-1.018474" "-1.014563"
## p00 "0" "0"
## p01 "0" "0"
## p05 "0" "0"
## p10 "0" "0"
## p20 "0" "0"
## p25 "0" "0"
## p30 "1" "1"
## p40 "1" "1"
## p50 "2" "2"
## p60 "2" "2"
## p70 "3" "3"
## p75 "3" "3"
## p80 "4" "4"
## p90 "4" "4"
## p95 "5" "5"
## p99 "5" "5"
## p100 "5" "5"
## * Impute missing values based on Multivariate Imputation by Chained Equations
## - method : mice
## - random seed : 80724
##
## * Information of Imputation (before vs after)
## Original Imputation
## described_variables "value" "value"
## n " 991" "1000"
## na "9" "0"
## mean "1.455096" "1.451800"
## sd "1.121755" "1.121809"
## se_mean "0.03563373" "0.03547471"
## IQR "1" "1"
## skewness "0.4178828" "0.4209327"
## kurtosis "-0.3985382" "-0.3995784"
## p00 "0" "0"
## p01 "0" "0"
## p05 "0" "0"
## p10 "0" "0"
## p20 "0" "0"
## p25 "1" "1"
## p30 "1" "1"
## p40 "1" "1"
## p50 "1" "1"
## p60 "2" "2"
## p70 "2" "2"
## p75 "2" "2"
## p80 "2" "2"
## p90 "3" "3"
## p95 "4" "4"
## p99 "4" "4"
## p100 "4" "4"
## * Impute missing values based on Multivariate Imputation by Chained Equations
## - method : mice
## - random seed : 90584
##
## * Information of Imputation (before vs after)
## original imputation original_percent imputation_percent
## Married 535 540 53.5 54
## Single 458 460 45.8 46
## <NA> 7 0 0.7 0
## * Impute missing values based on Multivariate Imputation by Chained Equations
## - method : mice
## - random seed : 35648
##
## * Information of Imputation (before vs after)
## original imputation original_percent imputation_percent
## No 314 316 31.4 31.6
## Yes 682 684 68.2 68.4
## <NA> 4 0 0.4 0.0
Po imputacjach liczba braków wygląda następująco.
## [1] 0
Jak widać na wykresie, pozbyliśmy się właśnie brakujących wartości, dzięki czemu możemy przejść do analizowania zebranych danych.
Rozdział 2 - Wizualizacje
2.1 Badanie kształtowania się dochodu względem innych cech klientów
Poniżej zostały zaprezentowane wykresy dochodu względem płci.
Poniżej można zobaczyć, jak wyglądają histogramy dochodu vs płeć i edukacja
Wykres rozrzutu dochodu względem wieku.
Wykresy podełkowe dochodu vs pozostałe zmienne jakościowe.
Histogram wielkości dochodu vs decyzja o zakupie roweru.
2.2 Wykresy przedstawiające wybrane zmienne jakościowe względem zakupu roweru
Zakup roweru vs stan cywilny oraz płeć.
Zakup roweru vs liczba dzieci.
Zakup roweru vs wiek.
Zakup roweru vs dochód
Wykres gęstości liczby posiadanych aut a zakup roweru
Zakup roweru vs commute distance oraz liczba posiadanych aut
Wykres punktowy zakup roweru vs commute distance
Rozdział 3. Analiza opisowa
Przeprowadzona analiza opisowa stanowi kluczowy krok w procesie zrozumienia profilu klientów sklepu rowerowego, umożliwiając identyfikację kluczowych czynników wpływających na ich zachowania konsumenckie. Wnioski wypływające z tej analizy staną się fundamentem dla dalszych rozważań i rekomendacji mających na celu optymalizację strategii marketingowej oraz lepsze zaspokojenie potrzeb klientów.W tym rozdziale zostaną przedstawione podstawowe statystyki opisowe wybranych zmiennych, tabele liczności i rokłady gęstości.
Tabele częstości zmiennych ilościowych (Age i Income) oraz współczynnik TAI
| Freq | % Valid | % Valid Cum. | % Total | % Total Cum. | |
|---|---|---|---|---|---|
| 10-30 tys. | 208 | 22.437972 | 22.43797 | 20.8 | 20.8 |
| 30-50 tys. | 193 | 20.819849 | 43.25782 | 19.3 | 40.1 |
| 50-70 tys. | 294 | 31.715210 | 74.97303 | 29.4 | 69.5 |
| 70-90 tys. | 128 | 13.807983 | 88.78101 | 12.8 | 82.3 |
| 90-110 tys. | 45 | 4.854369 | 93.63538 | 4.5 | 86.8 |
| 110-130 tys. | 59 | 6.364617 | 100.00000 | 5.9 | 92.7 |
| <NA> | 73 | NA | NA | 7.3 | 100.0 |
| Total | 1000 | 100.000000 | 100.00000 | 100.0 | 100.0 |
| x | |
|---|---|
| # classes | 6.0000000 |
| Goodness of fit | 0.9715939 |
| Tabular accuracy | 0.8071939 |
| Freq | % Valid | % Valid Cum. | % Total | % Total Cum. | |
|---|---|---|---|---|---|
| (25,32] | 161 | 16.180905 | 16.18090 | 16.1 | 16.1 |
| (32,39] | 215 | 21.608040 | 37.78894 | 21.5 | 37.6 |
| (39,46] | 231 | 23.216080 | 61.00503 | 23.1 | 60.7 |
| (46,53] | 185 | 18.592965 | 79.59799 | 18.5 | 79.2 |
| (53,60] | 103 | 10.351759 | 89.94975 | 10.3 | 89.5 |
| (60,67] | 78 | 7.839196 | 97.78894 | 7.8 | 97.3 |
| (67,74] | 22 | 2.211055 | 100.00000 | 2.2 | 99.5 |
| <NA> | 5 | NA | NA | 0.5 | 100.0 |
| Total | 1000 | 100.000000 | 100.00000 | 100.0 | 100.0 |
| x | |
|---|---|
| # classes | 7.0000000 |
| Goodness of fit | 0.9681742 |
| Tabular accuracy | 0.8124169 |
Na podstawie współczynnika TAI (Tabular Accuracy Index) możemy zweryfikować poprawność doboru przedziałów zmiennch. Wynosi on odpowiedno 0,807 dla dochodów i 0,812 dla tabeli wieku. Taki poziom można za dosyć wysoki, zatem zakceptujemy zaproponowaną konstrukcję tablicy częstości.
Tabele czętości zmiennych jakościowych
| Zakup roweru | No, N = 5191 | Yes, N = 4811 |
|---|---|---|
| Gender | ||
| 0 (0%) | 0 (0%) | |
| Female | 256 (49%) | 241 (50%) |
| Male | 263 (51%) | 240 (50%) |
| Home.Owner | ||
| 0 (0%) | 0 (0%) | |
| No | 160 (31%) | 156 (32%) |
| Yes | 359 (69%) | 325 (68%) |
| Marital.Status | ||
| 0 (0%) | 0 (0%) | |
| Married | 307 (59%) | 233 (48%) |
| Single | 212 (41%) | 248 (52%) |
| Cars | ||
| 0 | 93 (18%) | 150 (31%) |
| 1 | 117 (23%) | 153 (32%) |
| 2 | 218 (42%) | 124 (26%) |
| 3 | 53 (10%) | 33 (6.9%) |
| 4 | 38 (7.3%) | 21 (4.4%) |
| Commute.Distance | ||
| 0-1 Miles | 166 (32%) | 200 (42%) |
| 1-2 Miles | 92 (18%) | 77 (16%) |
| 10+ Miles | 78 (15%) | 33 (6.9%) |
| 2-5 Miles | 67 (13%) | 95 (20%) |
| 5-10 Miles | 116 (22%) | 76 (16%) |
| 1 n (%) | ||
| Płeć | ****, N = 01 | Female, N = 4971 | Male, N = 5031 |
|---|---|---|---|
| Region | |||
| Europe | 0 (0%) | 164 (55%) | 136 (45%) |
| North America | 0 (0%) | 245 (48%) | 263 (52%) |
| Pacific | 0 (0%) | 88 (46%) | 104 (54%) |
| Occupation | |||
| Clerical | 0 (0%) | 95 (54%) | 82 (46%) |
| Management | 0 (0%) | 80 (46%) | 93 (54%) |
| Manual | 0 (0%) | 68 (57%) | 51 (43%) |
| Professional | 0 (0%) | 128 (46%) | 148 (54%) |
| Skilled Manual | 0 (0%) | 126 (49%) | 129 (51%) |
| Education | |||
| Bachelors | 0 (0%) | 150 (49%) | 156 (51%) |
| Graduate Degree | 0 (0%) | 95 (55%) | 79 (45%) |
| High School | 0 (0%) | 80 (45%) | 99 (55%) |
| Partial College | 0 (0%) | 134 (51%) | 131 (49%) |
| Partial High School | 0 (0%) | 38 (50%) | 38 (50%) |
| 1 n (%) | |||
| Commute distance | 0-1 Miles, N = 3661 | 1-2 Miles, N = 1691 | 10+ Miles, N = 1111 | 2-5 Miles, N = 1621 | 5-10 Miles, N = 1921 |
|---|---|---|---|---|---|
| Region | |||||
| Europe | 188 (51%) | 38 (22%) | 18 (16%) | 40 (25%) | 16 (8.3%) |
| North America | 126 (34%) | 108 (64%) | 62 (56%) | 103 (64%) | 109 (57%) |
| Pacific | 52 (14%) | 23 (14%) | 31 (28%) | 19 (12%) | 67 (35%) |
| Cars | |||||
| 0 | 166 (45%) | 31 (18%) | 4 (3.6%) | 36 (22%) | 6 (3.1%) |
| 1 | 86 (23%) | 48 (28%) | 13 (12%) | 72 (44%) | 51 (27%) |
| 2 | 79 (22%) | 75 (44%) | 43 (39%) | 38 (23%) | 107 (56%) |
| 3 | 19 (5.2%) | 8 (4.7%) | 32 (29%) | 8 (4.9%) | 19 (9.9%) |
| 4 | 16 (4.4%) | 7 (4.1%) | 19 (17%) | 8 (4.9%) | 9 (4.7%) |
| Occupation | |||||
| Clerical | 109 (30%) | 30 (18%) | 0 (0%) | 15 (9.3%) | 23 (12%) |
| Management | 44 (12%) | 30 (18%) | 41 (37%) | 23 (14%) | 35 (18%) |
| Manual | 71 (19%) | 27 (16%) | 0 (0%) | 19 (12%) | 2 (1.0%) |
| Professional | 60 (16%) | 27 (16%) | 60 (54%) | 73 (45%) | 56 (29%) |
| Skilled Manual | 82 (22%) | 55 (33%) | 10 (9.0%) | 32 (20%) | 76 (40%) |
| 1 n (%) | |||||
Na podstawie tabeli wg decyzji zakupu można powiedzieć, że zdecydowana większość klientów posiadała dom (ok. 70% wśród kupujących i niekupujących). Ponad połowa osób, które zakupiły rower były singlammi, natomiast w grupie osób, które nie dokonały zakupu prawie 60% stanowiły os. w związkach małżeńskich. Aż 42% os. które kupiły rower miały mniej niż 1 mile dojazdu.
Liczności przedstwione w tabeli wg płci pozwalają stwierdzić, że w Europie większą grupą klientów były kobiety(55%), natomiast na Pcyfiku byli to mężczyżni (55%).
Najdłuży dojazd do pracy (5-10 mil) miały osoby mieszkające w Ameryce półcnocej, a także posiadacze dwóch aut oraz pracownicy wykwalifikowani (skilled Manual). Natomiast do grup o najkrótszej odległości dojazdu (<1 mila) zaliczymy klientów z Europy lub nieposiadających auta czy Urzędników (Clerical).
##Statystyki opisowe dla zmiennych ilościowych (Income, Age)
| Zakup roweru | No, N = 519 | Yes, N = 481 | p-value1 |
|---|---|---|---|
| Dochód klienta | 0.12 | ||
| N | 519 | 481 | |
| Mean | 54,624 | 57,277 | |
| SD | 30,419 | 29,288 | |
| Median (IQR) | 60,000 (30,000, 70,000) | 60,000 (40,000, 70,000) | |
| Range | 10,000, 130,000 | 10,000, 130,000 | |
| 1 Wilcoxon rank sum test | |||
|
Tabela 2. Rozkład dochodów względem wykonywanej profesji
|
|||||||||
|---|---|---|---|---|---|---|---|---|---|
| Occupation | Min | Max | średnia | Odch St | Mediana | Q1 | Q3 | Skośność | Kurtoza |
| Management | 40000 | 130000 | 85722.54 | 26658.33 | 80000 | 70000 | 110000 | 0.1764 | -1.0173 |
| Professional | 40000 | 130000 | 74166.67 | 21868.06 | 70000 | 60000 | 80000 | 0.9102 | 0.5930 |
| Skilled Manual | 10000 | 90000 | 51568.63 | 16739.38 | 50000 | 40000 | 60000 | 0.0987 | -0.7831 |
| Clerical | 10000 | 60000 | 31186.44 | 7995.33 | 30000 | 30000 | 40000 | -0.3464 | 0.6546 |
| Manual | 10000 | 60000 | 16218.49 | 9387.30 | 10000 | 10000 | 20000 | 2.6351 | 9.3552 |
| Płeć | Min | Max | średnia | Odch St | Mediana | Q1 | Q3 | Skośność | Kurtoza |
|---|---|---|---|---|---|---|---|---|---|
| Female | 25 | 72 | 44.00 | 11.03 | 42 | 35 | 51 | 0.4475 | -0.5886 |
| Male | 25 | 74 | 44.21 | 11.27 | 43 | 35 | 52 | 0.4330 | -0.5329 |
|
Tabela 4. Rozkład wieku względem Regionu
|
|||||||||
|---|---|---|---|---|---|---|---|---|---|
| Region | Min | Max | średnia | Odch St | Mediana | Q1 | Q3 | Skośność | Kurtoza |
| Europe | 25 | 70 | 42.66 | 10.36 | 41 | 35 | 50 | 0.6366 | -0.3816 |
| North America | 25 | 74 | 44.89 | 11.38 | 44 | 36 | 52 | 0.3503 | -0.5905 |
| Pacific | 25 | 69 | 44.29 | 11.54 | 43 | 36 | 52 | 0.3655 | -0.6866 |
|
Tabela 5. Dochody względem liczby posiadanych aut
|
||||
|---|---|---|---|---|
| średnia | mediana | boxplot | histogram | |
| 0 | 47037.04 | 40000 | ||
| 1 | 50555.56 | 50000 | ||
| 2 | 49152.05 | 40000 | ||
| 3 | 90348.84 | 90000 | ||
| 4 | 105762.71 | 110000 | ||
Historam wieku z rozkładem decyzji o zakupie
Wykres gęstości Wieku wg zakupu roweru
Powyższe wykresy gęstości wraz z statystykami opisowe pozwalają stwiedzić, że m.in. mediana wieku klientów, którzy dokonali zakupu wyniosła 41, a tych którzy nie zrobili tego - 44 lat. Natomiast mediana dochodu obu grup klienów była taka sama (60 000), z tym, że śrendio kupujący zarabiali ok 57tys., a ci którzy nie zdecydowali się do zakupu ok 54,5tys.
Badanie korelacji zmiennych opisujących klientów (Dochód, wiek, liczba dzieci)
Z wykresu i macierzy korelacji wynika, że dochód ma niską dodatnią korelacje z liczbą dzieci i wiekiem klientów. Natomiast wyższą dodatnią koralcje ma wiek z liczbą dzieci.
Rozdział 4. Wnioskowanie statystyczne
4.1 Testowanie hipotez
W tym rozdziale zostaną zweryfikowane hipotezy badawcze dotyczące występowania różnic pomiędzy strukturą zmiennej dotyczącej decyzji o zakupie roweru, a pozostałymi zmiennymi. Na potrzebę testowania hipotez statystycznych przyjęto poziom istotności alfa (alfa = 0,05).
Test 1. H0: brak różnic pomiędzy strukturą wykształcenia a decyzją zakupu rowerów
Na podstawie p-value > alfa=0.05 stwierdzamy brak podstaw do odrzucenia hipotezy zerowej. Zatem występuje brak istotnych różnic pomiędzy poziomem wykształcenia klientów, a ich decyzją o zakupie rowerów.
Test 2. H0: brak różnic pomiędzy wiekiem klienta, a decyzją zakupu roweru
p-value < alfa=0.05 Odrzucamy H0 na rzecz H1. Zatem wiek klienta istotnie wpływa na decyzje zakupu roweru.
Test 3. H0: brak różnic pomiędzy stanem cywilnym a decyzją zakupu rowerów
Na podstawie p-value < alfa=0.05 stwierdzamy odrzucamy hipotezę zerową. Stan cywilny klienta ma istotny wpływ na jego decyzję o zakupie roweru.
Test 4. H0: brak różnic pomiędzy płcią a decyzją zakupu rowerów
Na podstawie p-value > alfa=0.05 stwierdzamy brak podstaw do odrzucenia hipotezy zerowej. Brak istotnych różnic pomiędzy płcią klientów, a ich decyzją o zakupie rowerów.
Test 5. H0: brak różnic pomiędzy dochodem a decyzją zakupu rowerów
Na podstawie p-value > alfa=0.05 stwierdzamy brak podstaw do odrzucenia hipotezy zerowej. Brak istotnych różnic pomiędzy dochodem klientów, a ich decyzją o zakupie rowerów.
Test 6. H0: brak różnic pomiędzy liczbą dzieci a decyzją zakupu rowerów
p-value < alfa=0.05 Odrzucamy H0 na rzecz H1. Zatem liczba dzieci istotnie wpływa na decyzje zakupu roweru.
Test 7. H0: brak różnic pomiędzy wykształceniem a decyzją zakupu rowerów
p-value < alfa=0.05 Odrzucamy H0 na rzecz H1. Zatem wykształcenie istotnie wpływa na decyzje zakupu roweru.
Test 8. H0: brak różnic pomiędzy posiadaniem domu, a decyzją zakupu rowerów
Na podstawie p-value > alfa=0.05 stwierdzamy brak podstaw do odrzucenia hipotezy zerowej. Brak istotnych różnic pomiędzy posiadaniem domu, a ich decyzją o zakupie rowerów.
Test 9. H0: brak różnic pomiędzy liczbą samochodów a decyzją zakupu rowerów
p-valuen < alfa=0.05 Odrzucamy H0 na rzecz H1. Zatem liczba samochodów istotnie wpływa na decyzje zakupu roweru.
Test 10. H0: brak różnic pomiędzy odległością dojazdów, a decyzją zakupu rowerów
p-value < alfa=0.05 Odrzucamy H0 na rzecz H1. Zatem odległość dojazdów istotnie wpływa na decyzje zakupu roweru.
Test 11. H0: brak różnic pomiędzy regionem, a decyzją zakupu rowerów
p-value < alfa=0.05 Odrzucamy H0 na rzecz H1. Zatem Region istotnie wpływa na decyzje zakupu roweru.
Podsumowując - zaobserwowano różnice pomiędzy strukturą decyzji o zakupie roweru, a zmiennymi takimi jak: Wiek, Liczba dzieci, Wykształcenie, Liczba samochodów, Odległość dojazdów oraz Region;
4.2 Model logitowy
W celu lepszego wyjaśnienia zmiennej dotyczącej decyzji o zakupie roweru, zostanie zbudowany model logitowy bazujący na zestawie wybranych zmiennych objaśniających. Zmienne zostały wybrane na podstawie opisanych wcześniej testów. W modelu znajdują się jedynie zmienne, które istotnie wpływały na decyzję o zakupie roweru.
##
## Call:
## glm(formula = zakup ~ Region + Commute.Distance + Education +
## Children + Marital.Status + Age, family = binomial, data = modified)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.8897 -1.0976 -0.6538 1.0925 2.2016
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 0.4003300 0.3472255 1.153 0.24894
## RegionNorth America -0.0685974 0.1699499 -0.404 0.68648
## RegionPacific 0.6473808 0.2149297 3.012 0.00259 **
## Commute.Distance1-2 Miles -0.2279153 0.2045039 -1.114 0.26507
## Commute.Distance10+ Miles -1.0432917 0.2610165 -3.997 6.41e-05 ***
## Commute.Distance2-5 Miles 0.1784772 0.2046110 0.872 0.38306
## Commute.Distance5-10 Miles -0.6285073 0.2183738 -2.878 0.00400 **
## EducationGraduate Degree 0.0008147 0.2018400 0.004 0.99678
## EducationHigh School -0.2699100 0.2061923 -1.309 0.19053
## EducationPartial College -0.3609280 0.1829570 -1.973 0.04852 *
## EducationPartial High School -1.2361158 0.2996158 -4.126 3.70e-05 ***
## Children -0.1094224 0.0493216 -2.219 0.02652 *
## Marital.StatusSingle 0.4406030 0.1377538 3.198 0.00138 **
## Age -0.0020929 0.0073524 -0.285 0.77591
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 1384.9 on 999 degrees of freedom
## Residual deviance: 1290.2 on 986 degrees of freedom
## AIC: 1318.2
##
## Number of Fisher Scoring iterations: 4Wyrzucamy zmienną, która jednka okazała się nieistotna statystycznie w modelu: Age
##
## Call:
## glm(formula = zakup ~ Region + Commute.Distance + Education +
## Children + Marital.Status, family = binomial, data = modified)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.8856 -1.0917 -0.6569 1.0932 2.1960
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 0.317867 0.191327 1.661 0.096638 .
## RegionNorth America -0.064372 0.169304 -0.380 0.703785
## RegionPacific 0.651137 0.214516 3.035 0.002402 **
## Commute.Distance1-2 Miles -0.233016 0.203698 -1.144 0.252653
## Commute.Distance10+ Miles -1.054663 0.257733 -4.092 4.28e-05 ***
## Commute.Distance2-5 Miles 0.176111 0.204409 0.862 0.388928
## Commute.Distance5-10 Miles -0.641418 0.213678 -3.002 0.002684 **
## EducationGraduate Degree 0.001486 0.201778 0.007 0.994125
## EducationHigh School -0.264617 0.205314 -1.289 0.197453
## EducationPartial College -0.355752 0.182049 -1.954 0.050684 .
## EducationPartial High School -1.230740 0.298953 -4.117 3.84e-05 ***
## Children -0.116567 0.042475 -2.744 0.006062 **
## Marital.StatusSingle 0.447573 0.135573 3.301 0.000962 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 1384.9 on 999 degrees of freedom
## Residual deviance: 1290.3 on 987 degrees of freedom
## AIC: 1316.3
##
## Number of Fisher Scoring iterations: 4
Obliczamy ilorazy szans
## OR
## (Intercept) 1.3741938
## RegionNorth America 0.9376561
## RegionPacific 1.9177205
## Commute.Distance1-2 Miles 0.7921411
## Commute.Distance10+ Miles 0.3483098
## Commute.Distance2-5 Miles 1.1925705
## Commute.Distance5-10 Miles 0.5265453
## EducationGraduate Degree 1.0014868
## EducationHigh School 0.7674999
## EducationPartial College 0.7006466
## EducationPartial High School 0.2920764
## Children 0.8899701
## Marital.StatusSingle 1.5645106Z ilorazów szans istotnych zmiennych wynika, że:
Mieszkanie w regionie “Pacific” zwiększa szansę na zakup roweru o 91,16%
Mieszkanie w odległości dojazd większej od 10 mil (Commute.Distance10+ Miles) zmniejsza szansę na zakup roweru o około 65%. Co ciekawe, jedynie mieszkanie w odległości 2-5 mil zwiększa szanse na zakup roweru, a dokładnie zwiększa o około 19%
Posiadanie ukończonego High School zmniejsza szansę na zakup roweru o około 71%
Wraz z każdym posiadanym dzieckiem, szansa na zakup roweru maleje o około 11%
Status singla zwiększa szansę na zakup roweru o około 57%.
Obliczamy efekty krańcowe zmiennych z tego modelu.
## Call:
## logitmfx(formula = zakup ~ Region + Commute.Distance + Education +
## Children + Marital.Status, data = modified)
##
## Marginal Effects:
## dF/dx Std. Err. z P>|z|
## RegionNorth America -0.01605794 0.04222732 -0.3803 0.7037422
## RegionPacific 0.16090027 0.05153179 3.1223 0.0017941 **
## Commute.Distance1-2 Miles -0.05777492 0.05006976 -1.1539 0.2485459
## Commute.Distance10+ Miles -0.24309858 0.05149898 -4.7205 2.353e-06 ***
## Commute.Distance2-5 Miles 0.04398768 0.05103959 0.8618 0.3887785
## Commute.Distance5-10 Miles -0.15578670 0.04963733 -3.1385 0.0016982 **
## EducationGraduate Degree 0.00037065 0.05033990 0.0074 0.9941252
## EducationHigh School -0.06554520 0.05033256 -1.3022 0.1928334
## EducationPartial College -0.08802842 0.04448781 -1.9787 0.0478488 *
## EducationPartial High School -0.27405593 0.05400135 -5.0750 3.875e-07 ***
## Children -0.02908014 0.01059551 -2.7446 0.0060590 **
## Marital.StatusSingle 0.11127731 0.03344857 3.3268 0.0008784 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## dF/dx is for discrete change for the following variables:
##
## [1] "RegionNorth America" "RegionPacific"
## [3] "Commute.Distance1-2 Miles" "Commute.Distance10+ Miles"
## [5] "Commute.Distance2-5 Miles" "Commute.Distance5-10 Miles"
## [7] "EducationGraduate Degree" "EducationHigh School"
## [9] "EducationPartial College" "EducationPartial High School"
## [11] "Marital.StatusSingle"Z kolei z efektów krańcowych opisanych wcześniej zmiennych wynika, że:
Mieszkanie w regionie “Pacific” zwiększa prawdopodobieństwo na zakup roweru o 0.16
Mieszkanie w odległości dojazd większej od 10 mil (Commute.Distance10+ Miles) zmniejsza prawdopodobieństwo zakupu roweru o około 0.24. Ponownie, jedynie mieszkanie w odległości 2-5 mil zwiększa prawdopodobieństwo na zakup roweru, o 0.04
Posiadanie ukończonego High School zmniejsza prawdopodobieństwo zakupu roweru o 0.06
Wraz z każdym posiadanym dzieckiem, prawdopodobieństwo zakupu roweru maleje o około 0,03
Status singla, zwiększa prawdopodobieństwo, że dana osoba kupi rower o około 0.11.
Podsumowanie i wnioski
Analiza danych klientów sklepu rowerowego składała się kilku kluczowych etapów. Pierwszą fazą było przekształcanie danych tak, aby uzyskać spójny, kompletny i gotowy do analizy zbiór danych. Pierwotne dane zawierały 1000 obserwacji, z czego brakujące obserwacje stanowiły 0,2%. Imputację dokonano metodą mice oraz przez zastąpienie medianą, a wartości odstające metodą capping. W drugiej fazie dokonano wizualizacji danych. Poprzez wykorzystanie różnego rodzaju wykresów staraliśmy się klarownie przedstawić informacje zebrane z ankiet klientów i danych o sprzedaży. Kluczowa była prezentacja zależności dochodów klientów i decyzji o zakupie względem pozostałych cech. Trzecia faza to zgłębienie wiedzy o tym, czym charakteryzował się przeciętny klient sklepu. Zostały wyliczone podstawowe statystyki opisowe, tabele liczności oraz zbadana korelacja zmiennych. Wynika z nich, że klient, który zakupił rower mógł być za równo kobietą jak i mężczyzną, miał średnio 43 lata, zarabiał 57 tys. dolarów/rocznie, był posiadaczem domu, a jego dzienna odległość przejazdów wynosiła mniej niż 1 mila. Ostatni etap analizy - wnioskowanie statystyczne wskazał, które cechy istotnie wpływają na zakup roweru. Pozytywny wpływ ma bycie singlem oraz mieszkanie w regionie Pacyfiku. Natomiast negatywnie na decyzje o zakupie przez klienta oddziałuje konieczność dłuższych dojazdów, posiadanie większej liczby dzieci i ukończenie tylko szkoły średniej.
Podsumowując, analiza danych zebranych z ankiet klientów sklepu rowerowego za pomocą programu R-studio pozwoliła na lepsze zrozumienie profilu klientów i zidentyfikowanie ich cech, które istotnie wpływają na decyzję o zakupie produktu. Rekomendujemy sklepowi uwzględnienie wyników analizy w planowaniu asortymentu oraz strategii marketingowej, co może przyczynić się do zwiększenia satysfakcji klientów oraz wzrostu sprzedaży.