Transcript Phan tich cum va ban do nhan thuc

NỘI DUNG CHÍNH
1
PHÂN TÍCH CỤM
2
BẢN ĐỒ NHẬN THỨC
1
PHÂN TÍCH CỤM
Khái niệm
Phân tích cụm là nhận diện và phân loại các đối tượng hay
các biến sao cho các đối tượng trong cùng một cụm tương
tự nhau xét theo các đặc tính lựa chọn để nghiên cứu.
Phân tích Q
Phân tích phân loại
Phân loại kỹ thuật định lượng
Phân loại theo
các mối liên hệ
tự nhiên
Ứng dụng
Trong nghiên cứu thị trường, phân tích cụm
Kinh Doanh
được sử dụng để phân đoạn thị trường và
xác định thị trường mục tiêu.
Sinh học
Sức khỏe
tâm lý
Trong biểu diễn dữ liệu gene dùng để nhóm các
mẫu gen giống nhau, nhóm các mẫu khác nhau
trên các hồ sơ tương ứng
phân tích cụm được sử dụng để xác định các nhóm
của người dân mà có thể được hưởng lợi từ các
dịch vụ y tế
Tiến hành phân tích cụm
Xác định vấn đề nghiên cứu
Chọn thước đo khoảng cách
Chọn thủ tục phân cụm
Quyết định số cụm
Giải thích và mô tả các cụm
Đánh giá tính đúng đắn
Bước 1 :Xác định vấn đề
Chọn lựa các biến để phân cụm, nên chọn tập hợp biến
có khả năng mô tả được sự giống nhau giữa các đối
tượng theo mục đích nghiên cứu.
Các biến này có thể được chọn trên cơ sở phân tích lý
thuyết, kết quả nghiên cứu trong quá khứ, hay xem xét
các giả thuyết có liên quan để được kiểm định
Bước 1 :Xác định vấn đề
Ví dụ (P80)
Không đồng ý
đồng ý
Mua sắm là một thú vui
1
2
3
4
5
6
7
Mua sắm là tốn tiền
1
2
3
4
5
6
7
Tôi đi mua sắm kết hợp với ăn uống
1
2
3
4
5
6
7
Tôi tìm mua những gì đáng mua nhất khi đi mua sắm
1
2
3
4
5
6
7
Tôi không quan tâm đến việc khi mua sắm
1
2
3
4
5
6
7
Đi mua sắm giúp tiết kiệm được nhiều nhờ so sánh giá cả
1
2
3
4
5
6
7
Mã hóa thành 6 biến:
V1 Mua sắm là một thú vui
V2 Mua sắm là tốn tiền
V3 Mua sắm kết hợp với ăn uống
V4 Cố gắng tìm mua những gì đáng mua nhất khi đi mua sắm
V5 Không quan tâm đến việc đi mua sắm
V6 Đi mua sắm có thể giúp tiết kiệm được tiền nhờ so sánh nhiều giá cả khác nhau
Bước 2: Chọn thước đo khoảng cách
Khoảng cách Euclid bình phương
• Căn bậc 2 của tổng các độ lệch bình phương của các giá trị
trên từng biến của 2 đối tượng
Khoảng cách Manhattan
• Tổng các độ lệch tuyệt đối của các giá trị trên từng biến
Khoảng cách Chebychev
• Chênh lệch tuyệt đối lớn nhất của các giá trị trên từng biến
Bước 3: Chọn thủ tục phân cụm
Thủ tục phân cụm
Thứ bậc
Tích tụ
K/c liên kết
Không thứ bậc
Song song
Phân chia
Phương sai
K/c liên kết đơn
K/c liên kết hoàn toàn
K/c liên kết trung bình
k/c trung tâm
Thủ tục Ward
Tuần tự
Phân chia tối ưu
Phân cụm thứ bậc (hierarchical clustering)
 Phân cụm thứ bậc là thủ tục được xây dựng theo một cấu trúc thứ
bậc dạng hình cây. Tiến hành theo cách tích tụ lại (agglomerative)
hay phân chia ra (divisive)
 Phân cụm phân chia: phân chia một cụm duy nhất chứa tất cả
đối tượng thành các cụm nhỏ cho đến khi mỗi đối tượng là một
cụm riêng.
 Phân cụm tích tụ: tích tụ mỗi cụm là một đối tượng riêng lẽ cho
đến khi tất cả các đối tượng nằm trong một cụm duy nhất.
Khoảng cách liên kết (linkage method)
Tổng độ lệch bình phương hay phương sai (error sum of squares
or variance method)
Khoảng cách trung tâm ( centroid method)
Phân cụm thứ bậc (hierarchical clustering)
 Các phương pháp phân cụm tích tụ dựa vào các
khoảng cách liên kết
Cụm 1
Khoảng cách
tối thiểu
Cụm 2
Phương pháp khoảng cách
liên kết đơn
Cụm 1
Khoảng cách
tối đa
Cụm 2
Phương pháp khoảng cách
liên kết hoàn toàn
Khoảng cách
Cụm 1
Cụm 2
trung
bình
Phương pháp khoảng cách
liên kết trung bình
Phân cụm thứ bậc (hierarchical clustering)
 Phương pháp phân cụm tích tụ dựa vào phương sai theo thủ
tục Ward
• Tính giá trị trung bình tất cả các biến cho từng cụm một.
• Tính khoảng cách Euclid bình phương giữa các phần tử
trong cụm với trị trung bình của cụm.
• Tổng tất cả các khoảng cách bình phương.
Thủ tục Ward
Phân cụm thứ bậc (hierarchical clustering)
 Phương pháp phân cụm tích tụ dựa vào khoảng cách trung tâm
Cứ mỗi lần các đối tượng được nhóm lại thì phải tính lại các trung
tâm cụm
Khoảng cách
trung tâm
Trong số các phương pháp phân tích cụm tích tụ thì
phương pháp khoảng cách trung tâm và thủ tục Ward
đã được chứng minh là có kết quả tốt hơn các phương
pháp khác.
Phân cụm Không thứ bậc
(Non - hierarchical clustering)
Thường được gọi là phân cụm K - means
 Phương pháp bắt đầu tuần tự (sequential threshold): quá
trình bắt đầu từ một hạt giống cụm được chọn và tất cả các
đối tượng cách hạt giống này trong một khoảng cách đã
được định trước sẽ nhập vào cụm này.
 Phương pháp bắt đầu song song (parallel threshold): tương
tự như phương pháp ở trên nhưng có nhiều hạt giống được
chọn và quá trình được tiến hành song song.
 Phương pháp phân chia tối ưu (optimizing partitioning): thủ
tục này khác với hai phương pháp trên ở chổ các đối tượng
sau khi phân vào một cụm nào đó sẽ có thể được phân lại
vào cụm khác để thỏa một tiêu chuẩn tối ưu toàn bộ.
Phân cụm Không thứ bậc
(Non - hierarchical clustering)
• Phải thử xác định trước số cụm
Nhược • Lựa chọn hạt giống của cụm khá tùy ý
điểm
Ưu
Điểm
• Khối lượng tính toán ít hơn
• Thời gian thực hiện nhanh hơn
Các bước phân cụm thứ bậc bằng SPSS
Bước 1: Mở file phantichcum.sav chọn Anlalyze → Classify → Hierarchical Cluster
Các bước phân cụm thứ bậc bằng SPSS
Bước 2: Thiết lập các yếu tố cần thiết sau để thực hiện phân tích
Bảng 14.1a Agglomeration Schedule (p87)
Stage
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Cluster Combined
Stage Cluster First Appears
Coefficients
Next Stage
Cluster 1
Cluster 2
Cluster 1
Cluster 2
14
16
1.000
0
0
6
6
7
2.000
0
0
7
2
13
3.500
0
0
15
5
11
5.000
0
0
11
3
8
6.500
0
0
16
10
14
8.167
0
1
9
6
12
10.500
2
0
10
9
20
13.000
0
0
11
4
10
15.583
0
6
12
1
6
18.500
0
7
13
5
9
23.000
4
8
15
4
19
27.750
9
0
17
1
17
33.100
10
0
14
1
15
41.333
13
0
16
2
5
51.833
3
11
18
1
3
64.500
14
5
19
4
18
79.667
12
0
18
2
4
172.667
15
17
19
1
2
328.600
16
18
0
Bảng 14.1b Cluster Membership (p90)
Case
Bảng Cluster Membership
cho ta biết khi phân ra từ
2 cụm đến 4 cụm thì các
đối tượng sẽ thuộc cụm
nào.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
4 Clusters 3 Clusters 2 Clusters
1
1
1
2
2
2
1
1
1
3
3
2
2
2
2
1
1
1
1
1
1
1
1
1
2
2
2
3
3
2
2
2
2
1
1
1
2
2
2
3
3
2
1
1
1
3
3
2
1
1
1
4
3
2
3
3
2
2
2
2
Hình 14.7 Vertical Ichicle (p90)
Hình 14.8: Dendrogram (p91)
Bước3: Quyết định số cụm
• Phân tích lý thuyết
• Sử dụng khoảng cách giữa các cụm làm tiêu chuẩn
để xác định số cụm (Phân cụm thứ bậc)
• Tỉ số giữa phương sai nội bộ nhóm và phương sai
giữa các nhóm có sự thay đổi đột ngột (Phân cụm
không thứ bậc)
• Qui mô tương đối của các cụm
Bước 4: Diễn tả và mô tả các cụm
Tính bình quân từ các giá trị của các đối tượng theo
từng biến một
Trung bình
cụm
Các trung bình cụm gợi ý một cái tên cho mỗi cụm
Dùng thủ tục tính trung bình cụm bằng lệnh Basic
Table
Bước 4: Diễn tả và mô tả các cụm
Bảng 14.2: Kết quả tính toán trung bình của các biến theo từng cụm (p93)
đi mua sắm
tìm những gì
không quan
đi mua sắm là đi mua sắm là kết hợp mua
giúp tiết kiệm
đáng mua nhất tâm đến việc đi
Cụm
thú vui
tốn tiền
sắm với ăn uống
được tiền nhờ
khi đi mua sắm
mua sắm
số
so sánh giá cả
V1
V2
V3
V4
V5
V6
1
5.750
3.625
6.000
3.125
1.875
3.875
2
1.667
3.000
1.833
3.500
5.500
3.333
3
3.500
5.833
3.333
6.000
3.500
6.000
 Cụm số 1 có trị trung bình lớn ở V1 và V3 => “nhóm quan tâm và thích thú
đi mua sắm”
 Cụm số 2 có biến V5 => “nhóm thờ ơ với việc đi mua sắm”
 Cụm số 3 có biến V2, V4, và V6 => “nhóm mua sắm quan tâm đến kinh tế”
Bước 5: Đánh giá
 Phân tích cụm trên cùng một tập hợp dữ liệu với các thước đo
khác nhau => so sánh kết quả
 Sử dụng các phương pháp phân cụm khác nhau (thứ bậc và
không thứ bậc) => so sánh kết quả
 Chia dữ liệu ra làm 2 phần =>thực hiện phân tích cụm riêng cho
mỗi tập dữ liệu con => so sánh các trung bình cụm giữa 2 tập
dữ liệu con này
 Bỏ bớt một vài biến => thực hiện phân tích cụm trên tập hợp các
biến còn lại => so sánh kết quả này với kết quả khi sử dụng hết
các biến cần thiết.
 Thực hiện phân tích cụm không thứ bậc nhiều lần với nhiều thứ
tự khác nhau => kết quả ổn định
Các bước phân cụm không thứ bậc bằng SPSS
Bước 1: chọn Anlalyze → Classify → K – Means Cluster
Các bước phân cụm không thứ bậc bằng SPSS
Bước 1: Đưa 6 biến vào ô Variables và thiết lập option như sau
Chọn 3 cụm
Diễn giải
Bảng 14.3c: Cluster Membership
Case Number
Cluster
Distance
Bảng 14.3b: Iteration
Historya
Change in Cluster Centers
1
3
1.414
2
2
1.323
3
3
2.550
4
1
1.404
5
2
1.848
6
3
1.225
Iteration
1
2
3
7
3
1.500
1
2.154
2.102
2.550
8
3
2.121
2
.000
.000
.000
9
2
1.756
10
1
1.143
11
2
1.041
12
3
1.581
13
2
2.598
14
1
1.404
15
3
2.828
16
1
1.624
17
3
2.598
18
1
3.555
19
1
2.154
20
2
2.102
a. Convergence achieved due to no or
small change in cluster centers.
The maximum absolute coordinate
change for any center is .000. The
current iteration is 2. The minimum
distance between initial centers is
7.746.
Diễn giải
Bảng 14.3f: ANOVA
Cluster
Mean Square
Error
df
Mean Square
df
F
Sig.
di mua sam la thu vui
29.108
2
.608
17 47.888
.000
di mua sam la ton tien
13.546
2
.630
17 21.505
.000
ket hop mua sam voi an uong
31.392
2
.833
17 37.670
.000
tim mua nhung gi dang mua nhat khi di mua sam
15.712
2
.728
17 21.585
.000
khong quan tam viec di mua sam
22.538
2
.816
17 27.614
.000
co the tiet kiem nhieu khi so sanh gia ca
12.171
2
1.071
17 11.363
.001
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the
differences among cases in different clusters. The observed significance levels are not corrected for this and thus
cannot be interpreted as tests of the hypothesis that the cluster means are equal.
Bảng 14.3g: Number of Cases in each Cluster
Cluster
Valid
Missing
1
6.000
2
6.000
3
8.000
20.000
.000
SO SÁNH PHÂN TÍCH NHÂN TỐ - BIỆT SỐ - CỤM
So Sánh
Giống nhau
Phân tích nhân tố
Phân tích biệt số
Phân tích cụm
Phương pháp phân loại - Phân tích thống kê nhiều biến
Tìm được quy tắc
Rút gọn và tóm lược
để xếp một quan sát
Mục đích nhiều biến nghiên cứu
mới vào một trong
có tương quan với nhau
sử dụng
những nhóm đã có
để dễ dàng quản lý.
từ trước.
- Biến phụ thuộc:
Các biến được đo
định tính (biến chia
lường 1 cách thích hợp
Khác nhau Số liệu đưa bằng thang đo định nhóm).
- Biến độc lập: định
vào
lượng (khoảng cách
lượng
hay tỷ lệ)
Quyết định
số nhóm
Phân loại đối tượng
thành những nhóm
nhỏ hoàn toàn khác
biệt.
Tập hợp các biến
định lượng có khả
năng mô tả sự
giống nhau giữa
các đối tượng.
Hiểu biết trước về
Không có thông tin
các nhóm để xây
trước về các nhóm
dựng qui tắc phân
hay cụm.
loại
2
BẢN ĐỒ NHẬN THỨC
(Perceptual Map)
- Biểu diễn nhận thức của khách hàng hay khách hàng
tiềm năng về đối tượng cần đánh giá.
- Định vị sản phẩm, dòng sản phẩm và thương hiệu của
công ty so với đối thủ cạnh tranh.
- Bản đồ nhận thức được áp dụng trong rất nhiều trường
hợp như: cảm nhận của học sinh, sinh viên đối với
trường Đại học, nhận thức của các nhà đầu tư đối với
các ngân hàng thương mại cổ phần chưa niêm yết…
Một số biểu đồ Nhận thức minh họa
Bản đồ Nhận thức (Bản đồ Định vị) có rất nhiều đường,
nhưng để đơn giản, các nhà marketing thường chỉ sử
dụng hai chiều.
Ý nghĩa của Bản đồ Nhận thức
Giúp công ty hiểu được những suy nghĩ của khách
hàng về công ty và đối thủ trong cùng thị
trường. Ngoài ra, bản đồ nhận thức còn giúp
công ty thiết lập chiến lược marketing hiệu quả
thông qua việc:
- Xây dựng chiến lược cạnh tranh
- Xây dựng chiến lược truyền thông hiệu quả
- Xác định cơ hội mới trên thị trường
- Xây dựng chiến lược thương hiệu
Quy trình lập Bản đồ Nhận thức
1. Multidimension scaling (MDS): đo
lường và thể hiện các đối tượng trong không
gian đa chiều hướng hay gọi là đo lường đa
hướng. Thang đo khoảng.
2. Correspondence analysis (CA): phân
tích và thể hiện sự tương hợp giữa các đối
tượng với các thuộc tính, gọi là phân tích
tương hợp. Thường là thang đo tỷ lệ.
Quy trình lập Bản đồ Nhận thức
Bước 1: Quyết định đặc điểm của sản phẩm mà
khách hàng coi trọng
Ví dụ: Trong tiếp thị, chúng ta cần biết được khách
hàng dựa vào các yếu tố nào cảm nhận về thương
hiệu, qua hình logo, qua quảng cáo, các panno, áp
phích…Khách hàng cảm nhận thương hiệu của Cty
giống với thương hiệu nào nhất? yếu tố nào tạo nên
sự khác biệt chính cho thương hiệu của ta.
Quy trình lập Bản đồ Nhận thức
Bước 2: Khảo sát thị trường
Trong bước này lưu ý khách hàng ở các phân khúc khác
nhau thường có những đánh giá và xây dựng bản đồ
không giống nhau.
Ví dụ: Trong tiếp thị thì ta đánh giá vị trí của thương
hiệu để xem chúng ta đã thực hiện tốt các công tác
của chiến lượt định vị sản phẩm hay chưa? Nhận ra
các yếu tố quan trọng để tạo sự khác biệt, phân khúc
thị trường nào là hấp dẫn…
Quy trình lập Bản đồ Nhận thức
Bước 3: Biểu diễn kết quả lên bản đồ
Trên bản đồ không chỉ biểu diễn vị trí của thương
hiệu khác nhau, mà còn thể hiện thị phần của
từng thương hiệu
Quy trình lập Bản đồ Nhận thức
Bước 4: Giải thích ý nghĩa của bản đồ
Nhận diện những thông tin có giá trị cho việc ra
quyết định từ bản đồ định vị.
- Sự trùng khớp với định hướng của công ty ?
- Đối thủ cạnh tranh có giống với điều mà công
ty đang nghĩ ?
- Vị trí tiềm năng cho thương hiệu mới ?
Quy trình lập Bản đồ Nhận thức
Bước 4: Giải thích ý nghĩa của bản đồ
Cấu trúc bản đồ nhận thức. Bản đồ nhận thức có 3
đặc điểm:
1. Khoảng cách giữ 2 đối tượng thể hiện “mức độ
giống nhau” của 2 đối tượng này theo cảm nhận
của khách hàng.
2. Một véc tơ đoạn thẳng trên bản đồ biểu thị độ
lớn và chiều hướng trong không gian Euclid của
các thuộc tính.
Quy trình lập Bản đồ Nhận thức
Bước 4: Giải thích ý nghĩa của bản đồ
3. Bản đồ 2 chiều (2 trục) vuông góc thường được
sử dụng, và các trục này có thể xoay và có thể
không vuông góc . Bản đồ đơn giản nhất có 2 trục
Ví dụ: sách phân tích dữ liệu nghiên cứu với spss
tập 2 trang 105
Quy trình lập Bản đồ Nhận thức
Bước 5: Định hướng thay đổi cho những chiến
lược marketing của công ty
- Nếu khách hàng không nhìn nhận thương hiệu
- Nếu khách hàng nhìn nhận thương hiệu vị trí
tiềm năng cho thương hiệu mới?
- Nếu phát hiện ra khe hở của thị trường
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Bước 1: Tính điểm trung bình của từng đối tượng theo các
thuộc tính.
Mở file SPSS tên
Casual wear
data trong
folder Ban do
Nhan thuc
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
(1)
(1): Chọn các biến chứa
điểm đánh giá cần chạy.
(2): Chọn tab Summary
Statistics
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Sau khi chạy được 5 bảng,
coppy qua Excel lập
bảng như sau
Thực hành Bản đồ Nhận thức - MDS
Mở file Excel lập bên trên qua phần mềm SPSS
Variable view
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Bước 2: chạy lệnh MDS để chuyển dữ liệu đánh giá các
TH theo các thuộc tính thành các khoảng cách phản
ánh mức độ giống nhau trong không gian đa chiều
hướng.
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
(1) Variables
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Tọa độ và bản đồ vị trí của các thuộc
tính trong không gian 2 chiều
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Quá trình
tạo tọa
độ
các
thương
hiệu.
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Tọa độ và bản đồ
vị trí của các
Thương
hiệu
trong
không
gian 2 chiều
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
(1) Copy tọa độ của thuộc tính
và thương hiệu qua Excel,
và nối lại như sau:
(2) Mở file Excel vừa
chép các tọa độ đã
nối lại bằng SPSS
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Bước 3: Vẽ bản đồ vị trí.
Chọn Simple Scatter
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
2
1
4
3
(1) Chọn các biến để vào vị trí
thích hợp
(2) Chọn tab Option >> chọn
nut Display Chart
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Bước 1: Tính tần số số người trả lời
Mở file SPSS tên
Data My Pham
trong folder Ban
do Nhan thuc
Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Chọn các biến
cần chạy
Bảng tần số chạy
ra được
Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Bước 2: Sắp xếp tần số trong Excel và chuẩn bị dữ
liệu thực hiện CA
Sắp xếp tần số đã chạy
được bên SPSS,
copy qua Excel lập
thành bảng
Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Trở lại SPSS
mới, qua phần
Variable View
khai biến như
hình bên.
Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Trong Data View
Cột tanso: Coppy nội
dung dữ liệu (tanso)
bên Excel vào cột
tanso.
Cột Attri: 15 tần số ứng
với 15 thuộc tính của
thương hiệu. Tương tự
ta có 4 thương hiệu.
Cột brand: 15 tần số ứng
với 1 brand. Tương tự
ta có 4 thương hiệu.
Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Bước 3: Thực hiện CA và hiệu chỉnh bản đồ
Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Bản đồ thể hiện vị trí các thương hiệu đã điều chỉnh
định dạng
BÀI BÁO MINH HỌA
 Phân tích cụm
 Phân khúc thị trường du lịch sinh thái tại thành phố Cần
Thơ. Phạm Lê Hồng Nhung, Đinh Công Thành và
Nguyễn Quỳnh Như. Khoa Kinh tế - QTKD, Trường Đại
học Cần Thơ.
 Phân khúc thị trường dựa trên sở thích: một nghiên
cứu về sở thích các loại món ăn ở thanh thiếu niên.
Preference-based segmentation: A study of food category
preferences among teenagers. Vũ Thị Hoa và Đặng Hoàng
Xuân Huy. Khoa Kinh tế - Đại học Nha Trang
BÀI BÁO MINH HỌA
 Biểu đồ nhận thức
 How to Rate 100 Visual Stimuli Efficiently (Cách để
đánh giá 100 nhận thức hiệu quả)
Tác giả: Yaliang Chuang * and Lin-Lin Chen
Graduate School of Design, National Taiwan University of
Science and Technology, Taipei, Taiwan
Nội dung: Định vị nhận thức của NTD về những mẫu
‘ghế bành’
Bản đồ nhận thức How to Rate 100 Visual
Stimuli Efficiently
Một số bài nghiên cứu khác
Một số bài nghiên cứu khác