Существует много способов корректировки, которые применяют для анализа данных. Наиболее часто используемые процедуры статистической корректировки данных :
1) присвоение весов. Это процедура, при которой каждому ответу в базе данных приписывается число в соответствии с некоторым заранее определенным правилом. Наиболее часто присвоение весов проводится для того, чтобы сделать данные по выборке репрезентативными по некоторым характеристикам. Категориям респондентов, недостаточно представленным в выборке, присваивают больший вес, а тем, кого оказалось слишком много, – меньший. Присвоение весов производится для того, чтобы увеличить или уменьшить в выборке число случаев, соответствующих определенным характеристикам; для придания большей важности ответам респондентов с определенными характеристиками. Присвоение весов нужно использовать с осторожностью, вести записи о проведении процедуры и включать информацию в отчет об исследовательском проекте;
2) переопределение переменных – процедура, при которой существующие данные модифицируются таким образом, чтобы создать новые переменные, или несколько переменных объединяются с целью уменьшения их общего числа.
Фиктивные переменные широко используются для переопределения переменных, имеющих категории ответов. Их также называют двоичными, дихотомическими или качественными переменными. Общее правило их использования выглядит так: если существуют «т» уровней качественной переменной, для их определения используются «т-1» фиктивных переменных. Причина, по которой используются «т-1» уровней (или категорий), являются независимыми, а информация по «т»-му уровню может быть получена по остальным «т-1» фиктивным переменным. Пример: продукт можно купить либо в течение первой, либо в течение второй половины года (качественная переменная с двумя уровнями). Поэтому время покупки может быть представлено в виде всего одной фиктивной переменной, которая будет принимать значение «1» в случае, если продукт был приобретен в течение первой половины года, и «0» – если в течение второй;
3) преобразование шкалы – еще одна широко используемая процедура статистической корректировки данных. Преобразование шкалы предполагает изменения значений шкалы для обеспечения совместимости с другими шкалами. В одном и том же исследовании для измерения различных переменных могут использоваться различные шкалы. Таким образом, сопоставление полученных по разным шкалам значений было бы бессмысленным. Даже если для всех переменных используется одна и та же шкала, разные респонденты могут использовать ее по-разному.
55. Преобразование данных
После сбора данных нужно их преобразовать, т. е. привести к более сокращенному виду, удобному для анализа и обладающему достаточными для заказчика сведениями. Обычно закодированные конечные сведения имеют вид матрицы, столбцы которой содержат ответы на разнообразные вопросы анкеты, а ряды – респондентов или изучаемые ситуации. Преобразование заключается в отображении данных матрицы на языке ограниченного числа мер, характеризующих собранные сведения. Табулирование позволяет исследователю разобраться в значении составленных данных. Одновременный анализ категорий опрашиваемых получает название перекрестной табуляции .
Исследователь, проводя преобразование, пытается найти взаимосвязь среди полученных данных и в то же время достигнуть наиболее высокого уровня обобщения.
Существуют функции преобразования данных :
1) обобщение;
2) определение концепции (концептуализация);
3) перевод результатов статистического анализа на понятный для менеджера язык (коммуникация);
4) определение степени соответствия полученных результатов всей совокупности (экстраполяция).
Из-за неспособности человека рассматривать большие размеры информации необходимо исходные собранные данные изобразить в удобном для понимания виде, т. е. их нужно обобщить, сформулировать через числовые рамки по использованию общепринятых параметров.
Большинство статистических мер основано на конкретных гипотезах. Такие гипотезы устанавливают базу анализа собранных данных. Концептуализация сориентирована на оценку итогов обобщения. Слабый разброс оценок конкретной марки продукта формирует у исследователя одно мнение (концепцию), сильный – другое.
Коммуникация предполагает при интерпретации приобретенной информации применение понятных для заказчика категорий. Если для него понятна такая статистическая мера, как мода, то она применяется при изображении полученных результатов, если нет, то итоги отображают на общедоступном языке.
Экстраполяция (распространение выявленных в анализе рядов динамики закономерности развития изучаемого предмета на будущее) в данном случае предполагает определение, в какой степени данные выборки можно обобщить на всю совокупность.
56. Виды статистического анализа. Статистический вывод
Выделяют пять ключевых видов статистического анализа , применяемых при проведении маркетинговых исследований:
1) дескриптивный;
2) выводной;
3) предсказательный;
4) анализ различий и связей.
Данные виды анализа применяются как по отдельности, так и вместе.
Дескриптивный анализ заключается в применении двух групп статистических мер:
1) «центральной тенденции», или мер, которые характеризуют типичного респондента или типичный ответ (средняя величина, мода, медиана);
2) мер вариации, или мер, описывающих степень схожести или несхожести респондентов или ответов относительно «типичных» респондентов или ответов (распределение частот, размах вариации и среднее квадратическое отклонение).
Выделяют и другие описательные меры, например меры асимметрии (насколько найденные кривые распределения отличаются от нормальных кривых распределения). В связи с тем, что они используются нечасто, не представляют особого интереса для заказчика.
Выводной анализ – это анализ, в основе которого лежит применение статистических процедур с целью синтеза приобретенных результатов на всю совокупность. Вывод – вид логического анализа, обеспечивающий получение общих сведений о всей совокупности с помощью наблюдений за малой группой единиц данной совокупности. В основе статистического вывода лежит статистический анализ результатов выборочных исследований. Этот вид вывода ориентирован на оценку параметров совокупности в целом. В данном случае результаты выборочных исследований считаются только отправной точкой для определения общих выводов. Например, автомобилестроительная компания провела два независимых исследования для того, чтобы установить степень удовлетворенности потребителей своими автомобилями. Первая выборка состояла из 100 потребителей, купивших данную модель в течение полугода. Вторая выборка включала 1000 потребителей. В ходе телефонного интервьюирования респондентам задавали вопрос: «Довольны или не довольны вы купленной вами моделью автомобиля?» Первый опрос составил 30 % неудовлетворенных, второй – 35 %.
Анализ различий используется для сопоставления итогов исследования двух групп для установления степени реального отличия в их поведении, в реакции на одну и ту же рекламу и т. п. Анализ связей направлен на установление систематических связей переменных. Определение как увеличение затрат на рекламу воздействует на повышение сбыта. Предсказательный анализ применяется в целях прогнозирования формирования событий в будущем, например путем анализа временных рядов.
Статистический вывод – процесс получения обобщений относительно генеральных совокупностей на основе данных выборки.
57. Инструменты дескриптивного анализа
Для описания сведений, приобретенных на базе выборочных измерений, часто применяются две группы мер.
Первая содержит меры «центральной тенденции» , или меры, которые описывают типичного респондента (типичный ответ). Вторая содержит меры вариации , или меры, описывающие степень схожести или несхожести респондентов (ответов с «типичными» респондентами).
Существуют и другие описательные меры, в частности, меры асимметрии. Однако они применяются не так часто, как вышеупомянутые, и не представляют большого интереса для заказчика.
В состав мер центральной тенденции входят мода, медиана и средняя.
Мода характеризует величину признака, являющуюся наиболее часто по сопоставлении с другими величинами этого признака. Мода относительна, и необязательно, чтобы большинство респондентов указало именно эту величину признака.
Медиана характеризует значение признака, занимающее среднее место в упорядоченном ряду значений предоставленного признака.
Средняя величина, которая в большинстве случаев рассчитывается как средняя арифметическая величина. При ее вычислении совокупный объем признака делится поровну между всеми единицами совокупности.
Степень информативности средней величины больше, чем медианы, а медианы – моды.
Среднеквадратическое отклонение – это обобщающая статистическая характеристика вариации значений признака. Если эта мера – небольшого размера, то кривая распределения имеет узкую сжатую форму (результаты измерений располагают высокой степенью схожести); если мера велика, то кривая распределения имеет широкий растянутый вид (велика степень различия оценок).
Размах вариации устанавливает абсолютную разность между максимальной и минимальной важностями измеренного признака. Предоставленная мера назначает интервал распределения важностей признака.
Известно, что выбор шкалы измерений, а значит, типа вопросов в опросном листе, предопределяет количество приобретаемой информации. Подобным образом количество получаемой информации при использовании рассмотренных выше мер является различным. Общее правило заключается в том, что статистические меры помогают приобрести больше информации при использовании наиболее информативных шкал измерений. Выбор шкалы измерений предопределяет выбор статистических мер.