Анализ данных

Хотя, как было показано, с помощью кросс-табуляции можно получить интересные выводы, она все же относятся скорее к предварительным исследованиям. Можно увидеть какую-либо зависимость, даже оценить ее количественно. Остается оценить точность и достоверность полученных данных. А для этого требуются дополнительные вычисления.

Проведение анализа собранных данных требует особой тщательности для того, чтобы получить их них максимум полезной информации.

Шкалы измерения атрибутов

Одним из важнейших условий выбора метода анализа данных является их тип. Обычно данные маркетинговых исследований представляют собой результат измерений значений некоторых атрибутов исследуемых объектов (возраста, дохода, количества покупаемых единиц товара, отношения к этому товару).

Измерение есть правило присвоения чисел объектам с целью представить количество некоторого их атрибута.

Тип данных задает шкалу измерения. В зависимости от свойств изучаемого атрибута используются номинальная, порядковая, интервальная и относительная шкалы.

Номинальная шкала

Примеры шкалы данного типа:

• обозначение пола (1– мужской,2– женский);

• номер паспорта, однозначно определяющий человека.

Эта шкала служит только для идентификации объектов. От перемены обозначений результат анализа не изменится. Нельзя сказать, что женщина в 2раза больше мужчины, нельзя сказать, что средний пол равен1,3.

Единственная используемая статистика – мода¹³⁸.

Порядковая шкала

Типичный пример шкалы – номер курса и институте.

Шкала применяется к однотипным объектам. Этой шкалой задается лишь порядок следования объектов.

В этой шкале можно использовать свойство 1<2<3<4.

Из статистик применимы медиана и мода.

Например, если 20человек считают, что маркаАзанимает первое место,10– что второе и5– что третье, то можно сказать, что средний ранг маркиAпо моде и медиане равен1 ¹³⁹.

Интервальная шкала

Самый распространенный пример использования этой шкалы – измерение температуры.

Числа в этой шкале говорят, как далеко находятся объекты друг от друга в смысле значения атрибута. Можно сказать, что температура 0градусов по Цельсию меньше, чем10, а20– меньше, чем40, причем для второй пары значений разница температур больше. Однако нельзя сказать, что5градусов в10раз меньше, чем50. Это происходит из-за того, что у данной шкалы нет абсолютного нуля (абсолютной температурной шкалой Кельвина мало кто пользуется). Например, значениям температуры в5и50градусов Цельсия примерно соответствуют числа40и120градусов по Фаренгейту.

Для интервальной шкалы справедливо преобразование Y=AX+B, гдеA>0.

Можно использовать моду, медиану и арифметическое среднее.

Относительная шкала

Примеры шкалы – рост, вес. Можно говорить, что один человек в 2раза тяжелее другого и в1,5раза выше. При этом неважно, в килограммах или фунтах измеряется его вес, в сантиметрах или дюймах – рост.

В этой шкале существует натуральный или абсолютный нуль.

Для шкалы справедливо преобразование Y=AX, где A>0. Пример – перевод роста из сантиметров в дюймы.

Используются мода, медиана, арифметическое и геометрическое средние.

Параметры, влияющие на выбор метода анализа

Технология анализа данных зависит от следующих параметров:

• типа данных;

• проекта исследований;

• допущений о статистике;

• прочих соображений.

Тип данныхзадает шкалу измерений. В Табл. 5.12 приводятся характеристики, которые имеют смысл в различных шкалах.

Таблица 5.12

Характеристики, применимые в различных шкалах

Шкала	Характеристики
Номинальная	Мода
Порядковая	+ медиана
Интервальная	+ арифметическое среднее
Относительная	+ геометрическое среднее

В результатах исследований и в рекламе часто можно встретить такие высказывания:

Использование нового стирального порошка увеличило яркость белья на 30%.

Как измерялась эта яркость? Что такое нулевая яркость?

Средняя температура марта в этом году на 50% выше, чем в предыдущем.

Что такое 0%температуры¹⁴⁰? На сколько процентов она будет выше, если в прошлом году она была отрицательной по шкале Цельсия, а стала положительной? Согласится ли с данным предложением человек, привыкший к шкале Фаренгейта? Как отмечает Черчилль [31] по аналогичному случаю: хорошо еще, что не топят на50%хуже!

Цвет лица после использования нового крема улучшился на 71%.

Как представить себе цвет лица в 0%, 50%, 100%?

Часто в качестве ответов на вопросы анкеты предлагаются варианты типа:

отлично , хорошо , удовлетворительно , плохо .

Для таких лингвистических шкал существует два подхода: они считаются либо порядковыми, либо интервальными.

Здесь необходимо отметить, что, во-первых, ответы будут зависеть от выбора слов. Распределение ответов на один и тот же вопрос:

Как Вы оцениваете качество обслуживания в нашем магазине?

с пятью возможными категориями ответа будет значительно отличаться для наборов ответов:

отлично , очень хорошо , хорошо , удовлетворительно _, плохо ;

отлично , хорошо , нормально , удовлетворительно , плохо ;

отлично , хорошо , удовлетворительно , допустимо , плохо ;

отлично , очень хорошо , хорошо , допустимо , очень плохо .

Во-вторых, хотя интервальная шкала дает больше возможностей для вычисления статистик, их достоверность может вызывать сомнения. Если используется допущение об интервальном характере шкалы, то следует попытаться оценить величину интервалов между отличноиочень хорошо,междуочень хорошоихорошои т.п. Скорее всего, они окажутся неодинаковыми.

Некоторые рекомендации по выбору типа шкалы.

• Общий подсчет ответов по позициям (на один вопрос 10человек ответилода,на другой –5человек ответилода) можно рассматривать как относительный.

• Сумму результатов по нескольким вопросам (например, результат тестов, требующих сложения весов ответов) можно рассматривать как данные в интервальной шкале.

• Ответ на отдельный вопрос можно рассматривать как интервальный или относительный, если тому имеется подтверждение (ответ на вопрос о температуре стирки, величине доходов, возрасте).

• Если не выполняются предыдущие условия, то шкалу можно рассматривать как порядковую (хорошее, нейтральное, плохое отношение).

Следующие параметры проекта исследования определяют особенности анализа данных.

Независимость выборки.Пусть измеряется влияние рассылки по почте брошюр со сведениями о товаре на отношение к этому товару. Проект исследования имеет вид

Х О₁О₂.

Пусть шкала ответов считается интервальной. Из проекта видно, что О₂не зависит отО₁. Значит, следует использовать методы для независимых наблюдений, например,t-тест для проверки разницы между средними значениями, так как цель исследования – определить разницу в отношениях.

Количество групп.Пусть измеряется сравнительная эффективность двух брошюр, и проект исследования имеет вид:

Х₁О₁Х₂О₂О₃.

Здесь следует использовать методы анализа для нескольких групп.

Управление переменными. Для первого проекта желательно управлять процентом людей, которые ранее пользовались данным товаром. Для этого можно воспользоваться методами рандомизации. Тогда принимается, что процент одинаков в О₁ и О₂ и не влияет на результат.

Многие методы анализа требуют, помимо допущения о независимости выборки, еще и допущения о нормальности распределения значений измеряемой величины.

Часто делается и допущение об одинаковой дисперсиипеременных в контрольной и тестовой группах.

Параметры выборки, которые определяют вид анализа данных, задаются целью и проектом исследований. Если определяется средний доход, то достаточно одной выборки. Если определяется разница средних доходов в двух группах населения, то используются две независимые выборки. Если требуется узнать изменение отношения к товару после рекламной кампании, то нужны две выборки. Они могут быть зависимыми, если опрашивают одних и тех же людей, или независимыми, если отбор респондентов для опроса производится случайно.