Малхорта, Нэреш К. Маркетинговые исследования. Практическое руководство

Подождите немного. Документ загружается.

позитивным элементам и на резко отрицательное — по всем противоположным утверждениям.

В данном случае решение отбраковать ответы данного респондента, т.е. не включать их в ана-

лиз, может быть связано с определенными

морально-этическими

проблемами. Для подобных

ситуаций существует весьма полезное эмпирическое правило: принимать такие решения следу-

ет на этапе подготовки данных,

еше

до перехода на стадию анализа.

Представим противоположную ситуацию: предположим, что исследователь провел анализ

данного рода, не попытавшись сначала выявить всех респондентов, предоставивших ответы не-

удовлетворительного качества. Данный анализ, однако, не выявил ожидаемых взаимосвязей,

т.е. он не показал, что отношение к зрелищным видам спорта влияет на посещаемость спортза-

лов и стадионов зрителями. После этого исследователь принимает решение исследовать качест-

во полученных данных. При проверке анкет выявлено несколько респондентов, ответы кото-

рых неудовлетворительного качества. Кроме упомянутого выше типа неудовлетворительных

ответов были также другие сомнительные варианты. Например, некоторые респонденты поме-

тили все ответы по всем 20 элементам оценки зрелищных видов спорта как "4", т.е. выбрали

вариант "не

согласен,

но и не против". После отсеивания ответов всех таких респондентов из

анализа оставшийся набор данных анализировали и получили ожидаемый результат, свиде-

тельствующий о том, что положительное отношение к зрелищным видам спорта увеличивает

посещаемость соответствующих заведений.

Отбраковка респондентов после анализа данных связана с определенными этическими

проблемами, особенно если в отчете нет явного свидетельства о том, что первоначальный ана-

лиз неокончателен. Более того, необходимо дать точное определение процедуры, использован-

ной для выявления неудовлетворительных респондентов, и точно указать количество отбрако-

ванных респондентов, как это описано в приведенном ниже примере.

ПРИМЕР. Отсеивание лиц, ответственных за принятие решений, но не желаю-

щих

поступать в соответствии с этическими нормами

При опросе

учащихся

по программе МВА по вопросам, связанным с этическими про- !

блемами, возникающими в ходе маркетинговых исследований, респондентов попросили от- 1

ветить на 14 вопросов,

касающихся

двусмысленных в этическом плане ситуаций. Для этого

они должны простым предложением описать, какие действия они предприняли бы, если бы

;•

оказались в подобной ситуации. После этого все результаты ответов были

проанализирова-

ны

с тем, чтобы определить, свидетельствует ли ответ респондента об этичности

его

поведе-

•_

ния. Однако уже на этапе подготовки данных шесть из 561 респондента отбраковали из

дальнейшего анализа, поскольку их ответы указывали на то, что они не выполнили основ-

ной рекомендации, в

соответствии

с которой они должны были четко описать свои деист-

•

вия. Данная ситуация может служить примером выполнения этических требований к редак- j

тированию данных. Критерий неудовлетворительных ответов определен четко и точно,

рее-

]

понденты

с неудовлетворительными ответами выявлены перед проведением анализа, и

число отсеянных

респондентов

точно определено

[21].

:тт

. .

.„„.,,„.. i

В ходе анализа данных исследователю также нередко приходится сталкиваться с вопросами

этического характера. Предположения, лежащие в основе статистических методов, используе-

мых для анализа данных, должны удовлетворять одному условию: быть достаточными для по-

лучения значимых результатов. Любое отклонение от этих предположений необходимо всесто-

ронне исследовать и определить, насколько подходит выбранный метод для анализа имеющих-

ся данных. На маркетологе лежит определенная ответственность: он должен уметь объяснить,

почему для анализа использовал тот или иной метод. Если это не делается, могут возникнуть

вопросы этического характера. Кроме того, недопустимы какие-либо преднамеренные либо

умышленные искажения методов или результатов исследования. Этические проблемы могут

возникнуть и в ходе интерпретации результатов, составления заключений, рекомендаций и в

процессе реализации выводов. Несомненно, интерпретация, заключения, рекомендации и реа-

лизация выводов обязательно подразумевают определенную степень субъективности, однако

любая оценка должна быть честной, свободной от какой-либо личной необъективности и

предвзятости исследователя или клиента.

544 Часть III. Сбор,

подготовка

и анализ данных

ИСПОЛЬЗОВАНИЕ INTERNET И КОМПЬЮТЕРА

Основные пакеты статистического программного обеспечения: SPSS

(www.spss.com),

BMDP

(www.usc,

edu/ucs/userserv/statistics/bmdp),

Minitab

(www.rninitab.com)

и Excel (207 . 68

.137

59/excel/ProductInfo/Brochure/)

— имеют свои Internet-сайты,

выйдя на которые, можно получить огромное количество самой разнообразной информации.

Ниже подробно рассказывается об использовании этих пакетов для проверки достоверности

собранных данных.

Компьютерные программы для подготовки данных

SPSS

С помощью этого пакета значения, выпадающие из определенного диапазона, могут

быть отобраны с использованием операторов SELECT IF или PROCESS IF. Все эти наблю-

дения вместе с идентификационной информацией можно распечатать командами PRINT

или WRITE. В ходе дальнейшей проверки может использоваться команда LIST, которая вы-

водит на экран значения переменных по каждому наблюдению. Функция SPSS Data Entry II

упрощает процедуру ввода данных в новые

файлы.

Она повышает эффективность процесса

очищения данных и проверки их на предмет логической несостоятельности.

SAS

Для отбора наблюдений с пропущенными значениями либо значениями, выходящими

за пределы определенного диапазона, в этом пакете используются операторы IF, IF-THEN и

IF-THEN/ELSE. Оператор SELECT выбирает один из нескольких операторов либо группу

операторов. Оператор LIST весьма полезен для распечатки вызывающих подозрение строк

введенных данных. Оператор LOSTCARD используется для идентификации пропущенных

записей в данных. Процедуры PRINT и

PRINTTO

применяют для идентификации наблю-

дений и распечатки имен и значений переменных. Кроме того, операторы OUTPUT и PUT

применяют для записи значений переменных.

BMDP

Для отбора выпадающих из определенного диапазона данных в этом пакете используется

функция TRANSFORM. Преобразующее слово USE и несколько функций и логических опе-

раторов обеспечивают мошные возможности для отбора данных. Некоторые программы имеют

специальные опции для перечисления данных. Например,

может распечатать только на-

блюдения с пропущенными значениями или значениями, выходящими за пределы конкрет-

ного диапазона. Эта программа позволяет составить список всех данных таким образом, что

каждый столбец будет содержать все значения по одной переменной. Можно также распечатать

все переменные по одному наблюдению перед переменными по следующему наблюдению.

Программа AM позволяет распечатать позиции пропущенных и выходящих за пределы диа-

пазона значений, 4D обеспечивает вывод на печать данных в компактной форме карты или об-

раза либо распечатать только

наблюдения,

содержащие нечисловые символы.

Minitab

В этом пакете операторы позволяют управлять порядком команд в макросе. Команда IF

позволяет реализовывать разные блоки команд: IF, ELSEIF, ELSE и ENDIF.

Excel

Для проведения логических проверок и проверок на наличие данных, выпадающих из оп-

ределенного диапазона, с помощью этой программы можно воспользоваться оператором IF.

Доступ к нему получают следующим образом:

INSERT>FUNCTION>ALL>IF.

Кроме того, эти пакеты включают опции для работы с пропущенными ответами и для

статистической корректировки данных. Сегодня существуют статистические программы, ко-

торые можно найти в Internet. Некоторые из них нельзя применять для интегрированного

Глава 14. Подготовка данных к анализу 545

анализа

данных,

но зато они очень полезны при выполнении отдельных элементов стати-

стического анализа.

Через Internet можно получить информацию, используемую при выборе правильной стра-

тегии анализа данных. Здесь содержится огромное количество сведений относительно того, в

каких случаях пользоваться теми или иными статистическими методами. Кроме того,

"путешествуя" по Internet, можно найти информацию о совершенно новых статистических ме-

тодах, которые пока недоступны в широко используемых статистических программах. Полез-

ным источником всевозможных сведений статистического характера могут стать группы ново-

стей и группы по интересам.

Существует несколько программ для компьютеров, повышающие эффективность процесса

подготовки данных. Так, компания Pros & Cons, Inc.

(Бетесда,

штат Мэриленд) разработала про-

грамму PCPUNCH для персональных компьютеров, с помощью которой можно вводить дан-

ные, проверять их состоятельность, замещать пропущенные значения, выполнять статистиче-

скую корректировку данных и их базовый анализ. Кроме того, процедуру проверки на наличие

данных, выпадающих из определенного диапазона, и логически непоследовательных данных

можно запрограммировать. Все это позволяет выявлять ошибки данного типа уже на этапе вво-

да данных с клавиатуры, что не только

сокращает

количество ошибок при вводе данных, но и

повышает эффективность корректировочных мероприятий.

I В центре внимания Burke

В компании Burke огромное внимание уделяется

надлежащей

подготовке данных к ана-

лизу. Заполненные анкеты, поступившие с мест сбора данных,

тщательно

проверяются и ре-

дактируются. Если это возможно, в случае обнаружения пропущенных или неудовлетвори-

тельных ответов с респондентами связываются повторно. Для кодирования и преобразова-

ния данных применяется стандартная

процедура.

Для выявления значений, выходящих за

пределы определенного диапазона, непоследовательных значений или экстремальных отве-

тов

используются

всесторонние проверки с применением компьютерной техники.

Обычная процедура — преобразование данных, обеспечивающее их максимальное соот-

ветствие основным задачам исследования. Однако специалисты компании заметили, что та-

кие преобразования, хотя и выглядят логичными, способны создавать определенные про-

блемы для исследователя. Рассмотрим, например, исследование, проведенное Burke для

клиента, пожелавшего проанализировать закономерность в

возникновении

проблем при ус- [

тановке новых компьютеров. Ставились основные два вопроса.

Сколько новых компьютеров доставлено на данный участок за последних 30 дней?

2. С каким количеством компьютеров возникли проблемы при установке, в результате чего

компьютер либо его отдельные компоненты пришлось возвратить продавцу?

Специалисты рассмотрели несколько вариантов возможных преобразований, исполь-

зуемых для работы с данными такого рода. Один подход заключался во

взвешивании

ко-

личества возвратов делением этого показателя на количество поставок. Такое действие

позволило вывести новую переменную, которая представляла собой не что иное, как про-

порциональную долю поставок, повлекших за собой возврат товара. Очевидно, что если

рассматривать данный показатель как "наблюденные данные", при любом суммировании

или выведении среднего по этим числам будет тотально игнорироваться основа, на кото-

рой получены эти показатели. Так, один респондент имел один возврат при четырех по-

ставках, т.е. пропорция была 1/4;

второй—

10/30, т.е. с пропорцией 1/3. Эти данные не-

обходимо рассматривать с

применением

одних и тех же

единиц

измерений, и средний

показатель будет 7/24, или 0,29. Конечно, реальный средний показатель возвратов состав-

ляет

11/34,

или 0,32. Как мы видим, Burke весьма осторожно использует всевозможные

варианты преобразования данных.

При некоторых видах преобразований определенные статистические методы, например

кросс-табуляцию,

нельзя использовать в их обычной форме. Компания Burke разработала специ-

альное статистическое программное обеспечение, с помощью которого можно анализировать

546 Часть III. Сбор, подготовка и анализ

данных

данные в таких ситуациях. Для каждого проекта разрабатывается подробная стратегия анализа

данных. В Burke для анализа данных в ходе проведения маркетинговых исследований очень ши-

роко

используются

как простые одномерные, так и сложные многомерные методы статистическо-

го анализа. В компании разработаны специальные программы для анализа данных в конкретных

ситуациях, связанных с применением нестандартных методов преобразования данных.

РЕЗЮМЕ

Процесс подготовки данных к анализу начинается с предварительной проверки полноты

заполнения всех анкет и качества интервью. После этого выполняется более

тщательное

редак-

тирование: просмотр анкет для выявления нечитабельных, не до конца заполненных анкет,

наличия в них логически непоследовательных и неоднозначных ответов. С анкетами такого

типа ведется определенная работа: их либо возвращают для получения необходимых данных,

либо пропущенные значения заменяются другими, либо анкеты респондентов, недостаточно

точно и полно ответивших на вопросы, отбраковываются из анализа.

Следующий этап заключается в кодировке данных. Для обозначения конкретного варианта

ответа на конкретный вопрос ему присваивается числовой или буквенный код, а также указы-

вается позиция столбца, которую данный код будет занимать. Полезно подготовить кодиро-

вочную книгу, содержащую инструкции относительно кодирования и всю необходимую ин-

формацию о переменных в этом массиве данных. Закодированные данные переносятся на дис-

ки или магнитные ленты либо вводятся в компьютер непосредственно с клавиатуры. Кроме

того, для переноса данных применяются методы считывания меток или маркеров с бланков,

оптическое сканирование и компьютеризированный сенсорный анализ. Очишение данных за-

ключается в проверке их последовательности и состоятельности и в работе с пропущенными

ответами. Эта работа может вестись несколькими способами: заменой пропущенных значений

нейтральными или условными (вмененными) значениями, методом исключения объекта це-

ликом или попарного исключения переменных. Качество анализа данных нередко можно по-

высить статистическими корректировками, такими как взвешивание, переопределение пере-

менной и преобразование шкалы. Выбор стратегии анализа данных должен основываться на

результатах предыдущих этапов процесса маркетинговых исследований, на известных характе-

ристиках данных, на конкретных свойствах выбранных для использования статистических ме-

тодов, а также на уровне подготовки исследователя и его философских убеждениях. Статисти-

ческие методы можно подразделить на одномерные и многомерные,

Прежде чем приступить к анализу данных в ходе международных маркетинговых исследо-

ваний, исследователь должен убедиться, что он использует сравнимые единицы измерений,

применяемые в разных странах или в разных культурных образованиях. Анализ данных можно

выполнять на трех уровнях; индивидуальном, в пределах страны или культурного образования

(интракультурныЙ

анализ), на базе нескольких стран и культурных образований, т.е.

панкуль-

турный

или межкультурный анализ. Необходимо помнить, что существует ряд этических про-

блем, связанных с обработкой данных, а именно, с такими аспектами этой работы, как отбра-

ковка неудовлетворительных ответов, нарушение предположений при использовании тех или

иных методов анализа, оценка и интерпретация результатов. Значительную роль в подготовке и

анализе данных играет Internet и компьютерная техника.

ОСНОВНЫЕ ТЕРМИНЫ И ПОНЯТИЯ

• взвешивание (weighting) •

кодировочная

книга

(codebook)

• интракультурныЙ анализ (intracultural • межкультурный анализ (cross-cultural

analysis) analysis)

• исключение объекта целиком

(casewise

• методы взаимозависимости

deletion)

(interdependence techniques)

• кодирование (coding)

Глава 14. Подготовка данных к анализу 547

методы зависимости (dependence

techniques)

метрические данные (metric data)

многомерные методы (multivariate

techniques)

неметрические данные (nonmetric data)

нормализация (standardization)

одномерные методы

(univariate

techniques)

очищение данных (data cleaning)

панкультурный

анализ (pan-cultural

analysis)

переопределение переменных (variable

«specification)

попарное исключение переменных

(pairwise

deletion)

преобразование шкалы (scale

transformation)

проверка состоятельности данных

(consistency checks)

пропущенные ответы

(missing

responses)

редактирование (editing)

фиксированные коды полей (fixed field

codes)

фиктивные перменные (dummy variables)

УПРАЖНЕНИЯ

Вопросы

1. Опишите процесс подготовки данных к анализу.

2. В чем заключается предварительная проверка анкет, поступивших с мест сбора данных?

3. В чем состоит процедура редактирования анкет?

4. Опишите методы работы с ответами

неудовлетворительного

качества, выявленными в ходе

редактирования.

5. В чем разница между предварительным и последующим кодированием?

6. Опишите основные рекомендации относительно кодирования неструктурированных

вопросов.

7. В чем заключается процедура преобразования данных?

8. Какие проверки состоятельности данных проводятся в ходе очищения данных?

9. В чем заключается работа с пропущенными данными?

10. Назовите методы статистической корректировки данных.

11.

Опишите процесс взвешивания. Каковы

причины

применения этого метода?

12. Что представляют собой индикаторные переменные? Зачем создаются переменные

данного типа?

13. Объясните причины применения метода преобразования шкалы.

14. Какая процедура преобразования шкалы применяется чаще всего? Кратко опишите ее.

15. Какие факторы влияют на выбор той или иной стратегии анализа данных?

Задачи

1. Разработайте схему кодирования с использованием фиктивной переменной для следующих

переменных:

•

Пол.

• Семейное

положение,

по следующим четырем категориям: не был(а) женат/замужем, же-

нат/замужем, разведен(а), прочес (женат/замужем, но живут отдельно; вдовец

(вдова)).

• Как часто выезжает за границу, по следующим категориям;

548

Часть

III.

Сбор, подготовка и анализ данных

Не выезжаю.

Выезжаю 1 или 2 раза в год.

Выезжаю 3—5

раз

в год.

d) Выезжаю

6—8

раз в год.

Выезжаю больше 8 раз в год.

2. Ниже вашему вниманию предлагается часть анкеты, которая использовалась для определе-

ния покупательский предпочтений при приобретении фотоаппаратов. Создайте схему ко-

дирования ответов по этим трем вопросам.

9. Укажите степень важности перечисленных

характеристик,

которые оцениваются вами

при приобретении нового фотоаппарата:

Не очень Очень

важно

Устройство для ускоренной пере- 1 2 3

нотки пленки DX

Автоматическая

перемотка

пленки

12345

Автофокус 1 2 3 4

Автозаправка

пленки

2345

10. Решив приобрести новый фотоаппарат, какие торговые точки вы

посетили

бы?

Пометьте, пожалуйста, все возможные варианты.

Аптека

Специализированный магазин по продаже

фототоваров

Магазин,

предлагающий

товары со скидкой

Супермаркет

е) Другое

11.

Где

вы обычно проявляете пленку и печатаете фотографии?

_ Аптека

Мини-лаборатория

_ Магазин фототоваров

d) Магазин, работающий со скидкой

^Супермаркет

По почтовому заказу

Киоск/другое

УПРАЖНЕНИЯ С ИСПОЛЬЗОВАНИЕМ INTERNET

И КОМПЬЮТЕРА

1. Объясните, как использовать программы SPSS, SAS, BMDP,

Minitab,

Excel в ходе проверки

достоверности (состоятельности) данных, указанных в анкете, приведенной в задаче 2.

2. Воспользуйтесь каким-либо пакетом для графической разработки электронных анкет и ра-

боты с ними, например Ci3, и составьте программу для создания анкеты для определения

покупательских предпочтений при приобретении

фотоаппаратов,

приведенного в задаче 2.

Добавьте в него несколько своих вопросов. Раздайте анкеты пяти студентам, соберите за-

полненные анкеты и подготовьте данные для анализа. Повышается ли эффективность про-

цесса подготовки данных к анализу благодаря использованию компьютерной техники?

Глава 14. Подготовка данных к анализу 549

КОММЕНТАРИИ

1. Kevin Т. Higgms, "Never Ending Journey", Marketing

Management.,

Spring 1997, p.

4—7,

Joann

Hamsthal,

"Interviewer Tips",

Applied

Marketing Research, Fall 1988, p.

42—45.

Kofi

Dadzie,

"Demarketmg

Strategy in Shortage Marketing Environment", Journal of the

Academy of Marketing Science, Spring 1989, p.

157—165.

См. также монографию Fred Davidson,

Principle's of Statistical Data Handling (Thousand

Oaks,

CA: Sage Publications,

1996).

Colin McDonald, "Linguistic Coding — A New Solution to an

Old

Problem", Journal of the

Market

Research Society, October 1996, p. 505-524, Philip S.

Sidel,

"Coding", in Robert

Ferber

(ed.),

Handbook

of Marketing Research

(New

York: McGraw-Hill, 1974), p. 2.178-2.199.

4. Arlene Fink, How to Analyze Survey Data (Thousand Oaks, CA: Sage Publications, 1995); Pamela L.

Alreck,

Robert B. Settle, The Survey Research

Handbook,

2nd ed. (Homewood,

IL:

Irwin

Profes-

sional Publishing, 1994).

5. Serge Luyens, "Coding Verbatims by Computer", Marketing Research A Magazine of Management &

Applications,

Spring

1995,

20-25.

6. Norman

Frendberg,

"Scanning Questionnaires

Efficiently",

Marketing Research A Magazine of

Management & Applications, Spring 1993, p.

38—42.

Eric L.

Einspruch,

An Introductory Guide

SPSS

for

Windows

(Thousand Oaks, CA: Sage Publica-

tions, 1998); Paul E.

Spector,

SAS

Programming

for Researchers and Social Scientists (Thousand Oaks,

CA: Sage Publications, 1993); Mohamed

Atzal

Norat,

"Software Reviews", Economic Journal: The

Journal

the Royal Economic

Society,

May 1997, p.

857—882.

8. Vicki. A. Freedman, Douglas A.

Wolf,

"A Case Study on the Use of Multiple Imputation",

Demography, August 1995; p.

459—470;

Naresh

Malhotra,

"Analyzing Marketing Research Data

with Incomplete Information on the Dependent Variable", Journal of Marketing Research, February

1987,

74-84.

9. Необходимо ввести такое значение, которое имеет смысл.

10.

All

Kara, Chistine Nielsen, Sundeep Sahay, Nagaraj Sivasubramaniam, "Latent Information in the

Pattern of Missing Observations in Global Mail Surveys", Journal of Global Marketing, April 1994,

103—126;

Naresh K, Malhotra, "Analyzing Marketing Research Data with Incomplete Informa-

tion on the Dependent Variable", Journal of Marketing Research, February

1987,

74—84.

11. Некоторые

процедуры

взвешивания требуют определенной доработки. См. статьи

Llan

Ya-

niv, "Weighting and Trimming Heuristics for Aggregating Judgments under Uncertainty",

Organizational

Behavior

& Human Decision Processes, March 1997, p.

237—239;

Humphrey

Taylor,

"The Very Different Methods Used to Conduct

Telephone

Surveys of the Public", Journal of the

Market Research Society, July 1997, p. 421-432.

12. Rajiv M. Rao, "Nielsen's Internet Survey: Does It Carry Any Weight" Fortune, March

18,

1996,

p. 24.

13. Arch G, Woodside, Robert L. Nielsen, Fred Walters, Gale D.

Muller,

"Preference Segmentation of

Health Care Services. The

Old-Fashioneds,

Value

Conscious,

Affluents,

and Professional Want

It-

Alls", Journal of Health Care Marketing, June 1988, p.

14—24,

См. также статью Rama Jayanti,

"Affective Responses toward Service Providers Implications for Service Encounters", Health

Marketing Quarterly, January 1996, p,

49—65.

14. В Swift, "Preparing Numerical Data", in Roger

Sapsford,

Victor Jupp (eds.), Data Collection and

Analysis (Thousand Oaks, CA: Sage Publications, 1996), Ronald E, Frank, "Use of Transforma-

tions", Journal of Marketing Research, August 1966, p,

247—253.

15. Jacques Tacq,

Multivanate

Analysis Techniques in Social Science Research Analysis (Thousand Oaks,

CA: Sage Publications, 1996).

550 Часть III. Сбор, подготовка и анализ

данных

16.

Fred Davidson, Principles of

Statistical

Data Handling (Thousand Oaks, CA: Sage Publications,

1996). См. также статью

Naresh

К.

Malhotra,

"Modeling Store Choice Based on Censored Prefer-

ence Data", Journal of

Retailing,

Summer 1986, p.

128—144,

17. J. Douglass Carrol, Paul E. Green, "Psychometric Methods in Marketing Research Part

Multidi-

mensional

Scaling",

Journal

of Marketing

Research,

May 1997, p.

193—204.

18. David

Kilbum,

"Haagen-Dazs

Is Flavor of Month", Marketing Week, September 4, 1997, p. 30,

Mark

Maremont,

"They're All Screaming for Haagen

Dazs",

Business

Week,

October 14, 1991.

19.

Pertti

Alasuutan,

Researching Culture (Thousand Oaks, CA: Sage Publications, 1995); C.T. Tan,

J. McCulIough, J.

Teoh,

"An Individual Analysis Approach to Cross-Cultural Research", in Melanie

Wallendorf,

Paul Anderson (eds,), Advance's in Consumer Research 14 (Provo,

UT:

Association for

Consumer

Research,

1987): 394-7.

20. Association

for

Consumer Research, 1987, p.

394—597

См.

например,

статьи Lisa D. Spiller, Alex-

ander J.

Campbell,

"The Use of International Direct Marketing by Small Businesses in Canada,

Mexico, and the United States A Comparative Analysis",

Journal

of Direct Marketing, Winter 1994,

7—16;

Mee-Kau Nyaw, Ignace Ng, "A Comparative Analysis of Ethical Beliefs A Four Country

Study", Journal of Business Ethics, July 1994, p. 543-556.

21. Dianna L. Newman, Robert D. Brown, Applied Ethics for Program Evaluation Analysis

(Thousand

Oaks, CA: Sage Publications, 1996); G.M. Zmkhan, M. Bisesi, M.J. Saxton,

"MBA's

Changing

Attitudes toward Marketing Dilemmas 1981-1987", Journal of Business Ethics, August 1989,

963-974.

Глава 14. Подготовка данных к анализу 551

Глава

Вариационный

ряд,таблицы

сопряженности признаков

и проверка гипотез

После изучения материала этой главы вы должны уметь...

1. Описывать значимость предварительного анализа данных, понимать, что можно получить

из такого анализа.

2. Обсуждать анализ данных, опирающийся на распределение частот значений переменной,

включающий анализ центра распределения, изменчивости и формы кривой.

3. Объяснять анализ данных, связанный с

кросс-табуляцией

имеющими

к нему отношение

статистиками:

хи-квадратом,

фи-коэффициентом,

коэффициентом сопряженности,

V-коэффициентом

Крамера и коэффициентом "лямбда".

4. Описывать анализ данных, связанный с параметрической проверкой гипотез для одной

выборки, двух независимых выборок и парных выборок.

5. Объяснять анализ данных, связанный с непараметрической проверкой гипотез для одной

выборки, двух независимых выборок и парных выборок.

КРАТКИЙ ОБЗОР

Эта глава посвящена базовому анализу данных, включающему изучение распределения час-

тот значений переменной (вариационных рядов), кросс-табуляцию (построение таблиц сопря-

женности) и проверку гипотез. Сначала мы рассмотрим распределение частот и объясним, как

с его помощью определить количество выбросов, пропущенных и экстремальных значений

данных, а также выявим центральную тенденцию в значениях изучаемых данных, их вариа-

цию и форму кривой распределения. Затем введем понятие проверки гипотез и опишем общую

процедуру проверки. Процедуры проверки гипотез делятся на проверку связей и проверку раз-

личий. Мы также рассмотрим использование кросс-табуляции для установления связи между

двумя или тремя переменными. Хотя природу связи можно увидеть из таблиц, статистики по-

зволяют определить значимость и силу связи. И наконец, мы познакомим вас с методами ста-

тистической проверки гипотез, связанных с различиями в одной или двух выборках.

Многие маркетинговые исследовательские проекты не выходят за рамки базового анализа

данных. Полученные по итогам исследования результаты часто отображают с помощью таблиц

и графиков, как будет показано в главе 22.

; СКВОЗНОЙ ПРИМЕР. ВЫБОР УНИВЕРМАГА

Анализ

исходных данных

В проекте "Выбор универмага" маркетологи сначала провели базовый анализ полученных

!ими данных, а затем на его основе

—многомерный

статистический анализ. Анализ данных

начался с построения вариационного ряда и вычисления описательных статистик для

каж-

;

дои

переменной. В дополнение к выявлению возможных проблем при обработке данных 1

(см. главу 14) полученная информация позволила хорошо "прощупать" данные, чтобы оп-

552 Часть

til.

Сбор,

подготовка и анализ данных

ределить, каким образом они в дальнейшем будут

анализированться.

Например, следует ли

для целей анализа рассматривать переменные как

имеющие

категориальный характер, и ес-

ли да, то сколько категорий представлено в каждой переменной? Чтобы установить связи

между переменными, необходимо выполнить несколько операций кросс-табуляции для

двух и трех переменных. Для изучения влияния независимых переменных с двумя катего-

риями на метрические зависимые переменные маркетологи задействовали

/-критерий

другие процедуры проверки гипотез.

Результаты базового анализа данных ценны сами по себе и, кроме того, показывают на-

правление для

последующего

многомерного анализа. Чтобы читатель понял особенности ста-

тистических методов, мы приведем ряд примеров применения кросс-табуляции, критерия хи-

квадрат

и проверки гипотез.

ПРИМЕР. Рекламная битва полов

При сравнении телевизионных роликов в Австралии, Мексике и Соединенных Штатах

Америки анализировалась роль пола в рекламе. Маркетологи выявили, что рекламные ро-

лики разных стран отличаются степенью участия в них мужчин и женщин. Для анализа

данных маркетологи

применили

кросс-табуляцию

и статистическую проверку с использо-

ванием критерия

хи-квадрат.

В результате они получили следующие характеристики мекси-

канской рекламы.

Участники рекламы, %

Рекламируемый товар, который используют Женщины Мужчины

Женщины 25,0 4,0

Мужчины 6,8

11,8

Оба пола 68,2 84,2

19,73,

/><0,001

Отсюда следует, что в мексиканской рекламе женщины появляются для рекламы това-

ров, используемых женщинами или лицами обеих полов, но редко рекламируют товары для

мужчины. Мужчины рекламируют изделия, которыми пользуются и мужчины, и женщи-

ны. Эти различия в рекламе характерны также и для рекламных роликов США, хотя и в

меньшей степени, а вот в австралийской рекламе таких различий нет [1].

ПРИМЕР. Анализ воспринимаемого риска для различных видов продаж

Маркетологи сравнили продажи 12 видов товаров по каталогу и через розничную торго-

вую сеть. Результаты анализа показали, что следует отклонить выдвинутую гипотезу о том,

что нет сушественной разницы степени воспринимаемого потребителями риска для этих

двух видов продаж. Для проверки гипотезы были вычислены 12 (по одному для каждого то-

вара)

/-критериев

парных наблюдений. Средние значения степени риска (в баллах) для не-

которых из

товаров

в обоих видах продаж даны в приведенной ниже

таблице,

причем наи-

высший балл отвечает наибольшему риску.

Средние значения степени воспринимаемого риска (в баллах) для двух видов продаж

Общий воспринимаемый

риск,

в баллах

Продажа через магазины

Това

Про&ха

по

каталогу

зничной

торговли

Музыкальная

высококачественная

аппаратура

48,89

41,98"

Музыкальные

альбомы 32,65

28,74'

Парадные туфли 58,60 50,80*

Телевизор с экраном 13

дюймов

48,53

40,91*

Глава 15. Вариационный ряд, таблицы сопряженности признаков и проверка

гипотез

553