Практика показывает, что в настоящее время многие российские компании, занима­ющиеся проведением маркетинговых исследований, а также отделы маркетинга

Глава 3 Анализ различий Цель анализа различий — выявление групп респондентов, статистически значимо различающихся между собой. Все ста­тистические процедуры, относящиеся к группе процедур, ко­торые позволяют выявить такие различия (t-тесты и диспер­сионный анализ), сравнивают респондентов на основании средних значений переменных. Иными словами, провести раз­личие можно на основании двух или более числовых перемен­ных. В практике маркетинговых исследований достаточно часто встречаются ситуации, когда в ходе предварительного анали­за (на основании опыта исследователя, когнитивного или ста­тистического анализа) появляется гипотеза о разделении всей выборочной совокупности на определенные группы на осно­вании одного или нескольких признаков (например, при сег­ментировании потребителей продукта или при построении разрезов). Линейное распределение может показывать, что дан­ные группы респондентов действительно различаются (напри­мер, мужчин в выборке в два раза больше, чем женщин). Од­нако визуального различия между категориями недостаточно для того, чтобы с уверенностью констатировать наличие ста­тистически значимого различия. На установление статистиче­ской значимости различий между целевыми группами респон­дентов и направлены процедуры, объединенные под названием «Анализ различий». Существует два основных метода определения различий меж­ду группами: t-тесты и дисперсионный анализ. Первый ме­тод прост в использовании, и поэтому он применяется часто (в том числе и в маркетинговых исследованиях). Однако в связи с ограничением на количество тестируемых групп (между которыми устанавливается различие) t-тесты не мо­гут применяться для решения всех задач, возникающих при проведении маркетингового анализа. Для преодоления дан­ного ограничения используется дисперсионный анализ, яв­ляющийся универсальной методикой для определения ста­тистически значимых различий между любым числом групп респондентов. 3.1. Т-тесты Т-тесты предназначены для установления различий между двумя группами рес­пондентов. При этом сравниваются только два средних значения. SPSS предлага­ет три основных типа t-тестов: ■ для двух независимых выборок; ■ для двух зависимых выборок; ■ для одной выборки. В последующих разделах мы подробно расскажем о каждом из них, но сначала при­ведем основные характеристики переменных, участвующих в t-тестах (табл. 3.1). Т-тесты для независимых выборок Зависимые переменные Независимые переменные Количество Тип Количество Тип Одна Дихотомическая интервальная Любое Интервальная Т-тесты для зависимых выборок Зависимые переменные Независимые переменные Количество Тип Количество Тип - - Две Интервальная Т-тесты для одной выборки Зависимые переменные Независимые переменные Количество Тип Количество Тип - - Любое Интервальная Обратите внимание: зависимая переменная есть только для t-тестов независимых выборок. Для других видов t-тестов (зависимых выборок и одной выборки) зави­симая переменная отсутствует. Это связано с тем, что в последнем случае анализу подвергается фактически одна и та же выборка респондентов. В качестве тестиру­емых независимых переменных во всех случаях используются только переменные с интервальной шкалой. Порядковые переменные могут использоваться только после преобразования их к интервальному виду (см. раздел 2.1). 3.1.1. Т-тесты для независимых выборок В случае t-тестов для независимых выборок под независимыми выборками пони­маются бинарные категории (то есть варианты ответа) какой-либо переменной. Например, мужчины и женщины (вопрос Пол респондента), покупатели и не поку­патели какого-либо продукта (вопрос Покупаете ли Вы данный продукт?) и т. д. То есть когда есть два уровня группирующей (зависимой) переменной и несколько независимых переменных, на основании которых и будет выполняться различие между группами зависимой переменной. Рассмотрим методику проведения t-тестов для независимых выборок на следую­щем примере. Предположим, что мы оцениваем различия в частоте посещения иг­ровых клубов между посетителями заведений марки X и других марок. Откройте диалоговое окно Independent-Samples T Test при помощи меню Analyze ► Compare Means ► Independent-Samples T Test (рис. 3.1). В область Test Variable(s) поместите переменные, являющиеся критерием для установления различий (в нашем случае это ql8_i Частота посещения). Затем в поле Grouping Variable переместите переменную, которая будет яв­ляться группирующей (зависимой). В нашем случае это переменная ql_8, кодирую­щая категории респондентов, посещающих/не посещающих игровые залы марки X. Рис. 3.1. Диалоговое окно Independent-Samples T Test Так как данная переменная является вариантом ответа на многовариантный во­прос Какие игровые клубы Вы посещаете?, она может принимать два значения: ■ 1 — посещают клубы X; ■ 0 — не посещают клубы X. Э ти два значения необходимо указать в специальном диалоговом окне Define Groups, вызываемом одноименной кнопкой (рис. 3.2). Обратите внимание, что если вмес­то дихотомии мы имеем группирующую переменную с интервальной шкалой, это диалоговое окно позволяет установить точку отсечения Cut point, которая буде! разделять все возможные значения данной переменной на две группы. Рис. 3.2. Диалоговое окно Define Groups С помощью кнопки Options в главном диалоговом окне рассматриваемой процедуры можно установить доверительный уровень для результатов расчета t-теста (рис. 3.3). По умолчанию установлен уровень доверия 95 %. Как было показано выше в раз­деле 1.2, этот уровень точности (достоверности) результатов является достаточ­ным при проведении статистического анализа в маркетинговых исследованиях. Рис. 3.3. Диалоговое окно Independent-Samples T Test: Options После завершения процедуры расчета t-теста в окне SPSS Viewer будут отражены результаты (рис. 3.4). В первой таблице Group Statistics вы видите средние значе­ния тестируемой переменной (частота посещения клубов) для обеих групп зави­симой переменной X. Как следует из рисунка, для респондентов, посещающих иг­ровые залы марки X, средняя частота посещения составляет 11,9 раз в месяц. Для респондентов, не посещающих данные залы, это значение равно 11,5. Вторая таб­лица Independent Samples Test позволяет установить статистическое различие меж­ду данными значениями. T Group Statistios -Test X N Mean Std. Deviation Std. Emor Mean Частота посещения 1 49 11,9288 10,43081 1,49140 0 526 11,5048 9,98682 ,43546 Indeperdert Samples Test Levene’s Test for Equality of Variances t-test for Equality of Means F Sug. t df Sig. (2-talid) Mean Difference Std. Emor Difference Lower Upper Частота посеще-ния Equal variances assumed ,382 ,547 ,283 573 ,777 ,4238 1,49745 -2,61734 3,36497 Equal variances not assumed ,273 56,495 ,786 ,4230 1,55367 -2,68795 3,51559 Рис. З.4. Результаты расчета t-теста для независимых выборок Анализ этой таблицы начинается с определения значимости теста Ливина (Levene). Данный тест служит для тестирования гипотезы о равенстве дисперсий в тестиру­емых переменных. Если значение в столбце Sig. столбца Levene's Test for Equality of Variances показывает статистическую незначимость теста (в нашем случае — 0,547), то различие между двумя анализируемыми средними определяется из строки Equal variances assumed. В противном случае, если тест Levene статистически значим, раз­личие между двумя средними определяется из строки Equal variances not assumed. Поскольку в нашем примере тест Ливина является статистически незначимым, то определить значимость различия между двумя тестируемыми группами можно при помощи значения, находящегося на пересечении первой строки и столбца Sig. (2-tailed). Значение 0,777 говорит о том, что различие в частоте посещения игро­вых залов респондентами, посещающими и не посещающими клубы марки X, яв­ляется статистически незначимым. 3.1.2. Т-тесты для спаренных выборок Т-тесты для спаренных выборок применяются в случае, когда на различные во­просы отвечает одна и та же группа респондентов. Например, пассажиры оценивают уровень и качество питания авиакомпании X и авиакомпании Y. Чтобы определить, является ли статистически значимой разница в оценке этих двух авиакомпаний, следует воспользоваться диалого­вым окном Paired-Samples T Test, вызываемым при помощи меню Analyze ► Compare Means ► Paired-Samples T Test (рис. 3.5). В левом списке содержатся все доступ­ные переменные из базы данных. Выберите из списка две переменные для тес­тирования. В нашем случае это qll (Питание в авиакомпании X) и q26 (Питание в авиакомпании Y). По мере того как вы будете выбирать переменные, они будут последовательно отображаться в области Current Selections. Указав две перемен­ные для анализа, щелкните на кнопке с символом ► , чтобы перенести перемен­ные в область Paired Variables. Кнопка Options позволяет установить уровень до­верия для производимых расчетов. Рис. 3.5. Диалоговое окно Paired-Samples T Test После щелчка на кнопке ОК будут произведены расчеты t-теста для анализиру­емых переменных; результаты теста будут отражены в окне SPSS Viewer (рис. 3.6). Как видно на рисунке, SPSS выводит на экран три таблицы. Рассмотрим их по порядку. Итак, в первой таблице, Paired Samples Statistics, вы видите рассчитанные средние значения для обеих тестируемых переменных. Так, в нашем случае респонденты оценили питание в авиакомпании Y в среднем на 0,4 балла выше, чем в авиакомпа­нии X. В следующей таблице Paired Samples Correlations представлен коэффициент корре­ляции (Пирсона) между оценками двух анализируемых переменных. Подробно корреляционный анализ рассматривается в разделе 4.2. Здесь стоит сказать лишь, что чем ближе значение коэффициента к 1, тем сильнее линейная связь между пе­ременными (при условии статистической значимости коэффициента). То есть чем выше уровень оценки по первой переменной, тем выше оценка второй — и наобо­рот. В нашем случае налицо отсутствие линейной связи между оценками питания в авиакомпании X и Y (коэффициент корреляции = 0,027 при статистической зна­чимости 0,463). T Paired Samples Statistics -Test Mean N Std. Devition Std. Emor Mean Pair Питание в X 3,9 731 ,974 ,036 1 Питание в Y 4,3 731 ,787 ,029 Paired Samples Correlations N Correlation Sig. Pair Питание в X & 731 ,027 ,463 1 Питание в Y Paired Samples Test Paired Diffirences t df Sig. (2-tailed) Mean Std. Devition Std. Emor Mean 95% Confidence interval of the Difference Lower Upper Pair Питание в X & -,4 1,236 ,046 -,44 -,26 -7,692 730 ,000 1 П Рис. З.6. Результаты расчетов t-теста для спаренных выборок итание в Y Наконец, третья таблица, Paired Samples Test, позволяет сделать вывод о наличии/ отсутствии статистически значимого различия между тестируемыми переменны­ми, что следует из значения в столбце Sig. (2-tailed). В нашем случае различие меж­ду оценками питания в авиакомпаниях X и Y, равное 0,4 балла, является статистиче­ски значимым (<0,001).

Похожие:

	Бенчмаркинг и маркетинговые исследования в разработке стратегий маркетинга Практика показала необходимость разделения функций отдельных отделов и служб в целях выделения специализированной службы по организации...		Программа дисциплины «Стратегия социальных и маркетинговых исследований»... Курс «Стратегия социальных и маркетинговых исследований» рассчитан на студентов магистратуры, имеющих квалификацию бакалавра экономики...
	Неотложные меры самопомощи и взаимопомощи при сердечном приступе Помимо этого статистика показывает, что многие больные сами (или их родственники) поздно вызывают врача скорой медицинской помощи,...		План Особенности маркетинга на рынке услуг Характеристика услуг и их классификация Организация управления маркетингом компании «Аэрофлот – Российские Международные Авиалинии»
	Самопомощи и взаимопомощи при развитии острых жизнеугрожающих заболеваний (состояний) Помимо этого статистика показывает, что многие больные сами (или их родственники) поздно вызывают врача скорой медицинской помощи,...		Комплекс маркетинга Раздел Организация производственного маркетинга... Систематизация основных рекомендаций по созданию комплекса маркетинговых мероприятий на ООО "Бина"
	Власть Как выяснилось, многие кыргызы недовольны своей жизнью. Это перечеркивает на корню "результаты исследований" ангажированных западных...		Программа дисциплины Теория и практика онлайн исследований для направления... К. социол н., генеральный директор компании Online Market Intelligence ()
	Использование средств маркетинга в антикризисном управлении на транспорте Данные и многие другие факторы в условиях кризисов, в поисках путей выхода транспортных организаций из трудных ситуаций обусловливают...		Курсовая работа по курсу “Основы маркетинга” Тема «Стратегии маркетинга... Санкт-Петербургский государственный технологический институт (технический университет)
	Система работы с детьми, имеющими задержку речевого развития Логопедическая практика показывает, что с каждым годом увеличивается количество детей с задержкой речевого развития		Инструкция показания дисплея: Этот будильник off-the-wall показывает... Примечание: если появится надпись "p m.", то часы показывают время пополудни (дневное). В противном же случае часы показывают время...
	Инструкция по сбору суточной порции мочи с консервантом для исследований Важно! Зафиксировать время начала и время окончания сбора, а также (диурез) итоговый обьем собранного биоматериала		1 Теоретические аспекты анализа сбытовой политики 8 Многие специалисты по менеджменту определили, что недостаточная эффективность сбытовой деятельности ставит под угрозу существование...
	1. 2Принципы работы erp-системы Мировая практика последних лет показывает, что эффективное решение подобных задач достигается путем развертывания информационных...		Доклад Тема: Суицид среди несовершеннолетних. «Группы смерти» в социальных сетях Несмотря на пристальное публичное внимание к проблеме использования социальных сетей для подталкивания детей и подростков к суициду,...