Распределение значений показателя

Все темы данного раздела:

Измерительные шкалы
Респондент переносит свои оценки на шкалу, которую разрабатывает исследователь. Различают 4 типа шкал,с помощью которых могут проводиться измерения: - шкала наиме

Переменные
Большинство статистических методов предполагает разделение переменных на зависимые и независимые. В качестве независимых переменных,как правило, рассматриваются показатели

МЕТОДЫ АНАЛИЗА
  Большинство статистических методов предполагают в результате расчет уровня значимости. Общепринято считать закономерность статистически достоверной в случаях, когда эмпирический уро

Одномерное табулирование
Табулирование -подсчет количества событий, попадающих в различные категории (определяются распределение переменной в форме таблицы и гистограммы; рассчитываются описательные

Меры центральной тенденции
1. Среднее значениеявляется наиболее адекватной мерой центральной тенденции в случаях когда показатель измерен в интервальной или относительной шкале (все значения показател

Меры изменчивости
1.Размах - разность между крайними значениями показателя 2.Стандартное отклонение и Дисперсия. Это меры того, наскол

Практика
1. Обработка выборок малого размера (для возможности обобщать результаты на генеральную совокупность выборки должны быть большими - как правило, объемом не менее 500).

ФОРМИРОВАНИЕ ИСХОДНОЙ БАЗЫ ДАННЫХ В SPSS
    Во вкладке «Переменные» представлена таблица с данными, описывающими свойства переменных. Каждая строка отображает переменную, каждый столбец – её с

Метод перекрестного табулирования (таблицы сопряженности) -
используется для изучения связей между переменными - анализируется несколько переменных, которые могут быть сопряжены, связаны.   Как правило, переменные необходимо разделять

ПОСТРОЕНИЕ таблицы сопряженности
1) общее правило: - столбцы соответствуют уровням независимой переменной; - строки соответствуют уровням зависимой переменной. Пример:

АНАЛИЗ таблицы сопряженности
1) Основные закономерности, содержащиеся в данных, видны уже по­сле просмотра процентных долей, рассчитанных для различных категорий: - таблица сопряженности; - гистограмма.

МНОГОМЕРНОЕ ТАБУЛИРОВАНИЕ
1) Позволяет более точно определить форму и характер связи между исследуемыми переменными - предполагает введение в анализ одновре­менно более двух переменных. Например:

ВЕСОВАЯ ПЕРЕМЕННАЯ
(в перекрестном табулировании) 1) Удобнее с точки зрения упрощения ввода данных. 2) Форма представления исходных данных должна содержать данные о частотах вст

Практика
  1. Построение таблиц сопряженности(для двух переменных): «Анализ/НагляднаяСтатистика/Перекрестные табличные данные» - Стр

Корреляционный и регрессионный анализ
Для принятия обоснованного управленческого решения, часто важны не столько данные об одной маркетинговой переменной, сколько информация о ее взаимосвязи с другими переменными. К

Парная корреляционная связь
Парная корреляция:при определении связи между двумя переменными не контролируются их связи с другими переменными, включенными в анализ. Диаграмма рассеив

Частная корреляционная связь
Частная корреляция:позволяет получить информацию о связи двух переменных с учетом влияния других переменных. Частные коэффициенты корреляции:

Регрессионный анализ
Одно из главных назначений -построение модели, позволяющей прогнозировать значения зависимой переменной. Рассмотрим наиболее простую из них -• линейную модель, опис

Проверка гипотез
Гипотеза- ни чем не доказанное предположение. Пользуясь статистическими приемами, будем устанавливать -Существует ли эмпирическое доказательство, подтвержда

ТИПОВАЯ ПРОЦЕДУРА (ПРОВЕРКА ГИПОТЕЗ)
1. Определить Но и На . 2. Выбрать подходящую статистическую проверку. 3. Назначить уровень значимости α

ПРОВЕРКА СОГЛАСИЯ РАСПРЕДЕЛЕНИЯ
(критерий Хи-квадрат) Ситуация в М.И.: нужно определить - соответствует ли опреде­ленный образец поведения, о котором свидетельствуют данные, то­му

СРЕДНЕЕ ЗНАЧЕНИЕ ОДНОЙ ВЫБОРКИ
(параметрический одновыборочный 1-критерий Стьюдента) Ситуация в М.И.: часто возникает необходимость делать предпо­ложения о среднем значении генер

РАЗЛИЧИЕ СРЕДНИХ ЗНАЧЕНИЙ ДВУХ ВЫБОРОК
Задачи М.И.(оценка статистической значимости различий сред­них значений двух случайных величин): предпочтение упаковки продукта(пиво - стекло; жест

СРАВНЕНИЕ ДОЛЕЙ
(для одной генеральной совокупности)     Задача М.И. - исследование различий между двумя долевыми выборками из одной ге

ВЫБОРКАМИ
Независимые выборки:образуются в результате принадлеж­ности наблюдений к разным категориям (разделение респондентов на группы по полу, по профессии и т.д.). Группы

ВЫБОРКАМИ
Связанные выборки (зависимые, парные) - каждое наблюдение одной выборки неразрывно связано (находится в паре) с одним из наблюдений другой выборки.

МНОГОФАКТОРНЫЙ ДИСПЕРСИОННЫЙ АНАЛИЗ (с фиксированными уровнями факторов)
Цель дисперсионного анализа:исследование значимости раз­личия между средними. Если вы просто сравниваете средние в двух выборках, дисперси­онный анализ даст тот же

Факторный анализ как метод редукции данных
Пример 1: Предположим, вы хотите измерить удовлетворенность людей жизнью, для чего составляете вопросник с различными пунктами: удовлетворены ли люди своим

КЛАСТЕРНЫЙ АНАЛИЗ
Основная цель:Термин кластерный анализ (впервые ввел Tryon,1939) в действительности включает в себя набор различных алгоритмов классификации респо

C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+ 3 òûòòòòòòòòòø

ДИСКРИМИНАНТНЫЙ АНАЛИЗ
Основная цель- используется для принятия решения о том, ка­кие переменные различают (дискриминируют) две или более возни­кающие совокупности (группы). Пр

Вычислительный подход
Дисперсионный анализ. 1) Задача о функции дискриминации может быть перефразирована как задача одновходового дисперсионного анализа (АNOVА): являют

Построение модели
Наиболее общее применение дискриминантного анализа включение в исследование многих переменных с целью определения тех из них, которые наилучшим образом разделяют совокуп

КАНОНИЧЕСКИЙ АНАЛИЗ
Во многих модулях SPSS можно вычислить матрицы парных коэффициентов корреляции для выражения зависимости между несколькими переменными. Модуль

МНОГОМЕРНОЕ ШКАЛИРОВАНИЕ
Общая цель: - выявление скрытых, не доступных непосредственному наблюдению переменных, по которым различаются объекты.   Многомерное шкалирование