2. Описательный анализ и линейные распределения

Статистический анализ данных — основное предназначение SPSS (в отличие, например, от Microsoft Excel или Microsoft Access). Графическая подсистема данного программного ком­плекса, внешний вид создаваемых отчетов и возможности элек­тронной таблицы оставляют желать лучшего; пользовательский интерфейс рассчитан на лиц, хорошо знакомых со статистикой. Некоторые статистические процедуры (например, множест­венный дисперсионный анализ по методу Фишера) вызыва­ются исключительно при помощи программного синтаксиса (Syntax), работа с которым требует определенных навыков программирования. Но все же, несмотря на эти недостатки, в настоящее время SPSS является одной из лучших программ для проведения профессионального статистического анализа в самых различных областях человеческой деятельности: в биз­несе, психологии, медицине и т. д.

Данный раздел знакомит читателя с основными статистически­ми процедурами и методами статистического моделирования, наиболее часто применяемыми в маркетинговых исследовани­ях. Практически все описываемые статистические функции могут применяться для решения нескольких задач. В этом смысле предлагаемое общепринятое разделение методов ста­тистического анализа на описательный анализ, анализ разли­чий, ассоциативный и классификационный анализ весьма ус­ловно и отражает лишь общие тенденции их использования именно в маркетинговых исследованиях. Прежде чем присту­пить к рассмотрению статистических функций SPSS, сделаем одно существенное отступление необходимое для понимания всех последующих разделов этого пособия.

Одним из центральных понятий в статистике является Ста­тистическая значимость (р). Именно на основании статисти­ческой значимости в большинстве процедур SPSS проверяет­ся практическая пригодность построенных моделей. По сути, статистическая значимость — это вероятность наступления ненаступления исследуемого события. Уровень р ≤ 0,05 часто используется в качестве критерия установления статистиче­ской значимости. Он означает, что с вероятностью 95 % мож­но утверждать: исследуемое событие произошло неслучайно, то есть связано с какой-то системой. В табл. 2.1 представлен наиболее распростра­ненный способ интерпретации различных уровней значимости в маркетинговых исследованиях.

Таблица 2.1. Интерпретация уровней значимости

Уровень статистической значимости, р	Статистическая интерпретация	Обозначение в SPSS
Р < 0,001	Максимально значимая	***
0,001 ≤ р ≤ 0,01	Очень значимая	**
0,01 < р ≤0,05	Значимая	*
0,05 < р ≤ 0,10	Слабо значимая
Р > 0,10	Незначимая

В некоторых случаях (например, t-тесты) статистическая значимость в SPSS мо­жет быть одно - (1-tailed Sig.) или двухсторонней (2-tailed Sig.). Двухсторонняя зна­чимость показывает, отличается ли значительно среднее значение первой иссле­дуемой переменной от среднего значения второй — без указания направления этого различия, положительного или отрицательного. Односторонняя значимость по­казывает только направление, в котором второе исследуемое среднее отличается от первого. Второй тип значимости (односторонняя) при анализе данных марке­тинговых исследований используется редко, и именно двухсторонняя значимость выводится SPSS по умолчанию. Таким образом, на практике нет необходимости обращать внимание на тип значимости, выводимой SPSS: она всегда будет пока­зывать статистическую значимость исследуемого события1.

Целью описательного анализа является систематизация имеющихся данных. В рам­ках данной задачи происходит построение линейных распределений, а также ха­рактеристика переменных в различных статистических аспектах: расчет среднего, медианы, моды и т. п. Линейные (общие) распределения позволяют подсчитать количество респондентов, указавших тот или иной вариант ответа на рассматри­ваемый вопрос.

Построение линейных распределений обычно является первым шагом в статисти­ческом анализе данных. При помощи линейных распределений становится воз­можным систематизировать ответы респондентов. В табл. 2.2 представлены основ­ные характеристики переменных, участвующих в анализе.

Таблица 2.2. Основные характеристики переменных, участвующих в линейных распределениях

Линейные распределения
Зависимые переменные		Независимые переменные
Количество	Тип	Количество	Тип
-	-	Одна	Любой

< Предыдущая		Следующая >