 |
Анализ данных: предварительные этапы
|
|
|
|
Полевое редактирование —предварительное редактирование, которое строится таким образом, чтобы обнаружить наиболее бросающиеся в глаза пропуски и неточности данных.
Кодирование — это технический прием, с помощью которого данные распределяются по категориям.
Процесс кодирования осуществляется в три этапа:
(1) Устанавливаются категории или классы, к которым будут относиться ответы.
(2) Назначаются кодовые номера классов.
(3) Подготавливается книга кодов.
При назначении кодовых номеров необходимо:
1. Располагать только один символ в каждой колонке.
2. Использовать только числовые коды.
3. Использовать ровно столько колонок поля, назначаемого для переменной, сколько необходимо для полного охвата всех ее возможных значений.
4. Использовать одни и те же стандартные коды для обозначения «отсутствия информации».
5. В каждой записи кодировать идентификационный номер респондента.
Табулирование заключается просто в подсчете количества событий, которые попадают в различные категории.
Простая табуляция связана с расчетами единственной переменной.
В перекрестной табуляции одновременно обрабатываются две или более переменных.
Баннер —последовательный ряд перекрестных табуляций между каким-то критерием или зависимой переменной и несколькими, зачастую многочисленными, факторными переменными, оформленный в виде единой таблицы.
Стаб - з ависимая (результирующая) переменная или подлежащее объяснению явление обычно определяет название строк таблицы.
Предопределенные или факторные переменные определяют колонки таблицы, а каждое их значение называется баннерной точкой.
| Столбец (цы) | Номер вопроса | Переменная | Спецификация кодов |
| Транспорт до места представления | 1 = Пешком 4 = Иначе 2 = Машина 9 = Нет ответа 3 = Автобус | ||
| Расстояние до места представления | 1 = В пределах Медисона 2 = Менее 5 миль 3 = 6-10 миль 4 = Более 10 миль 9 = Нет ответа | ||
| Время проживания в Медисоне/ столице штата Висконсин | 1 == Здесь не живу 2 = Только что прибыл(а) 3 = 1-3 года 4 = 4-7 лет 5 = Дольше 9 = Нет ответа | ||
| Уровень образования | 1 = Неполная средняя школа 2 = Диплом средней школы 3 = Неполный колледж 4 = Диплом колледжа 5 = Неполная высшая школа 6 = Диплом высшей школы 7 = Более высокий 9 = Нет ответа | ||
| Годовой доход домохозяйства | 1 = Ниже 20 000 долларов 2=21 000-30 000 долларов 3 = 31000-40 000 долларов 4=41 000-50 000 долларов 5=более 50 000 долларов 6 – не могу сказать с уверенностью 7 – не желаю отвечать 9 – нет ответа |
Анализ данных: оценка различий
|
|
|
С помощью критерия хи-квадрат проверяется гипотеза о принадлежности выборки к некоторой генеральной совокупности с известным распределением.
Применение данного критерия предполагает сравнение частот попадания элементов выборки в некоторые фиксированные интервалы с теоретическими вероятностями попадания в эти же интервалы значений всей совокупности.
| Количество покупок | |||
| Соотношение, установленное для готовых завтраков Score | |||
| Малых | Больших | Семейных | Всего |
| Соотношение, установленное для других марок готовых завтраков | |||
Следует ли ожидать изменения спроса на готовые завтраки Score?
c=å[Oi-Ei]2/Ei
Oi - наблюдавшееся число событий в i- том интервале.
Ei – ожидаемое число событий в i- том интервале.
c = (240-200)2/200+(575-600)2/600+(385-400)2/400=9,6
При двух степенях свободы и уровне значимости a=0.05 табличное значение c = 5,99
9,6>5.99,
то есть полученный результат не является случайным, продажа Score будет идти иным образом, чем завтраки других марок.
Проверка по критерию Колмогорова—Смирнова подобна проверке по хи-квадрат, однако, применяется при упорядоченных данных.
|
|
|
Для проверки гипотезы о среднем подходит z-критерий, если дисперсия известна, и применяется t-критерий, если она неизвестна.
Анализ данных: методы исследования
Корреляционный анализ - для измерения степени близости взаимосвязи двух или более переменных.
Регрессионный анализ - для получения уравнения, связывающего переменную критерий с одной или более переменными-предикторами.
Коэффициентом корреляции измеряется мера близости взаимосвязи между Y и Х к линейной.
Множественный регрессионный анализ - для оценки единственной переменной-критерия используется несколько переменных-предикторов
Если переменные-предикторы коррелируют между собой, это свидетельствует о существовании мультиколлинеарности в задаче множественного регрессионного анализа.
Пример.
Данные по территориям для шариковых ручек
| Территория | Продажа (тыс. штук), Y | Реклама (число показов в месяц), Х1 | Число торговых представителей, Х2 | Индекс эффективности оптовика, X3 |
| 260,3 | ||||
| 286,1 | ||||
| 279,4 | ||||
| 410,8 | ||||
| 438,2 | ||||
| 315,3 | ||||
| 565,1 | ||||
| 570,0 | ||||
| 426,1 | ||||
| 315,0 | У | |||
| 403,6 | ||||
| 220,5 | ||||
| 343,6 | ||||
| 644,6 | ||||
| 520,4 | ||||
| 329,5 | ||||
| 426,0 | ||||
| 343,2 | ||||
| 450,4 | ||||
| 421,8 | ||||
| 245,6 | ||||
| 503,3 | ||||
| 375.7 | ||||
| 265,5 | ||||
| 620,6 | ||||
| 450,5 | ||||
| 270,1 | ||||
| 368,0 | ||||
| 556,1 | ||||
| 570,0 | ||||
| 318,5 | ||||
| 260,2 | ||||
| 667,0 | ||||
| 618,3 | ||||
| 525,3 |
|
|
|
