Две переменные

Построение таблиц сопряженности признаков

Помимо ответов на вопросы, относящихся к анализу одной переменной, маркетологов часто интересуют дополнительные вопросы о связи этой переменной с другими переменными.

• Как много мужчин среди приверженцев данной торговой марки?

• Связано ли использование товара (потребление его в больших, средних, малых количествах и не потребление) с отдыхом на открытом воздухе (высокая, средняя и низкая активность)?

• Связана ли осведомленность о новом товаре с возрастом и уровнем образования?

• Связана ли покупка товара с доходом человека (высокий, средний или низкий доход)?

На эти и подобные вопросы можно ответить с помощью таблицы сопряженности признаков.

Построение таблиц сопряженности признаков, кросс-табуляция (cross-tabulation) - статистический метод, который одновременно характеризует две или больше переменных и заключается в создании таблиц сопряженности признаков, отражающих совместное распределение двух или больше переменных с ограниченным числом категорий или определенными значениями.

Кросс-табуляция представляет собой процесс объединения распределений частот значений двух или больше переменных в одну таблицу. Она объясняет, как одна переменная, например лояльность торговой марке, связана с другой переменной, такой как пол. Категории одной переменной помешают в таблицу так, чтобы они размещались в ней (сопрягались) в соответствии с категориями другой или другими несколькими переменными.

Предположим, нас интересует, действительно ли использование Internet связано с полом. Чтобы построить таблицу сопряженности признаков, респондентов разделили в зависимости от того, сколько времени они пользуются сетью. Пользующихся Internet пять часов и меньше отнесли к мало пользующимся, а остальных — ко много. Итог процедуры кросс-табуляции приведен в табл.3.

Таблица 3. Пол и использование Internet

использование интернет	пол	итого
мужчины	женщины
Мало (1)
Много(2)
итого

Кросс-табуляция предусматривает создание ячейки для каждой комбинации категорий двух переменных. Число в каждой ячейке показывает количество респондентов, давших эту комбинацию ответов. В табл. 3 видим, что 10 респондентов, ответивших, что они мало используют Internet — женщины. Итоговые значения таблицы показывают, что из 30 респондентов с достоверными ответами по обеим переменным 15 человек ответили, что они мало используют Internet, a 15 — много. Что касается пола, то 15 респондентов оказались женщинами, а 15 — мужчинами. Обратите внимание, что эту информацию можно было бы получить из отдельного распределения частот для каждой переменной.

Рассматриваемые данные должны быть качественными или категориальными, поскольку предполагается, что каждая переменная должна измеряться только по номинальной шкале. Таблицами сопряженности широко пользуются при проведении прикладных маркетинговых исследований.

Мы рассмотрим построение таблиц сопряженности для двух и трех переменных.

Кросс-табуляцию с двумя переменными можно рассматривать как двумерную. Сначала рассмотрим кросс-табуляцию данных, касающихся пола и использования Internet, представленную в табл. 3. Связано ли использование Internet с полом? Это можно выяснить из табл. 3. Мы видим, что непропорционально большое количество респондентов, проводяших много времени в Internet, — мужчины. Лучше понять этот вопрос поможет процентное вычисление.

Исходя из того, что обе переменные подвергаются процедуре кросс-табуляции, мы можем посчитать проценты применительно к колонке (табл. 4) либо к строке (табл. 5).

Таблица 4. Использование Internet в зависимости от пола

Пользование интернет	пол
мужчины	женщины
Мало	33,3%	66,7%
Много	66,7%	33,3%
итого	100%	100%

Таблица 5. Пол человека в зависимости от использования Internet

Пол	Использование интернет
мало	много	Итого
Мужчины	33,3%	66,7%	100%
женщины	66,7%	33,3%	100%

Какая из этих двух таблиц полезнее? Ответ на данный вопрос зависит от того, какая переменная рассматривается как независимая, а какая как зависимая. Общее правило, которое необходимо соблюдать, гласит — проценты необходимо вычислять для каждой категории независимой переменной (так, чтобы суммарное значение категорий зависимой переменной применительно к каждой категории независимой переменной давало 100%). В нашем анализе пол можно рассматривать как независимую переменную, использование Internet — как зависимую, а правильный способ вычисления процентов показан в табл. 4. Заметим, что мужчины больше используют Internet, чем женщины. Это видно из того, что 66,7%, активно пользующихся Internet, составляют мужчины, тогда как на долю женщин в этой категории приходится всего лишь 33,3%.

Вычисление процентов в направлении зависимой переменной через независимую, как показано в табл. 5, бессмысленно. Табл. 5 подразумевает, что интенсивное пользование Internet — причина того, что такими людьми являются мужчины. Это последнее утверждение неправдоподобно. Однако, возможно, что связь между пользованием Internet и полом человека опосредована третьей переменной, например возрастом или доходом. Поэтому необходимо проверить влияние третьей переменной.

Дата добавления: 2014-01-20