КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Этап. Статистическая корректировка данных
Этап. Табулирование данных. Если возврат невозможен, то - самостоятельно присвоить пропущенные данные. Рекомендуется в случаях: если количество респондентов, ответы которых признаны неудовлетворительными, невелико; доля ответов неудовлетворительного качества в ответах каждого респондента незначительна; некорректные ответы даны на неосновные вопросы; - исключить анкеты респондентов, содержащих ответы неудовлетворительного качества. Данный способ эффективен в случаях если: =доля анкет, имеющих некорректные ответы не велика (меньше 10%); = значителен объём выборки; = «неудовлетворительные» респонденты по личностным характеристикам явно не отличаются от тех, кто ответственно подошел к заполнению анкет (например, по демографическим признакам); = пропущены ответы на основные вопросы. В целом, этот подход используют в случаях, когда исследователю не нужна высокая точность данных. 3 этап. Кодирование данных. Процедура кодирования заключается в присвоении кода, обычно цифрового, конкретному вопросу и варианту ответа на конкретный вопрос. Кодирование необходимо для того, чтобы удобнее было вводить данные для анализа и хранить их в файлах. Если анкета содержит структурированные вопросы, то их кодируют заранее (до полевых работ), если неструктурированные, то они кодируются в процессе обработки и затем вводятся в компьютер. Структурированные вопросы (вопросы с несколькими вариантами ответа), респондент должен выбрать один или несколько ответов из предложенного списка. Табулирование – это распределение закодированных данных на полях кодировочной таблицы и подсчет данных, которые попадают в различные категории (ячейки ответов на вопросы).
Столбцы матрицы содержат, как правило, ответы на различные вопросы анкеты, а ряды – респондентов. Табулирование помогает исследователю понять, как распределяются ответы респондентов на поставленные вопросы. Соединение в одной таблице (матрице) данных по двум и более характеристикам опрашиваемых называют перекрестной табуляцией. Это процедура обработки, повышающая пригодность данных для анализа, чтобы они точнее соответствовали целям исследования. Статистическая корректировка включает: присвоение весов, переопределение данных и преобразование шкал. Все эти корректировки необязательны, но, применяя их, можно значительно повысить качество анализа. = Присвоение весов (взвешивание) – это процедура, в ходе которой каждому респонденту или наблюдению (параметру) присваивается весовой коэффициент в соответствии со степенью значимости по сравнению с другими респондентами или наблюдениями. Взвешивание используется для того, чтобы сделать данные по выборке более репрезентативными по некоторым характеристикам: - категориям потребителей, которые недостаточно представлены в выборке, присваивается больший вес, чем тем, кто оказался в большинстве; - для придания большей важности ответам респондентов с определенными характеристиками. Например, при изучении удовлетворенности клиентов качеством обслуживания можно присвоить больший вес мнениям тех, кто часто посещает магазин и т.д. = Переопределение данных. Цель – создание переменных, максимально отвечающих основным задачам исследования. Предположим, что изначальной переменной был показатель использования продукции по 10 категориям ответов. Их можно сократить до четырех категорий: пользуюсь часто, средне, редко или никогда. = Преобразование шкалы заключается в манипулировании значениями шкалы с тем, чтобы сравнивать её с другими шкалами либо как-то иначе преобразовывать данные и делать их подходящими для анализа.
Для измерения разных переменных используются разные шкалы (самостоятельно). Все эти корректировки необязательны, но, применяя их, можно значительно повысить качество анализа.
Дата добавления: 2015-05-26; Просмотров: 681; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |