Статистической корректировки данных

Процедуры статистической корректировки данных включают взвешивание, переопределение переменной и преобразования шкалы. Все эти корректировки необязательны, но, применяя их, можно значительно повысить качество анализа.

Процедуры взвешивания, переопределения переменных и преобразования шкал.

При взвешивании (weighting) каждому наблюдению или респонденту в базе данных присваивается весовой коэффициент, отображающий степень его значимости по сравнению с другими наблюдениями или респондентами.

Взвешивание (weighting)

Метод статистической корректировки данных, при котором каждому наблюдению или респонденту в базе данных присваивается весовой коэффициент, отображающий степень его значимости по сравнению с другими наблюдениями или респондентами.

Значение 1,0 применяется для обозначения наблюдения с отсутствием весового коэффициента. Цель взвешивания заключается в том, чтобы увеличить либо уменьшить в выборке количество наблюдений с определенными характеристиками (в теме -- обсуждалось использование метода взвешивания для корректировки ситуаций с отказом отвечать на вопросы).

Взвешивание чаще всего применяется для того, чтобы выборочные данные максимально точно представляли конкретные характеристики генеральной совокупности. Например, оно может использоваться, чтобы повысить значимость наблюдений или респондентов, по которым были собраны данные более высокого качества, чем по другим. Существует еще одно применение взвешивания, которое заключается в корректировке выборки с тем, чтобы повысить значимость ответов респондентов с определенными признаками. Если проводится опрос для определения, какие изменения стоит вносить в существующую продукцию, исследователь может принять решение присвоить больший весовой коэффициент ответам респондентов, которые пользуются данным товаром чаще других. Этого можно достичь присвоением весового коэффициента 3,0 тем покупателям, которые покупают исследуемую продукцию чаще всех, коэффициента 2,0 — тем, кто пользуется ею в средних пределах, и 1,0 • — тем, кто приобретает этот товар редко либо не пользуется им никогда. Метод взвешивания следует применять с огромной осторожностью, поскольку это разрушает саму природу самовзвешиваемости любого выборочного обследования. Если исследователь все же решил воспользоваться данным методом, он должен тщательно задокументировать всю процедуру взвешивания и составить соответствующую часть отчета по проекту.

Процедура переопределения переменной (variable respecification) заключается в преобразовании данных для создания новых переменных либо изменения существующих.

Цель переопределения состоит в создании 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. Кроме того, исследователь может разработать индекс информационного поиска (Index of Information Search— IIS), представляющий собой сумму информации, которую клиенты стремятся получить от дилеров, менеджеров по продвижению товаров на рынке и из независимых источников. Можно воспользоваться коэффициентом соотношения переменных. Если, например, соизмеряется количество покупок в универмаге (А",) и количество покупок в кредит (Х2), доля покупок в кредит может стать новой переменной после вычисления соотношения двух исходных переменных (Х,/Х2). Другими способами переопределения переменной являются извлечение квадратного корня и логарифмические преобразования, которые часто применяются, чтобы точнее "подогнать" оцениваемую модель к основным задачам исследования.

Преобразование шкалы (scale transformation) заключается в манипулировании значениями шкалы с тем, чтобы сравнивать ее с другими шкалами либо как-то иначе преобразовывать данные и делать их подходящими для анализа.

Часто для измерения разных переменных используются разные шкалы.

Краткая характеристика типов шкалы переменных:

1. Номинальные переменные (Nominal) могут принимать дискретные, не связан­ные друг с другом значения. Вопросы анкеты, кодируемые номинальными пе­ременными, могут быть как закрытыми (с вариантами ответов), так и открыты­ми (с текстовым полем вместо прямого указания вариантов ответа). Например, вопрос анкеты Каких производителей мясных полуфабрикатов Вы знаете? с вариан­тами ответа Царицыно, Черкизовский, Браво и Другое будет закодирован в базе данных SPSS номинальной переменной, так как между вариантами ответа на данный вопрос не существует логического порядка, это просто названия ком­паний-производителей.

2. Особое место среди номинальных переменных занимают переменные, являю­щиеся вариантами ответа на многовариантные вопросы или имеющие только два варианта ответа. Тип шкалы данных переменных называется дихотомиче­ским (Dichotomous). Данным переменным в SPSS отводится особая роль, так как их варианты ответа могут рассматриваться в статистических процедурах как вероятность выбора одной категории или не выбора другой. В качестве вопросов анкеты дихотомические переменные могут кодировать как открытые, так и закрытые вопросы. Фиктивные переменные (dummy variables) часто также называют двоичными, дихотомическими, инструментальными или качественными. Это переменные, которые могут принимать только два значения, например, 0 или 1.

3. Порядковые переменные (Ordinal) кодируют такие закрытые вопросы, вари­анты ответа на которые подчиняются логическому числовому порядку. То есть варианты ответа на такие вопросы представляют собой связанные между собой группы значений. Например, вопрос Как часто Вы покупаете мясные полуфабрика­ты? с вариантами ответа: Чаще раза в неделю, Примерно раз в неделю и Реже раза в неделю — кодируется переменной с порядковой шкалой.

4. Интервальными (Scale) являются переменные, не имеющие выделенных кате­горий. Они содержат числовые данные (например, номер анкеты в базе дан­ных) и кодируют чаще всего открытые вопросы. Интервальные переменные (или другие типы переменных, приводимые к интервальному виду) используются практически во всех статистических процедурах. Они являются основным ре­сурсом для SPSS.

В категориальном методе при кодировке сначала определяется максимальное количество ответов. Затем образовывается такое же количество переменных.

С целью изучения особенностей этого метода, мы рассмотрим следующий пример: закодируем вопрос vl: "Как Вы проводите выходные дни?" не дихотомически, а категориально. В этом случае мы сначала подсчитываем максимальное количество отмеченных ответов. Мы исходим, например, из того, что каждый из респондентов отметил не более шести предлагаемых вариантов ответа. Тогда мы образовываем шесть переменных. Эти переменные имеют следующие метки значений: 1 — Просмотр телепередач, 2 — Общение с друзьями, 3 — Приглашаю к себе гостей, 4 — Хобби и т.д. В отличие от дихотомического метода мы обойдёмся меньшим количеством переменных, хотя они и не дихотомические, а имеют более двух категорий. Категориальный метод кодировки применяется прежде всего тогда, когда заранее задано максимальное число возможных ответов. В категориальном методе необходимо сначала определить набор множественных ответов. Категориальными переменными являются переменные, относящиеся к номинальной или порядковой шкале.

Дата добавления: 2014-01-07