Badania marketingowe 2016_12. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski

Transkrypt

1 Badania marketingowe 2016_12 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski

2 Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja oraz analiza i ocena źródeł informacji marketingowej 3. Konceptualizacja, operacjonalizacja i pomiar 4. Logika doboru próby 5. Dane wtórne oraz ich wykorzystanie 6. Dane syndykatywne 7. Badania jakościowe 8. Obserwacja jako metoda badawcza 9. Badania sondażowe 10.Metody eksperymentalne 11.Podstawy analizy danych 12.Elementy statystyki opisowej 13.Model analizy rozbudowanej 14.Wnioskowanie statystyczne 15.Prezentacja danych i raport z badań

3 Agenda Ogólna charakterystyka statystyki opisowej Analiza jednozmiennowa Tendencja centralna oraz rozproszenie Zmienne ciągłe i dyskretne Porównywanie podgrup oraz łączenie kategorii odpowiedzi Kategoria nie wiem Analiza dwuzmiennowa i wielozmiennowa Korelacja, związki przyczynowe i pozorne zależności przyczynowe

4 Ogólna charakterystyka analizy ilościowej Analiza ilościowa służy do przedstawienia danych ilościowych w syntetycznej formie. Analiza ilościowa może być opisowa lub wyjaśniająca. Czasami chcemy opisać jedną zmienną, czasami zaś chcemy opisać związek łączący jedną zmienną z inną. Analiza jednozmiennowa to najprostsza forma analizy ilościowej. Polega ona na opisywaniu przypadku w kategoriach jednej zmiennej, ze szczególnym uwzględnieniem rozkładu tej wartości. Analiza jednoczesnych powiązań pomiędzy wiekiem, wykształceniem, a poglądami politycznymi (ekonomicznymi, w kwestiach obyczajowych etc.) to przykład analizy wielozmiennowej. Celem analizy jednozmiennej jest opis. Analiza dwu i wielozmienna służy przede wszystkim wyjaśnianiu.

5 Uczestnictwo w mszach i nabożeństwach według GSS Uczestnictwo Wartość Częstość Procent Procent ważnych Procent skumulowany Nigdy ,9 15,1 15,4 Rzadziej niż 1 raz do roku 1 lub 2 razy do roku ,3 9,4 25, ,0 12,1 36,6 Kilka razy do roku ,9 13,1 49,7 Raz w miesiącu ,6 5,7 55,4 2 lub 3 razy w miesiącu ,1 9,2 64,5 Prawie co tydzień ,6 7,7 72,2 Co tydzień ,6 19,8 92,0 Kilka razy w tygodniu lub częściej Nie wiem oraz brak odpowiedzi ,9 8,0 100, ,1 brak Ogółem ,0 100,0 Ważnych 1483

6 Tendencja centralna trzy zmienne Wiek Liczba Wartość 13 * * * 14 * * * * 15 * * * * * * średnia arytmetyczna = 15,87 16 * * * * * * * * modalna (dominanta) 17 * * * * 18 * * * 19 * * * mediana = wartość środkowa = 16,31 14 jednostek

7 Rozproszenie Rozproszenie odnosi się do rozkładu wartości wokół pewnej wartości centralnej, takiej jak średnia arytmetyczna. Miary rozproszenia: Odstęp, czyli różnica pomiędzy najwyższą a najniższą wartością Odchylenie standardowe, czyli błąd standardowy rozkładu z próby Zakres międzykwartylowy, czyli zakres wyników dla środkowych 50% badanych.

8 Zmienne ciągłe i dyskretne Zmienna ciągła czyli ilorazowa na przykład waga lub wiek. Zmienna dyskretna czyli skokowa na przykład rok studiów. Możliwe obliczenia: Zmienne nominalne modalna (dominanta) Zmienne interwałowe mediana Zmienne ilorazowe średnia arytmetyczna

9 Porównywanie podgrup mediana zarobków pełnoetatowych pracowników cywilnych z uwzględnieniem płci USA Rok Kobiety Mężczyźni Stosunek K:M , , , , , , , , , , ,58

10 Porównywanie podgrup mediana zarobków pełnoetatowych pracowników cywilnych z uwzględnieniem płci USA Rok Stosunek K:M , , , ,76

11 Płeć, czas trwania stosunku pracy a zarobki pracowników stawka godzinowa w USA Na Staż pracy Przeciętna stawka godzinowa w USD Stosunek K:M Mężczyźni Kobiety Poniżej 2 lat Od 2 do 4 lat Od 5 lat do 9 lat 10 lat i więcej 8,46 6,03 0,71 9,38 6,78 0,72 10,42 7,56 0,73 12,38 7,91 0,64

12 Łączenie kategorii odpowiedzi Jak ONZ radzi sobie z rozwiązywaniem problemów, wobec których staje? Kategoria Niemcy W. Brytania Francja Japonia USA Bardzo dobrze 2% 7% 2% 1% 5% Dobrze 46% 39% 45% 11% 46% Źle 21% 28% 22% 43% 27% Bardzo źle 6% 9% 3% 5% 13% Nie wiem 26% 17% 28% 41% 10%

13 Łączenie kategorii odpowiedzi Jak ONZ radzi sobie z rozwiązywaniem problemów, wobec których staje? Łączenie skrajnych odpowiedzi. Kategoria Niemcy W. Brytania Francja Japonia USA Bardzo dobrze lub dobrze Źle lub bardzo źle Nie wiem 48% 46% 47% 12% 51% 27% 37% 25% 48% 40% 25% 17% 28% 40% 9%

14 Łączenie kategorii odpowiedzi Jak ONZ radzi sobie z rozwiązywaniem problemów, wobec których staje? Pominięcie odpowiedzi nie wiem. Kategoria Niemcy W. Brytania Francja Japonia USA Bardzo dobrze lub dobrze Źle lub bardzo źle 65% 55% 65% 20% 57% 35% 45% 35% 80% 43%

15 Analiza dwuzmiennowa Uczestniczenie w mszach i nabożeństwach mężczyzn i kobiet w 1966 roku USA Mężczyźni Kobiety Co tydzień 25% 34% Rzadziej 75% 66% Liczebność

16 Wprowadzenie do analizy wielozmiennowej Zależność wielozmianowa: uczestniczenie w mszach i nabożeństwach, płeć i wiek Jak często uczestniczysz w mszach i nabożeństwach? Poniżej 40 lat 40 lat i więcej Mężczyźni Kobiety Mężczyźni Kobiety Co tydzień 24% 32% 33% 48% Rzadziej 76% 68% 67% 52% 100% = (325) (383) (323) (452)

17 Wprowadzenie do analizy wielozmiennowej Odsetek osób uczestniczących we mszach i w nabożeństwach mniej więcej co tydzień Jak często uczestniczysz w mszach i nabożeństwach? Mężczyźni Kobiety Poniżej 40 lat 24% (325) 52% (383) 40 lat i więcej 33% (323) 48% (452)

18 Dwa modele wyjaśniania przyczynowości Wyjaśnienie idiograficzne uprzedzeń społecznych Nieznośny lokator (sąsiad) Wpływ telewizji Internet Lektury Przekazy rodzinne Odrzucenie przez dziewczynę (chłopaka) Konkurencja na rynku pracy Niska samoocena Inne jakie?... Bardzo wiele czynników może wyjaśniać uprzedzenia społeczne.

19 Dwa modele wyjaśniania przyczynowości Wyjaśnienie monotetyczne uprzedzeń społecznych Staramy się wyjaśnić uprzedzenia społeczne jedną przyczyną. Wykształceni Niewykształceni Tolerancyjni * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * Uprzedzeni * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *

20 Korelacja oraz związki przyczynowe Dodatnia korelacja Wyższy poziom wykształcenia wiąże się z możliwością uzyskania wyższych zarobków i odwrotnie. WYKSZTAŁCENIE WYKSZTAŁCENIE POTENCJALNE DOCHODY POTENCJALNE DOCHODY Wyższy poziom wykształcenia jest przyczyną możliwości uzyskania wyższych dochodów.

21 Korelacja oraz związki przyczynowe Ujemna (odwrotna) korelacja Wyższy poziom wykształcenia wiąże się z niższym poziomem uprzedzeń i odwrotnie. WYKSZTAŁCENIE WYKSZTAŁCENIE UPRZEDZENIA UPRZEDZENIA Wyższy poziom wykształcenia jest przyczyną zmniejszenia poziomu uprzedzeń.

22 Korelacja oraz pozorne zależności przyczynowe Zaobserwowana dodatnia korelacja ROZMIARY OBUWIA ROZMIARY OBUWIA UMIEJĘTNOŚCI MATEMATYCZNE UMIEJĘTNOŚCI MATEMATYCZNE Ani większy rozmiar obuwia nie jest przyczyną większych umiejętności matematycznych, ani większe umiejętności matematyczne nie powodują potrzeby zmiany rozmiarów obuwia.

23 Korelacja oraz pozorne zależności przyczynowe Rzeczywiste zależności przyczynowe Zmienna wieku jest przyczyną zarówno większego rozmiaru obuwia, jak i wyższych umiejętności matematycznych, a więc leży u podstaw zaobserwowanej korelacji i wyjaśnia ją. Wiek Rozmiar obuwia Umiejętności matematyczne

24 Przyczyny konieczne i wystarczające Przyczyna konieczna oznacza warunek, który musi być spełniony, aby nastąpił określony skutek. Mężczyźni Kobiety w ciąży * * * * * * * * * * * * * * * * * Przyczyna konieczna nie w ciąży * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *

25 Zalecana literatura 1. Babbit, E. (2003). Badania społeczne w praktyce, Wydawnictwo Naukowe PWN, Warszawa. 2. Bielecka, A. (2011). Statystyka dla menedżerów, Oficyna a Wolters Kluwer business, Warszawa. 3. Francuz, P., Mackiewicz, R. (2007). Liczby nie wiedzą skąd przychodzą. Przewodnik po metodologii i statystyce nie tylko dla psychologów, KUL, Lublin.