Badania rynkowe 2016_4 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja oraz analiza problemu badawczego 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 ilościowej 12. Model analizy rozbudowanej 13. Elementy statystyki opisowej 14. Wnioskowanie statystyczne 15. Prezentacja danych i raport z badań
Agenda Populacja a próba badawcza Cechy dobrej próby badawczej Proces doboru próby badawczej Błędy procedury doboru jednostek z populacji do próby Wybór metody doboru próby Optymalna liczebność próby
Populacja a próba badawcza Populacja badana jest to skończona zbiorowość, o której prowadzący badania chce uzyskać dane. Próbkowanie - dobór elementów z populacji w celu wyprowadzenia na podstawie cech próby charakterystyk właściwych dla populacji.
Badania wyczerpujące (kompletne) i reprezentatywne W przypadku badań empirycznych związanych ze zbieraniem danych pierwotnych lub syndykatowych jedną z najważniejszych decyzji jest określenie próby badawczej. Decyzja ta decyduje o stopniu wiarygodności całych badań. Jedynie w nielicznych badaniach empirycznych możliwe jest i celowe przeprowadzenie badań na całej populacji.
Badania wyczerpujące (kompletne) i reprezentatywne Sytuacja taka występuję np. przy badaniu rynków inwestycyjno-zaopatrzeniowych, gdzie mamy do czynienia z ograniczoną liczbą elementów populacji generalnej np. przedsiębiorstwa produkujące nawozy sztuczne. W takich przypadkach należałoby przeprowadzić tak zwane badania wyczerpujące. Najczęściej jednak badania mają charakter niewyczerpujący, tzn. istnieje konieczność doboru elementów próby badawczej z populacji generalnej.
Cechy dobrej próby badawczej 1. Reprezentatywna dla danej populacji generalnej 2. Dokładna tzn. nieobciążona błędem 3. Precyzyjna tzn. wiarygodna czyli błąd statystyczny jest mały 4. Efektywna kosztowo 5. Efektywna ze względu na poziom precyzji (próba najmniejsza z możliwych)
Proces doboru próby badawczej Określenie populacji generalnej Wyznaczenie operatu losowania Ustalenie jednostki próby Wybór metody doboru próby Określenie wielkości próby Zaplanowanie i pobranie próby
Błędy procedury doboru jednostek z populacji do próby Lp. Etap procedury badawczej Rodzaj błędu 1. Określenie populacji badanej Błąd doboru populacji 2. Sporządzenie wykazu populacji Błąd niewłaściwego wykazu populacji 3. Dobór próby Błędna metoda doboru próby 4. Wyznaczenie wielkości oraz struktury próby Zbyt mała wielkość i niewłaściwa struktura próby 5. Dobór próby Błędne zastosowanie metody doboru próby
Określenie populacji generalnej Podróżni przechodzący przez międzynarodowy dworzec lotniczy i dokonujący zakupów w sklepie wolnocłowym, w związku z tym chcemy poznać ich opinię nt. funkcjonowania sklepu Kierownicy aptek Głowa gospodarstwa domowego Dyrektorzy Działów Sprzedaży (Handlowych) polskich firm z branży FMCG Studenci Wydziału Zarządzania UW
Wyznaczenie operatu losowania (wykaz populacji generalnej) Wykazem (operatem) badanej populacji nazywa się zbiór elementów populacji generalnej odwzorowany na określonej liście, z której dobiera się próbę. Do sporządzenia takiej listy wykorzystuje się różnorodne źródła danych wtórnych: Księgi adresowe Książki telefoniczne Dane z rejestru handlowego firm Listy wyborców Katalogi branżowe firm (np. KOMPASS) Komputerowe bazy danych Rejestry sądowe REGON USOS
Wyznaczenie operatu losowania (wykaz populacji generalnej) 1. Odpowiedniość: wykaz powinien wiernie odzwierciedlać badaną populację z uwzględnieniem jej aktualności. 2. Kompletność: wykaz powinien zawierać wszystkie jednostki badanej populacji. 3. Wyłączność: każdy element badanej populacji powinien występować w wykazie tylko jeden raz 4. Dokładność: wykaz nie może zawierać jednostek nieistniejących lub nienależących do badanej populacji. 5. Dogodność: wykaz powinien być ponumerowany i dostępny w jednym miejscu.
Ustalenie jednostki próby Jednostka próby to element populacji generalnej Rodzina Gospodarstwo domowe Pracownicy określonej firmy lub ich część Produkty Obiekty mieszkalne (handlowe) etc.
Techniki doboru jednostek badawczych do próby Nielosowe Losowe
Sposób doboru jednostek do próby Dobór losowy Dobór nielosowy Nieograniczony Losowanie bezpośrednie Dobór wygodny Ograniczony Losowanie systematyczne Losowanie warstwowe proporcjonalne nieproporcjonalne Losowanie wielostopniowe Dobór celowy Dobór kwotowy Dobór przez wskazanie Dobór przypadkowy
Metody doboru nielosowego są to subiektywne procedury w przypadku, których nie jest znane prawdopodobieństwo doboru jednostki do próby badawczej. Stosowane przede wszystkim w przypadku badań jakościowych. Są one mniej kosztowne i czasochłonne niż dobór losowy. Główne techniki doboru nielosowego to: Dobór wygodny Dobór osądowy czyli celowy Dobór kwotowy Dobór przez wskazanie
Dobór nielosowy Dobór wygodny Dobór osądowy (celowy) Dobór kwotowy Dobór przez wskazanie
Dobór wygodny polega na wyborze do próby badawczej jednostek, do których badacz może w najłatwiejszy i najszybszy sposób dotrzeć. Przykładem tego rodzaju metody doboru elementów do próby mogą być osoby, które są proszone na ulicy, w parku, w centrum handlowym, itd. o udzielenie odpowiedzi na kilka pytań na temat ważnego wydarzenia kulturalnego np. Festiwalu Chopinowskiego. Dobry sposób doboru respondentów do badań wstępnych.
Dobór wygodny Zalety: Prostota Niskie koszty Oszczędność czasu Brak konieczności dysponowania wykazem populacji generalnej Wady: Brak możliwości generalizowania wyników badania na populację generalną Problemy z ustaleniem wielkości próby Wielkość i rodzaj błędu (systematycznego) nieznane Łatwość w manipulowaniu wynikami badań
Dobór celowy w tym przypadku typ i struktura próby badawczej jednostek wynika z zakładanych celów badań, stad też elementami próby badawczej są te obiekty, które według badacza odpowiadają celom badań.
Dobór celowy Na przykład H.J.Heinz może w oparciu o tak skonstruowana próbę przeprowadzić badania związane z prognozowaniem sprzedaży dla odbiorców instytucjonalnych. Heinz może poprosić kilkunastu największych odbiorców instytucjonalnych (np. Mc Donalds, Burger King, etc.) o określenie ile ketchupu zamierzają kupić w nadchodzącym roku. Dzięki czemu firma uzyska dokładną informacje o zakupach swoich największych klientów, którzy stanowią znaczną część sprzedaży w segmencie fast-food rynku ketchupu.
Dobór celowy Dobra metoda doboru do przeprowadzenia badań eksperckich np. intensywni użytkownicy produktu, liderzy opinii, menedżerowie itp..
Dobór celowy Zalety: Niskie koszty Oszczędność czasu W pewnych sytuacjach istnieje możliwość generalizowania wyników Brak konieczności dysponowania wykazem populacji generalnej Duża przydatność w badaniach jakościowych Wady: Trudności z odpowiednią selekcją elementów na przykład ekspertów Niewielka wiarygodność statystyczna Problemy z ustaleniem wielkości próby badawczej
Dobór kwotowy polega na wyborze do próby elementów bazując na określonych parametrach (np. wiek, płeć, zawód, poziom dochodu), w taki sposób aby utrzymać strukturę populacji generalnej z punktu widzenia tych parametrów. Dobór kwotowy jest jedną z najczęściej stosowanych metod doboru elementów do próby badawczej w przypadku badań marketingowych. Na przykład Zakłady Piwowarskie prowadzące badania zachowań nabywców na rynku mogą posłużyć się taką metodą do doboru elementów do próby. Wówczas populację można podzielić na 8 grup z punktu widzenia 3 cech: Wiek ( młodzi / starzy ), płeć (kobiety/mężczyźni), dochody (niskie i wysokie).
Płeć Młodzi i Młodzi i Starzy i Starzy i niskie wysokie niskie wysokie dochody dochody dochody dochody Kobiety Mężczyźni
Dobór kwotowy Wymaga zdefiniowania podgrup (kwot) w populacji Oznacza nielosowy dobór jednostek z każdej podgrupy Pozwala na kontrolę częstotliwości występowania jednostek w próbie Ograniczona reprezentatywność doboru jednostek z populacji Metoda efektywna kosztowo Często stosowana w kombinacji z innymi metodami
Dobór kwotowy Zalety: Metoda łatwiejsza do realizacji niż losowanie warstwowe Daje możliwość scharakteryzowania badanej populacji przy pomocy większej liczby cech Uzyskujemy większy stopień reprezentatywności niż w przypadku doboru wygodnego i celowego Brak konieczności dysponowania wykazem populacji generalnej Wady: Niewielka wiarygodność statystyczna niż w przypadku metod losowych Zwiększenie liczby cech opisujących badaną populację prowadzi do podwyższenia kosztów doboru elementów do próby badawczej
Dobór przez wskazanie : Kolejni respondenci mogą, na prośbę prowadzącego badania, wskazać (sugerować) jednostki, które należałoby uwzględnić w dalszych badaniach. Ten sposób doboru respondentów często znajduje zastosowanie w tzw. badaniach eksperckich.
Metody doboru losowego są to obiektywne procedury w przypadku, których jest znane prawdopodobieństwo doboru każdej jednostki do próby badawczej. Stosowane głównie w badaniach ilościowych, dają większą wiarygodność statystyczną niż dobór nielosowy. Główne techniki doboru losowego to: Losowanie bezpośrednie Losowanie systematyczne Losowanie warstwowe Losowanie wielostopniowe (grupowe)
Dobór losowy Dobór prosty losowy Dobór systematyczny Losowanie warstwowe Losowanie proporcjonalne Losowanie nieproporcjonalne Losowanie wielostopniowe Losowanie 1 - etapowe Losowanie n -etapowe
Losowanie bezpośrednie polega na wylosowaniu elementów z kompletnego wykazu elementów badanych przy zachowaniu równego prawdopodobieństwa wyboru każdego elementu do próby badawczej. Rozwiązanie to wymaga stworzenia pełnej listy wszystkich możliwości dla danej sytuacji badawczej. W przypadku, gdy wybieramy jedynie 2 placówki handlowe z 40, to wówczas liczba możliwych kombinacji wynosi aż 780. Dlatego też, dla większych prób badawczych używa się czterocyfrowych liczb losowych.
Losowanie bezpośrednie Zalety: Możliwość określenia optymalnej próby badawczej Możliwość wyznaczenia stopnia wiarygodności badania Każdy element ma takie samo prawdopodobieństwo wejścia do próby badawczej Wady: Czasochłonność związana z koniecznością stworzenia pełnej listy możliwości dla danej sytuacji badawczej Konieczność dysponowania kompletną listą badanych jednostek Nie uwzględnia to losowanie zróżnicowania w populacji badanej
Losowanie systematyczne jest metodą prostszą od losowania bezpośredniego. Polega na wyborze elementów, które zajmują określoną pozycję w wykazie badanej populacji. Na przykład losowanie do próby n= 30 sklepów z 180 elementowego wykazu (N), wymaga podziału wykazu na 30 równych interwałów (k), gdzie k = N/n = 180/30 = 6. Z pierwszego interwału wybiera się losowo jakikolwiek numer, a każdy następny co k. Jeżeli zostanie wylosowana jednostka o numerze 6, to kolejnymi jednostkami będą 11,17,23,29, itd..
Losowanie systematyczne Zalety: Szybkość przeprowadzenia badań Łatwość w ustaleniu optymalnej wielkości próby badawczej Wady: Wybór tylko 1 jednostki jest losowy, co zmniejsza wiarygodność tej metody losowania Konieczność dysponowania pełną listą badanych jednostek Metoda ta nie uwzględnia zróżnicowania badanej populacji
Losowanie warstwowe polega na podziale badanej populacji na części, o wysokim stopniu jednorodności, a następnie przeprowadzeniu losowania bezpośredniego lub systematycznego w każdej z tych części (warstwie). Można wyróżnić dwie odmiany tej metody. W pierwszym przypadku, wielkość poszczególnych warstw jest proporcjonalna do wielkości warstw w populacji badawczej.
Losowanie warstwowe Na przykład, gdy chcemy określić postawę studentów studiów dziennych do Wydziału Zarządzania populację badawczą możemy podzielić na 5 części w zależności od roku studiów. Następnie do próby należy wylosować w sposób bezpośredni taką ilość studentów z każdego roku, aby uzyskać proporcje zgodne z sytuacją w populacji generalnej. Druga odmiana tej metody różni się tym, że ilość elementów w danej warstwie jest określana przez jej stopień zróżnicowania lub jej znaczenie. Na przykład firma Nielsen Research Co. Używa tej metody przy tworzeniu próby badawczej dla paneli punktów sprzedaży detalicznej.
Losowanie warstwowe Zalety: Uwzględnia zróżnicowanie elementów w badanej populacji Możliwość precyzyjnego określenia liczebności próby Pozwala wyznaczyć stopień wiarygodności badania Precyzyjniejsze wyniki badań niż w przypadku losowania bezpośredniego i systematycznego Wady: Wymagana znajomość struktury populacji badanej Większa czasochłonność i wyższe koszty badania niż w przypadku losowania bezpośredniego i systematycznego Konieczność dysponowania kompletną listą badanych jednostek
Losowanie wielostopniowe polega na podziale całej zbiorowości na wyłączne części. Następnie wybieramy, za pomocą losowania bezpośredniego, jedną z tych części i w kolejnym kroku przeprowadzamy losowanie bezpośrednie lub warstwowe w wylosowanej części. Najistotniejszym etapem w tej metodzie jest wyodrębnienie części mających wysoki poziom zróżnicowania wewnętrznego odpowiadającego zróżnicowaniu w populacji generalnej.
Losowanie wielostopniowe Na przykład producent wody mineralnej chce zbadać preferencje nabywców na terenie Warszawy. W pierwszym kroku losuje jedną z dzielnic, następnie 2 lub 3 osiedla mieszkaniowe znajdujące się w obrębie dzielnicy, następnie zaś ulicę (blok). W drugim kroku przygotowuje listę wszystkich mieszkańców i następnie poprzez losowanie bezpośrednie tworzy próbę (podpróbę) badawczą.
Losowanie wielostopniowe Zalety: Brak konieczności dysponowania listą wszystkich elementów tworzących populację badaną Uwzględnione zostaje zróżnicowanie populacji generalnej Optymalizacja kosztów badania Wady: Relatywnie niski poziom wiarygodności statystycznej wyników Problemy z ustaleniem liczebności próby Konieczność znajomości struktury populacji generalnej
Determinanty liczebności próby badawczej Procedury doboru próby Stopnia jednorodności populacji generalnej Zwyczajów firmy Dostępnych środków finansowych Czasu przeznaczonego na przeprowadzenie badań Dokładność estymacji
Determinanty liczebności próby badawczej Określenie odpowiedniej liczebności próby losowej wiąże się głównie z dwoma rodzajami błędów, czyli z błędami losowania oraz z błędami estymacji szacowania wybranych parametrów populacji. Wzrost liczebności próby polepsza precyzję estymatora, ale zwiększa zarazem koszty badania.
Determinanty liczebności próby badawczej Podstawowe pytania: 1. Jak dokładna ma być estymacja, czyli jaki dopuszczalny błąd można przyjąć; 2. Jaki ma poziom ufności należy przyjąć, aby nie przekroczyć przyjętego błędu szacunku danego parametru; 3. Jakie jest odchylenie standardowe lub jakie są proporcje badanej populacji.
Determinanty liczebności próby badawczej Odpowiedź na 1 i 2 pytanie jest arbitralna. Wyznaczamy ją sami na podstawie dostępnych danych oraz po zapoznaniu się z opiniami kompetentnych osób Sędziowie kompetentni. Ogólnie wiadomo, że jeżeli badanie ma być dokładne, błąd szacunku (e) powinien się mieścić w granicach +/-2%.
Oszacowanie liczebności próby przypadek A Szacowana jest nieznana wartość parametru populacji w postaci średniej podstawie wyników pomiaru próby n-elementowej. Przy danym poziomie ufności 1- & dopuszczalny błąd szacunku średniej M nie powinien przekroczyć z góry określonej wartości e. 2 2 n= Z& q 2 Z& - wielokrotność standardowego błędu średniej odczytana z tablic dla 1 - & e ustalony wcześniej dopuszczalny błąd szacunku parametru M.
Oszacowanie liczebności próby przypadek B Szacowana jest nieznana wartość parametru populacji p. Przy danym poziomie ufności 1- & dopuszczalny błąd szacunku proporcji p w populacji nie powinien przekroczyć określonej wartości e. 2 n= Z& p(1-p) 2 e Z& - wielokrotność standardowego błędu średniej odczytana z tablic dla 1 - & e ustalony wcześniej dopuszczalny błąd szacunku parametru M.
Oszacowanie liczebności próby przypadek C Szacowany jest nieznany wartość parametr p populacji. Przy danym poziomie ufności 1- & dopuszczalny błąd szacunku proporcji p w znanej populacji N nie powinien przekroczyć z góry określonej wartości e. n = N/1+ 2 e (N-1) 2 Z& pq Z& - wielokrotność standardowego błędu średniej odczytana z tablic dla 1 - & e ustalony wcześniej dopuszczalny błąd szacunku parametru M N wielkość populacji q = 1-p
Oszacowanie liczebności próby nielosowej Metoda tabulacji wielodzielnej Metoda historyczna Metoda zakresowa Metody arbitralne
Zalecana literatura Churchill G.A., Badania marketingowe. Podstawy metodologiczne, PWN, Warszawa 2002 rozdział 6. Hague P.,Hague N., Morgan C.A., Badania rynkowe w praktyce, Wyd. Helion 2005 rozdział 3. Hague P., Badania marketingowe. Planowanie, metodologia i ocena wyników, Wyd. Helion 2006 rozdział 4. Kaczmarczyk St., Badania marketingowe. Metody i techniki, PWE, Warszawa 2002 rozdział 4. Mazurek-Łopacińska K., Badania marketingowe. Podstawowe metody i obszary zastosowań, Wyd. AE we Wrocławiu, Wrocław 1996 rozdział 3.