Комаров С.В. Маркетинговые исследования. Учебно-методическое пособие - файл n1.doc

приобрести
Комаров С.В. Маркетинговые исследования. Учебно-методическое пособие
скачать (1849 kb.)
Доступные файлы (1):
n1.doc1849kb.08.07.2012 22:48скачать

n1.doc

1   2   3   4   5   6   7   8   9   10

Таблица 7.3

Величина и ошибка выборки




Величина выборки

Ошибка выборки

По среднему значению признака









По доле признака










При стратифицированной (пропорциональной) выборке формулы величины выборки и ее ошибки имеют следующий вид (табл. 7.4):
Таблица 7.4

Величина и ошибка выборки





Величина выборки

Ошибка выборки

По среднему значению признака









По доле признака










Наконец, в случае стратифицированной (непропорциональной) выборки для оценки величины и ошибки выборки применяют формулы представ ленные в табл. 7.5.
Таблица 7.5

Величина и ошибка выборки





Величина выборки

Ошибка выборки

По среднему значению признака









По доле признака











7.3.4. Этапы разработки выборочного плана. Можно выделить следующие этапы разработки выборочного плана:

  1. Определение соответствующей совокупности.

  2. Получение «списка» совокупности.

  3. Проектирование выборочного плана.

  4. Определение методов доступа к совокупности.

  5. Достижение нужной численности выборки.

  6. Проверка выборки на соответствие требованиям исследования.

  7. В случае необходимости формирование новой выборки.



  1. Методы сбора данных: глубокое интервью и другие качественные методы




    1. Глубокое (фокусированное интервью)


Глубокое интервью заключается в последовательном задавании квалифицированным интервьюером респонденту группы зондирующих вопросов в целях понимания того, почему члены группы ведут себя определенным образом или, что они думают об определенной проблеме. При этом вопросы интервьюером задаются не только по поводу предмета исследования, но и о том, как и почему именно таким образом на эти вопросы отвечает респондент (« …Почему Вы ответили подобным образом?», «…Обоснуйте, пожалуйста, Вашу точку зрения», « …Когда Вы так говорите, что Вы имеете в виду?» и т.п.).

Данный метод исследования применяется для:

Требования к успешному проведению глубокого интервью:

1) Создание доброжелательной, дружеской обстановки для того, чтобы помочь респонденту свободно высказываться,

2) Наличие свободного времени,

3) Отказ интервьюера от дискуссии с респондентом, давления на него, навязывания своей точки зрения.

4) Терпение интервьюера; интервьюер может быть критически настроенным, но должен быть терпеливым.

5) Интервьюеру необходимо быть внимательным не только к словам, но и к чувствам, оформленным в словах.
ОЧЕНЬ ВАЖНО!: Самым сложным при проведении глубокого интервью является суммирование индивидуальных опросов в итоговый опрос и составление отчета об исследовании.


    1. Анализ протокола


Анализ протокола заключается в помещении респондента в определенную ситуацию по принятию решения, при котором он должен словесно описать все факторы и аргументы, которыми он руководствовался при принятии этого решения.

Метод анализа протокола применяется для исследования:




    1. Проекционные методы


При использовании проекционным методов респонденты помещаются в определенные имитируемые ситуации, в которых есть вероятность получения от респондентов такой информации, которую невозможно получить при проведении прямого опроса.

Виды проекционных методов:

Этот метод используется при определении привлекательности названия и бренда товара.

Этот метод используется при выборе лучших вариантов рекламы, иллюстраций для брошюр, изображений на упаковке, а также им сопутствующих заголовков.

Этот метод используется при определении имиджа товарной марки, магазина.

ОЧЕНЬ ВАЖНО!: Реализация проекционных методов и их интерпретация основана на высоком профессионализме тех, кто проводит исследование. Обычно эти методы используются после того, как исследователь на основе проведенного анкетирования уже получил информацию, дающую ему возможность сформулировать необходимые гипотезы.


    1. Физиологические измерения


Физиологические измерения основаны на изучении непроизвольных реакций респондентов (расширения или сужения зрачков, ЭКГ, КГР, частота пульса и т.п.) на маркетинговые стимулы путем использования специального оборудования.

Применение этого метода качественного исследования имеет ограничения:

Поэтому физиологические измерения редко применяются при проведении маркетинговых исследований.


  1. Экспертные оценки




    1. Общая характеристика метода экспертных оценок


Специальные математические методы обработки маркетинговой информации, несмотря на свою важность, все же нельзя считать универсальными. Поэтому в маркетинговых исследованиях широко применяют неформальные эвристические методы, использующие опыт и интуицию. Такие методы называют экспертными оценками.
frame36
Экспертные методы применяются для решения следующих задач маркетинговых исследований:


Обычно выделяют два уровня использования экспертных оценок:

1) Качественный уровень, который заключается в получении согласованного мнения независимых и компетентных экспертов;

2) Количественный уровень, когда оценки экспертов основываются на применении статистических и экономометрических методов, т.н. балльных оценок.

Недостатки метода экспертных оценок:




    1. Дельфи-метод


Метод-Дельфи предусматривает проведение экспертного опроса в несколько туров.

1-й тур. Рабочая группа формирует комплекс задач, выдвигаемых перед экспертами. Строятся гипотезы, которые проверяются с помощью экспертной оценки. Составляется анкета-вопросник для экспертов.

2-й тур. Формирование группы экспертов. Обычно число экспертов колеблется от 15 до 50 человек. Учитывается компетентность эксперта. Обычно здесь применяют следующие методы:

а) выбор группы экспертов других экспертов,

б) тест на определение компетентности эксперта и определяется балл компетентности.




где bi – балл компетентности i-го эксперта;

– средний балл компетентности группы экспертов;

n – число экспертов в группе.
в) иногда вводится ранг «важности» эксперта. Формула среднего уровня компетентности принимает вид:




где Ri – ранг «важности» эксперта.
3-й тур. Анкетирование экспертов и количественная обработка результатов опроса. Исчисляются статистические характеристики: средние оценки, медиана, среднеквадратичное отклонение. Чем меньше среднеквадратичное отклонение, тем выше репрезентативность согласованной оценки экспертов.

4-й тур. Экспертов знакомят с ответами, которые не попали в доверительный интервал, их обоснованием. В другом варианте, экспертов, оценки которых попали в доверительный интервал, знакомят с оценками тех экспертов, мнения которых вышли за границы доверительного интервала. Каждому эксперту, оставшемуся в группе, предоставляется право изменить свою оценку.

5-й тур. Процедура повторяется заново, в случае необходимости – несколько раз, пока оценки не сблизиться настолько, что средняя из них может считаться надежной, а показатели разброса мнений снизиться до минимума.


    1. Brain-storming


Brain-storming – это метод, предложенный в 1953 г. маркетологом А.Осборном для анализа рекламы, применяется как метод генерации идей. Суть этого метода такова:

  1. Формируется группа экспертов. Обычно число экспертов колеблется от 10 до 15 человек .

  2. Под руководством модератора на 1-м этапе в коротком режиме выдвигаются различные идеи, относящиеся к предмету экспертизы. При этом соблюдаются следующие правила: свободное фантазирование, запрет на критику, запрет на личные выпады.

  3. На 2-м этапе происходит выдвижение критериев оценки идей.

  4. На третьем этапе идет критическое рассмотрение идей и отбраковывание тех, которые не удовлетворяют критериям оценки.

  5. На 4-м этапе идет отбор самой оптимальной из оставшихся идей.


Возможен иной режим «мозгового штурма». В этом случае формируются 2-е группы: группа «генераторов» идей и группа «критиков» идей.


    1. Метод “635”


Метод “635” является вариантом метода “мозгового штурма”. Группа экспертов состоит из 6 человек. Им необходимо представить письменно как минимум 3 собственных идеи (предложения), позволяющих решить проблему. На это отводится 5 минут. Затем участники экспертизы передают лист со своими предложениями следующему эксперту. Теперь ему предлагается развить высказанные идеи (каждый лист идет по кругу, пока не побывает у всех участников группы). Пять раз рассматриваются 18 исходных предложений, дополненных и усовершенствованных участниками обсуждения. После этого путем конъюнктурного обсуждения отбирается оптимальный вариант.


    1. Морфологический метод


Сущность морфологического метода заключается в разложении рассматриваемой проблемы на структурные компоненты или параметры.

1-й этап. Проблема описывается в целом и никакие решения не принимаются.

2-й этап. Проблема разбивается на частные компоненты, влияющие на общее решение проблемы.

3-й этап. Для каждого компонента проблемы подбираются альтернативные решения.

4-й этап. Альтернативные варианты решения для каждого компонента проблемы переносятся в специальную матрицу, т.н. морфологический ящик, и с ее помощью выбирается наиболее оптимальное решение.


  1. Анализ данных


Следующим этапом маркетинговых исследований после сбора информации является анализ полученных данных. В зависимости от метода маркетингового исследования различают анализ качественных данных и анализ количественных данных. Каждый из этих видов анализа характеризуется своими особенностями.


    1. Анализ качественных данных


В исследованиях качественных показателей выборки меньше, чем в исследованиях количественных показателей, а данные более трудноуловимы и сложны. Весьма вероятно, например, что вопросы будут в основном открытые, и интервьюер будет подсказывать, чтобы обеспечить их полноту. Кроме того, интервью или дискуссия могут быть неструктурированными, причем последовательность и даже диапазон тем у различных респондентов может варьировать.

Некоторые типы анализа данных, которые уже обсуждались в связи с исследованиями количественных показателей, при­меняются и в исследованиях качественных показателей. Однако кодирование открытых ответов редко бывает надлежащим, так как при такой обработке данных теряется много деталей, поэтому полезнее записать и сравнить полные ответы. Если количество ответов невелико, то может быть достаточно просто прочитать соответствующие части анкет или другие записи. Также часто полезно ввести словесные ответы в лист Excel вместе с кодом или определителем, что позволит сортировать их в соответствии с различными типами респондентов. Часто в докладе, подго­товленном в результате исследования, будет уместно проил­люстрировать материал точными цитатами из ответов отдельных респондентов, а сортировка таким способом облегчит это. Для этой цели существует несколько пакетов программ, призванных помочь отсортировать и проанализировать качественные данные посредством подсчета частоты упоминания различных слов или цепочек слов. Однако бесконечный диапазон слов и словосочетаний, которые могут быть употреблены для того, чтобы ответить на вопрос, ограничивает возможность применения программы.

Если интервью или групповые дискуссии записали на магни­тофонную пленку – а это обычное явление в исследованиях каче­ственных показателей, – считается хорошим тоном отпечатать их в виде текста и провести анализ этого материала. Очевидно, что, хотя запись на магнитофонную пленку является высокоэф­фективным средством фиксации сказанного в интервью, она в то же время в дальнейшем добавляет много работы, и это является одной из причин, по которой исследования качественных пока­зателей так дороги.

Исследователи, занимающиеся изучением качественных показателей, все еще вынуждены полагаться на погружение в рукописи, внимательное чтение расшифровки и заметки относительно характерных моментов. Это свидетельствует о трудности проведения исследования качественных показателей с более чем 30 интервью. При таком или большем количестве интервью информация теряет четкие очертания в мозгу исследователя, и существует тенденция избирательно вспоминать последние или произведшие наибольшее впечатление интервью из всех, которые были проведены.

Анализ исследования качественных показателей зависит от чутья, и особенно от того, как эти данные интерпретировали принимавшие участие в работе практики4. Нет таких двух исследователей качественных показателей, которые бы выдали одинаковые результаты от своих фокус-групп или подробных интервью. Все они по-разному и анализируют, и интерпретируют данные. Это тот участок исследований, где исследователь, проводивший сбор фактического материала, должен активно участвовать в анализе, интерпретации и презентации данных, в противном случае многое будет потеряно.


    1. Анализ количественных данных

10.2.1. Процесс подготовки данных к анализу. При проведении количественных маркетинговых исследований у исследователя обычно наступает «аналитический паралич», связанный с огромным массивом собранной информации. Поэтому существует этап предварительной подготовки данных к анализу. Наглядное изображение процесса подготовки данных представлено на рис. 10.1.


Подготовка предварительного плана проведения анализа данных



Проверка анкет



Редактирование



Кодирование



Преобразование



Очищение данных



Статистическая корректировка данных



Выбор стратегии анализа данных


Рис. 10.1. Этапы процесса подготовки данных.
Весь этот процесс определяется предварительно подготовленным планом анализа данных, который составляется еще в ходе разработки всего плана маркетингового исследования. Первым его этапом выступает проверка пригодности анкет, который заключается в проверке анкет на полноту их заполнения и качество интервьюирования. Затем наступает этап редактирования, заключающийся в обработке собранных анкет для повышения точности и аккуратности представленных в них данных. Обычно на этом этапе осуществляется просмотр анкет, отбраковывание нечитабельных, неполных анкет или анкет с логически непоследовательными и неоднозначными ответами. Этап кодирования заключается в присвоении кода (обычно цифрового) каждому возможному варианту ответа по каждому вопросу анкеты. Затем идет этап очищения данных, на котором данные очищаются, и при необходимости проводится работа с пропущенными данными. Процедура очищения данных заключается в проверке состоятельности собранных данных5. Часто необходимо также провести статистическую корректировку информации для того, чтобы сделать ее репрезентативной для генеральной совокупности. Процедуры статистической корректировки данных включают взвешивание, переопределение переменной и преобразования шкалы. Все эти корректировки необязательны, но, применяя их, можно значительно повысить качество анализа. Наконец, последним этапом подготовки данных к анализу является выбор на основе известных характеристик данных и целей маркетингового исследования статистических методов анализа.


      1. Классификация статистических методов. Статистические методы делятся на одно- и многомерные.

Одномерные методы используются тогда, когда все элементы выборки оцениваются единым измерителем, либо этих измерителей несколько для каждого элемента, но каждая переменная анализируется при этом отдельно ото всех остальных. Классификация одномерных методов представлена на рис. 10.2.

Многомерные методы применяются для анализа данных, если для оценки каждого элемента выборки используются два и более измерителя и эти переменные анализируются одновременно. Данные методы применяются для определения одновременных связей между двумя и больше явлениями. Классификация одномерных методов представлена на Рисунке 10.3.

Многомерные методы отличаются от одномерных методов, прежде всего, тем, что при их использовании центр внимания смещается с уровней полученных в результате опроса показателей и распределений этих показателей и сосредотачивается на степени взаимосвязи (корреляции или ковариации) между самими явлениями. Поэтому одномерные методы чаще всего используются для описания рыночных явлений, а многомерные методы – для проверки гипотез и установления причинно-следственных связей.



Рис. 10.2. Виды одномерных методов обработки данных.

Рис. 10.3. Виды многомерных методов обработки данных.
Можно сказать и так: одномерные методы анализа применяются для дескриптивного и статистического анализов, а многомерные методы применяются для анализа различий и корреляций6.


      1. Виды статистического анализа7.

Выделяют пять основных видов статистического анализа, использу­емых при проведении маркетинговых исследований: дескриптивный ана­лиз, выводной анализ, анализ различий, анализ связей и предсказатель­ный анализ. Иногда эти виды анализа используются по отдельности, иногда – совместно.

В основе дескриптивного анализа лежит использование таких статис­тических мер, как средняя величина (средняя), мода, среднее квадрати-ческое отклонение, размах или амплитуда вариации.

Анализ, в основе которого лежит использование статистических процедур (например, проверка гипотез) с целью обобщения получен­ных результатов на всю совокупность, называется выводным анализом.

Анализ различий используется для сравнения результатов исследования двух групп (двух рыночных сегментов) для определения степени реального отличия в их поведении, в реакции на одну и ту же рекламу и т.п.

Анализ связей направлен на определение систематических связей (их направленности и силы) переменных. Например, определение, как уве­личение затрат на рекламу влияет на увеличение сбыта.

Предсказательный анализ используется в целях прогнозирования раз­вития событий в будущем, например путем анализа временных рядов.

А. Дескриптивный анализ.

Для описания информации, полученной на основе выборочных из­мерений, широко используется две группы мер. Первая включает меры «центральной тенденции», или меры, которые описывают типичного респондента или типичный ответ. Вторая включает меры вариации, или меры, описывающие степень схожести или несхожести респондентов или ответов с «типичными» респондентами или ответами.

Существуют и другие описательные меры, например меры асиммет­рии (насколько найденные кривые распределения отличаются от нормаль­ных кривых распределения). Однако они используются не столь часто, как вышеупомянутые, и не представляют особого интереса для заказчика.

Ниже дается только краткая характеристика указанных мер8. К числу мер центральной тенденции относятся мода, медиана и средняя.

Мода характеризует величину признака, появляющуюся наиболее часто по сравнению с другими величинами данного признака. Мода носит относительный характер, и необязательно, чтобы большинство респон­дентов указало именно эту величину признака.

Медиана характеризует значение признака, занимающее срединное место в упорядоченном ряду значений данного признака.

Третьей мерой центральной тенденции является средняя величина, которая чаще всего рассчитывается как средняя арифметическая величи­на. При ее вычислении общий объем признака поровну распределяется между всеми единицами совокупности.

Видно, что степень информативности средней величины больше, чем медианы, а медианы – моды.

Однако рассмотренные меры не характеризуют вариацию ответов на какой-то вопрос или, говоря другими словами, несходство, различие респондентов или измеренных характеристик. Очевидно, что помимо знания величин мер центральной тенденции важно установить, насколько близко к этим величинам расположены остальные полученные оценки. Обычно используют три меры вариации: распределение частот, размах вариации и среднее квадратическое отклонение.

Распределение частот представляет в табличной или графической форме число случаев появления каждого значения измеренной характе­ристики (признака) в каждом выбранном диапазоне ее значений. Рас­пределение частот позволяет быстро сделать выводы о степени подроб­ности результатов измерений.

Размах вариации определяет абсолютную разность между максималь­ным и минимальным значениями измеренного признака. Говоря другими словами, это разница между конечными точками в распределении упо­рядоченных величин измеренного признака. Данная мера определяет интервал распределения значений признака.

Среднее квадратическое отклонение является обобщающей статисти­ческой характеристикой вариации значений признака. Если эта мера мала, то кривая распределения имеет узкую, сжатую форму (результаты изме­рений обладают высокой степенью схожести); если мера велика, то кри­вая распределения имеет широкий, растянутый вид (велика степень различия оценок).

Ранее было отмечено, что выбор шкалы измерений, а, следователь­но, типа вопросов в опросном листе предопределяют количество по­лучаемой информации. Подобным образом, количество информации, получаемой при использовании рассмотренных выше мер, является раз­личным. Общим правилом является то, что статистические меры дают возможность получить больше информации при применении наиболее информативных шкал измерений. Выбор шкалы измерений предопреде­ляет выбор статистических мер. Например, один из вопросов демографи­ческого исследования, при проведении которого использовалась шкала наименований, касался национальности. Русским был присвоен код 1, украинцам – 2, татарам – 3 и т.д. В данном случае, конечно, можно вычислить среднее значений. Но как интерпретировать среднюю нацио­нальность, равную, скажем, 5,67? Для вычисления средних надо ис­пользовать интервальную шкалу или шкалу отношений. Однако в нашем примере можно использовать моду.

Что касается мер вариации, то при использовании номинальной шкалы применяется распределение частот, при использовании шкалы порядков – кумулятивное распределение частот, а при использовании интервальной шкалы и шкалы отношений – среднее квадратическое отклонение.

Б. Статистический анализ. Вывод является видом логического анализа, направленного на по­лучение общих заключений о всей совокупности на основе наблюдений за малой группой единиц данной совокупности.

Выводы делаются на основе анализа малого числа фактов. Напри­мер, если два ваших товарища, имеющих одну и ту же марку автомоби­ля, жалуются на его качество, то вы можете сделать вывод о низком качестве данной марки автомобиля в целом.

Статистический же вывод основан на статистическом анализе ре­зультатов выборочных исследований и направлен на оценку параметров совокупности в целом. В данном случае результаты выборочных исследо­ваний являются только отправной точкой для получения общих выводов.

Например, автомобилестроительная компания провела два незави­симых исследования с целью определения степени удовлетворенности потребителей своими автомобилями. Первая выборка включала 100 по­требителей, купивших данную модель в течение последних шести меся­цев. Вторая выборка включала 1000 потребителей. В ходе телефонного интервьюирования респонденты отвечали на вопрос: «Удовлетворены вы или не удовлетворены купленной вами моделью автомобиля?» Первый опрос выявил 30% неудовлетворенных, второй – 35%.

Поскольку существуют ошибки выборки и в первом и во втором случаях, то можно сделать следующий вывод. Для первого случая: около 30% опрошенных выразили неудовлетворенность купленной моделью автомобиля. Для второго случая около 35% опрошенных выразили не­удовлетворенность купленной моделью автомобиля. Какой же общий вывод можно сделать в данном случае? Как избавиться от термина «око­ло»? Для этого введем показатель ошибки: 30% ± х% и 35% ± у% и сравним х и у. Используя логический анализ, можно сделать вывод, что большая выборка содержит меньшую ошибку и что на ее основе можно сделать более правильные выводы о мнении всей совокупности потреби­телей. Видно, что решающим фактором для получения правильных вы­водов является размер выборки. Данный показатель присутствует во всех формулах, определяющих содержание различных методов статистичес­кого вывода.

При проведении маркетинговых исследований чаще всего использу­ются следующие методы статистического вывода: оценка параметров и проверка гипотез.

Оценка параметров генеральной совокупности представляет из себя процесс определения, исходя из данных о выборке, интервала, в кото­ром находится один из параметров генеральной совокупности, напри­мер среднее значение. Для этого используют следующие статистические показатели: средние величины, среднюю квадратическую ошибку и же­лаемый уровень доверительности (обычно 95 % или 99 %).

С
редняя квадратическая ошибка является, как отмечалось выше, мерой вариации выборочного распределения при теоретическом предпо­ложении, что исследовалось множество независимых выборок одной и той же генеральной совокупности.

Она определяется по следующей формуле:

где ? средняя квадратическая ошибка выборочной средней;

s ? среднее квадратическое отклонение от средней величины в выборке;

п ? объем выборки.
Е
сли используются процентные меры, выражающие альтернативную изменчивость качественных признаков, то
где sp ? средняя квадратическая ошибка выборочной средней при использовании процентных мер;

p ? процент респондентов в выборке, поддержавших первую альтернативу;

q ? (100 – q) ? процент респондентов в выборке, поддержав­ших вторую альтернативу;

п ? объем выборки.
Видно, что средняя ошибка выборки тем больше, чем больше вари­ация, и тем меньше, чем больше объем выборки.

Поскольку всегда существует выборочная ошибка, то необходимо оценить разброс значений изучаемого параметра генеральной совокуп­ности. Предположим, исследователь выбрал уровень доверительности, равный 99%. Из свойств нормальной кривой распределения вытекает, что ему соответствует параметр Z = ± 2,58. Средняя для генеральной совокупности в целом вычисляется по формуле

Е
сли используются процентные меры, то

Э
то означает, что если вы хотите, чтобы при 99%-ном уровне до­верительности диапазон оценок включал истинную для генеральной совокупности оценку, то необходимо умножить среднюю квадратическую ошибку на 2,58 и добавить полученный результат к процентному значению р (верхняя предельная оценка). Если же произвести вычита­ние данного произведения, то найдем нижнюю предельную оценку.

Как эти формулы связаны со статистическим выводом?

Поскольку производится оценка параметра генеральной совокупно­сти, то здесь указывается диапазон, в который попадает истинное зна­чение параметра генеральной совокупности. С этой целью этого для выборки берутся статистическая мера центральной тенденции, величина дисперсии и объем выборки. Далее делается предположение об уровне доверительности и рассчитывается диапазон разброса параметра для ге­неральной совокупности.

Н
апример, для членов выборки (100 читателей какой-то газеты) было установлено, что среднее время чтения газеты составляет 45 минут при средней квадратической ошибке в 20 минут. При уровне доверитель­ности, равном 95%-ов, получим





41,1 – 48,9 минуты.

П

ри 99%-ном уровне доверительности получим
39,8 – 50,2 минуты.

Видно, что доверительный интервал шире для 99% по сравнению с 95%-ным уровнем доверительности.

Е
сли используются проценты и оказалось, что из выборки в 100 человек 50% опрошенных по утрам пьет кофе, то при уровне довери­тельности в 99% получим следующий диапазон оценок:

37,1% ? 62,9%.
Таким образом, логика статистического вывода направлена на по­лучение конечных заключений об изучаемом параметре генеральной совокупности на основе выборочного исследования, осуществленного по законам математической статистики. Если используется простое зак­лючение, не основанное на статистических измерениях, то конечные выводы носят субъективный характер и на основе одних и тех же фактов разные специалисты могут сделать разные выводы.

При использовании статистического вывода используются форму­лы, носящие объективный характер, в основе которых лежат общеприз­нанные статистические концепции. В результате конечные выводы носят намного более объективный характер.

В ряде случаев делаются суждения относительно какого-то парамет­ра генеральной совокупности (величине средней, дисперсии, характере распределения, форме и тесноте связи между переменными) исходя только из некоторых предположений, размышлений, интуиции, непол­ных знаний. Такие суждения называются гипотезами.

Статистической гипотезой называется предположение о свойстве генеральной совокупности, которое можно проверить, опираясь на дан­ные выборки.

Под проверкой гипотезы понимается статистическая процедура, при­меняемая для подтверждения или отклонения гипотезы, основанной на результатах выборочных исследований. Проверка гипотезы осуществляет­ся на основе выявления согласованности эмпирических данных с гипотетическими. Если расхождение между сравниваемыми величинами не выходит за пределы случайных ошибок, гипотезу принимают. При этом не делается никаких заключений о правильности самой гипотезы, речь идет лишь о согласованности сравниваемых данных.

Проверка гипотезы проводится в пять этапов:

  1. Делается некоторое предположение относительно какой-то характеристики генеральной совокупности, например о средней величине
    определенного параметра.

  2. Формируется случайная выборка, проводится выборочное иссле­дование и определяются статистические показатели выборки.

  3. Сравниваются гипотетическое и статистическое значения исследуемой характеристики.

  1. Определяется, соответствуют или нет результаты выборочного
    исследования принятой гипотезе.

  2. Если результаты выборочного исследования не подтверждают ги­потезу, последняя пересматривается – она должна соответствовать данным выборочного исследования.

Вследствие вариации результатов выборочных исследований невозможно сделать абсолютно точный вывод о достоверности гипотезы, проводя простое арифметическое сравнение величин характеристик. Поэтому статистическая проверка гипотезы включает использование: выборочного значения характеристики, среднего квадратического откло­нения, желательного уровня доверительности и гипотетитеского значе­ния характеристики для генеральной совокупности в целом.

Д
ля проверки гипотез о средних величинах применяется следующая формула:
где ? средняя для выборки;

? гипотетическое значение средней;

? средняя квадратическая ошибка средней.


Например, готовя рекламу учебной программы по подготовке тор­говых агентов в колледже, руководитель программы считал, что выпус­кники программы получают в среднем 1750 долларов в месяц. Таким образом, гипотетическая средняя для генеральной совокупности равна 1750 долларам. Для проверки данной гипотезы было проведено телефон­ное обследование торговых агентов разных фирм.

Выборка составила 100 человек, средняя для выборки равнялась 1800 долларам и среднее квадратическое отклонение составляло 350 дол­ларов. Возникает вопрос, является ли большой разница (50 долларов) между гипотетической зарплатой и ее средним значением для выборки. Проводим расчеты по формуле:




Видно, что средняя квадратическая ошибка средней величины была равна 35 долларам, а частное от деления 50 на 45 составляет 1,43 (нор­мированное отклонение), что меньше ±1,96 ? величины, характеризу­ющей уровень доверительности 95 %. В данном случае выдвинутую гипо­тезу можно признать достоверной.

При использовании процентной меры испытание гипотезы осуще­ствляется следующим образом. Предположим, что, исходя из собствен­ного опыта, один из автолюбителей выдвинул гипотезу, согласно кото­рой только 10% автолюбителей используют ремни безопасности. Однако национальные выборочные исследования 1000 автолюбителей показали, что 80% из них используют ремни безопасности. Расчеты в данном слу­чае проводятся следующим образом:





где p ? процент из выборочных исследований;

?н ? процент из гипотезы;

sp ? средняя квадратическая ошибка при расчетах в процентах.
Видно, что первоначальная гипотеза отличалась от найденных 80 % на величину 55,3, умноженную на среднеквадратическую ошибку, т.е. не может быть признана достоверной.

В ряде случаев целесообразно использовать направленные гипотезы. Направленные гипотезы определяет направления возможных значений какого-то параметра генеральной совокупности. Например, заработная плата составляет больше 1750 долларов. В данном случае используется только одна сторона кривой распределения, что находит отражение в применении знаков «+» и «—» в расчетных формулах.

Здесь, правда, возникает вопрос. Если можно провести выбороч­ные исследования, то зачем выдвигать гипотезы? Обработка результа­тов выборочных исследований дает возможность получить средние величины и их статистические характеристики, не выдвигая никаких гипотез. Поэтому проверка гипотез скорее применяется в случаях, когда невозможно или чрезвычайно трудоемко проводить полномасш­табные исследования и когда требуется сравнивать результаты не­скольких исследований (для разных групп респондентов или прове­денных в разное время). Такого рода задачи, как правило, возникают в социальной статистике. Трудоемкость статистико-социологических исследований приводит к тому, что почти все они строятся на не­сплошном учете. Поэтому проблема доказательности выводов в соци­альной статистике стоит особенно остро.
1   2   3   4   5   6   7   8   9   10


Величина и ошибка выборки
Учебный материал
© nashaucheba.ru
При копировании укажите ссылку.
обратиться к администрации