OSNOVE ANALIZE PODATAKA u naučnim istraživanjimaess.ekof.bg.ac.rs/DOKTORSKE_STUDIJE/Osnove analize podataka u... · • upitnik je primljen znatno kasnije u odnosu na jasno preciziran

ANALIZA PODATAKA

OSNOVE ANALIZE PODATAKA

u naučnim istraživanjima

Prof. dr Jasna Soldić-AleksićEkonomski fakultet, Beograd,

2

Cilj analize podataka• Proces donošenja odluka

Podaci Informacije Odluke

PODACI → INFORMACIJE → ZNANJE → MUDROST•

Analiza

podataka

Proces

donošenja

odluka

3

ANALIZA PODATAKA

• “If you don’t know where you’re going,

you might end up somewhere else.”

Yogi Berra

• Potencijal analize podataka:

• u čemu se ogleda “moć” i “nemoć” analize podataka?

• U različitim istraživanjima se primenjuju različite tehnike analize podataka, ali za svako istraživanje je neophodno da se izvrši unos podataka, editovanje podataka, kodiranje (prekodiranje), .... prezentacija podataka.

4

PROCES PRIPREMANJA PODATAKA ZA ANALIZU

1. Preliminarni plan analize podataka

2. Pregled upitnika i validacija podataka

3. UreĎivanje (editovanje) podataka

4. Kodiranje podataka

5. Unos podataka

6. Prečišćavanje i statističko

modifikovanje podataka

7. Tabelarno predstavljanje podataka

8. Selekcija strategije analize podataka

5

Pregled upitnika i validacija podataka

Postoji više razloga zbog kojih upitnici mogu biti neprihvatljivi, kao što su:

• nepotpuni delovi upitnika,

• nedostatak jedne ili više strana upitnika,

• sistematski ili slučajno preskočena pitanja,

• neadekvatnost upitnika u smislu zadatog tipa uzorka,

kao što je na primer nedovoljan broj upitnika u jednoj

kvoti, a previše u drugoj kvoti,

• mala varijansa odgovora u upitniku (na primer,

ispitanik je odgovorio kod svih pitanja na skali od 1 do

7 sa 3),

• upitnik je primljen znatno kasnije u odnosu na jasno

preciziran krajnji rok dostavljanja upitnika i sl.

6

Validacija podataka

• Validacija podataka podrazumeva proveravanje

opservacija, upitnika ili celokupnog ispitivanja da

li su sprovedeni korektno bez pristrasnosti ili

namernih grešaka (falsifikata, prevara i sl.).

• Validacija - proveravanje kvaliteta podataka

• (GIGO princip – “Garbage In, Garbage Out”)

• U procesu validacije ponovnim pozivom

proverava se ispunjenost ovih uslova.

7

UreĎivanje - editovanje podataka(otkrivanje grešaka i njihova korekcija)

Mogući problemi:

– Greška anketara – na primer, anketar nije dostavio adekvatne instrukcije ispitanicima;

– Nedostajući odgovori – ispitanik nije odgovorio na neka pitanja;

– Nejasnost – nejasan odgovor ispitanika, kao što je na primer slučaj kada je ispitanik zaokružio odgovore pod brojem 3 i 4 na skali od 1 do 7, a traži se jedinstven odgovor;

– NeusklaĎenost – odgovori na neka pitanja mogu biti logički nekonzistentni. Na primer, odgovor ispitanika da jednom mesečno obavlja redovne preglede automobila, a drugi odgovor da nema automobil;

– Nedovoljna kooperativnost – kroz niz odgovora na pitanja može se videti nevoljnost ispitanika da odgovara na neka pitanja, ili grupu pitanja;

– Neodgovarajući ispitanik – ako je istraživanjem predviĎeno da uzorak čine ispitanici stariji od 21 godine, a ispitanik ne ispunjava taj uslov.

8

UreĎivanje - editovanje podataka

• Moguća rešenja za uočene probleme:

TRETMAN

NEZADOVOLJAVAJUĆIH

ODGOVORA

Povratak na teren

(ponovo kontaktirati

ispitanike)

Isključenje (brisanje)

celog upitnika -

ispitanika sa

nezadovoljavajućim

odgovorimaNečitki odgovori ili

pitanja bez odgovora

kodiraju se u

kategoriji

“ne znam” ili “nemam

mišljenje”

Isključenje podataka samo

za nedostajuće odgovore

(promenljive), a ostali

podaci u upitniku ostaju u

analizi

9

Šifriranje (kodiranje) podataka

Struktura pitanja:

• Zatvorena pitanja – struktuirana pitanja:

– dihotomna pitanja – primer pol

– pitanja sa višestrukim izborom odgovora - Na primer za pitanje o

učestalosti korišćenja odreĎenog tipa proizvoda mogu biti predviĎeni sledeći

odgovori i kodovi:

– koristim ga više puta sedmično – kod 1,

– povremeno ga koristim ( minimalno 1 put mesečno) – kod 2,

– retko ga koristim (jednom u toku više meseci) – kod 3,

– nikada ga ne koristim – kod 4.

Otvorena pitanja – nestruktuirana pitanja

10

Šifriranje (kodiranje) podataka

• Osnovni princip (uslovi) kodiranja:

• Kategorisanje odgovora mora da ispunjava dva uslova:

uslov isključivosti i uslov potpunosti (iscrpnosti)

• Zatvorena pitanja - precoding

• Postoje šifre - kodovi pre prikupljanja podataka

• Otvorena pitanja: postcoding

• šifre se odreĎuju nakon što se upitnici dostave sa terena.

11

Pitanje:

Zašto preferirate Colgate u odnosu na Blend-a-med pastu za zube?

• Odgovori:

1. Colgate pasta za zube je kvalitetnija

2. Colgate pasta za zube ima nižu cenu

3. Colgate pasta za zube je ukusnija

4. Više volim pakovanje Colgate paste za zube

5. Zato što se Colgate pasta za zube za mene više isplati

6. Ne dopada mi se ukus paste Blend-a-med

7. Colgate pasta za zube sprečava propadanje zuba

8. Colgate pasta za zube mi daje svež dah

9. Colgate pasta za zube ima lepši izgled pakovanja

10.SviĎa mi se miris Colgate pasta za zube

11.SviĎa mi se reklama za Colgate pastu za zube

12.Bled-a-med pasta za zube ima neprijatan ukus

13.Reklama za Colgate pastu za zube je kreativna

14.Colgate pasta za zube je efikasnija u sprečavanju karijesa zuba

15.Colgate pasta za zube je zdravija

16.Ostalo

12

KODIRANJE- Postcoding

Opis kategorije Odgovori Šifra kategorije

Kvalitetnija / niţa cena / isplativija 1,2,5 1

Ukusnija / ne dopada mi se ukus Blend-a-med-a/

neprijatan ukus Blend-a-med-a/ (Ukus)

3,6,12 2

Bolje pakovanje / lepši izgled pakovanja

(Pakovanje-estetika)

4,9 3

Sprečava propadanje zuba / sprečava karijes /

zdravija (Zdravlje)

7,14,15 4

Sveţ dah / sviđa mi se miris (Dah-miris) 8,10 5

Sviđa mi se reklama / kreativnija reklama

(Reklama)

11,13 6

Ostalo 16 7

13

Unos podataka

• CATI (Computer-Assisted Telephone Interviewing) telefonskog intervjua uz pomoć računara;

• CAPI (Computer-Assisted Personal Interviewing) ličnog intervjua na bazi računara;

• Interneta (WEB aplikacije) - unos i verifikacija podataka seobezbeĎuje direktno prilikom prikupljanja podataka.

• tastature računara, koji se koriste kod jednostavnih telefonskih intervjua, intervjua kod kuće ili na ulici, ili tradicionalnih intervjua preko klasične pošte;

• forme za unos označenih odgovora (mark sense forms), koji zahtevaju da se odgovori beleže posebnom olovkom u unapred pripremljenim slogovima koji su već kodirani za odgovore, i koje mašina direktno čita;

• optičkih skenera, koji direktno čitaju odgovore i uglavnom se primenjuju kod dobro struktuiranih ispitivanja koja se često ponavljaju;

• sistema za analizu pomoću računarskih senzora (computerised sensory analysis systems), kod kojih se pitanja pojavljuju na računarskoj mrežnoj podlozi (computerised gridpad) i odgovori se direktno beleže u memoriji računara pomoću sensorskih ureĎaja.

14

Organizacija čuvanja podataka

• Tekst fajlovi

• Tabele – (Excel i sl. )

• Baze podataka

• Programi za statisticku analizu podatka

• Podaci o jednom ispitaniku – slog u datoteci

Polja

Brojevi kolona

Ispitanik 1-3 4 5-6 7-8 26........ 35 77

1 001 1 31 01 6544234553 5

2 002 1 31 01 5564435433 4

3 003 1 31 01 4655243324 4

4 004 1 31 01 5463244645 6

... ... .... ...

221 221 1 31 55 6652354435 5

15

Šifarnik

Broj

kolone

Broj

Promenljive

Ime

promenljive

Broj

pitanja

Instrukcije za

šifriranje

1-3 1 Identifikacioni broj Ispitanika 001 do 890

4 2 Broj sloga 1 (isto za sve ispitanike)

5-6 3 Šifra projekta 31 (isto za sve ispitanike)

7-8 4 Šifra intervjua Kao na upitniku

9-14 5 Šifra datuma Kao na upitniku

15-20 6 Šifra vremena Kao na upitniku

21-22 7 Šifra provere Kao na upitniku

23-24 Prazno Ostaviti ove kolone prazne

25 8 Ko kupuje I Muškarac - 1

Ţena -2

Ostalo -3

Uneti zaokruţen broj

26 9 Prirţenost prodavnici 1 IIa Za pitanja II od „a“ do „j“

Uneti zaokruţen broj

27 10 Privreţenost prodavnici 2 IIb Ne tako privrţen - 1

Vrlo privrţen - 6

Nedostajuča vrednost - 9

28 11 Privrţenost prodavnici 3 IIc

... ... ... ... ...

35 18 Privrţenost prodavnici 10 Iij

16

SPSS EDITOR PODATAKA

17

DEFINISANJE PROMENLJIVIH U SPSS-u

rečnik podataka

18

Statističko modifikovanje podataka

1. Ponderisanje podataka,

2. Respecifikacija (prekodiranje) promenljivih

3. Transformacija podataka

1. Ponderisanje podataka,

Primer:

cilj marketinškog ispitivanja je da se prouči kakve se promene

mogu uraditi na odreĎenom proizvodu da bi se pospešila prodaja:

vernim potrošačima proizvoda - ponder 3,

umerenim (srednjim) potrošačima- ponder 2,

povremenim potrošačima ponder - 1

nepotrošačima (ispitanicima koji uopšte ne koriste) – ponder 0

19


Razlozi kupovine kozmetičkog proizvoda

Originalna promenljiva: Nova promenljiva:

• 1. povoljna cena

• 2. u trendu je 1. niska cena

• 3. jeftin respecifikacija 2. modni trend

• 4. lako se primenjuje 3. jednostavna primena

• 5. moderan

• 6. jednostavno se nanosi

• Pol Starost Nova promenljiva:

• “žene” “mlaĎi” “mlaĎe žene”

• “muškarci” “stariji” “starije žene”

• “mlaĎi muškarci”

• “stariji muškarci”

20


veštačke promenljive (dummy variables)

Opšte pravilo za formiranje veštačke promenljive jeste: kategorijska promenljiva

ima K kategorija, koristi se K-1 veštačkih promenljivih.

Vreme

kupovine

Originalni

kodovi

Veštačke promenljive

X1 X2 X3

I kvartal 1 (A) 0 0 0

II kvartal 2 (B) 1 0 0

III kvartal 3 (C) 0 1 0

IV kvartal 4 (D) 0 0 1

21

Statističko modifikovanje podataka

3. transformacija podataka merenih na različitim mernim

skalama.

Na primer, standardizacija - neka se posmatraju dve promenljive:

obim prodaje odreĎenog proizvoda izražen u € i cena proizvoda

izražena u dinarima.

Da bi se obezbedila uporedivost njihovog varijabiliteta neophodno

je da se obe promenljive izraze zajedničkom jedinicom mere.

sXX

zx

i

i

22

STRATEGIJA ZA ANALIZU PODATAKA

Tabelarno predstavljanje podatakaJednostruko tabeliranje (one-way tabulations)

Raspored frekvencija

Promenljiva Rasprodaja

(“Često kupujem na

rasprodaji”) Frequency Percent

Valid

Percent

Cumulative

Percent

Valid apsolutno se ne

slazem 8 4,9 4,9

4,9

ne slazem se41 25,3 25,3

30,2

Neutralan68 42,0 42,0

72,2

slazem se34 21,0 21,0

93,2

apsolutno se slazem11 6,8 6,8

100,0

Total 162 100,0 100,0

23

Distribucija frekvencija

- grafički prikaz

0 10 20 30 40 50 60 70

apsolutno se

ne slazem

ne slazem se

neutralan

slazem se

apsolutno se

slazem

24

Tabelarno predstavljanje podataka

- deskriptivne statistike

Deskriptivne statistike:

1. Mere centralne tendencije (modus,

medijana, sredina);

2. Mere disperzije (standardna devijacija,

varijansa, razmak – interval varijacija);

3. Mere oblika rasporeda (koeficijent

simetričnosti i spljoštenosti)

25

Tabeliranje podataka - Unakrsno tabeliranje (cross-tabulations).

POL Total

muski zenski

Često

kupujem na

rasprodaji

apsolutno se

ne slazem se

Count

4 4 8

% within Često kupujem na

rasprodaji 50,0% 50,0% 100,0%

ne slazem se Count 30 11 41


rasprodaji 73,2% 26,8% 100,0%

neutralan Count 37 31 68


rasprodaji 54,4% 45,6% 100,0%

slazem se Count 7 27 34


rasprodaji 20,6% 79,4% 100,0%

apsolutno se

slazem

Count2 9 11


rasprodaji 18,2% 81,8% 100,0%

Total Count 80 82 162


rasprodaji 49,4% 50,6% 100,0%

26

Unakrsno tabeliranje (cross-tabulations, cross-tabs,

contingency table analysis )

• Unakrsno tabeliranje – analiza

povezanosti (asocijacije) izmeĎu

kategorijskih podataka.

• Unakrsno tabeliranje kao osnova za

• Hi-kvadrat i log-linearnu analizu.

27

Faktori koji utiču na izbor

statističkih tehnika

1. Tip podataka

2. Dizajn istraživanja

3. Pretpostavke primene odreĎenih

testova (modela)

28

Tipovi mernih skala

Nominalna

skala

Primarne

skale

Ordinalna

skala

Intervalna

skalaRelaciona

skala

29

Tip podataka

1. Nominalni podaci

2. Ordinalni podaci

3. Intervalni podaci

4. Relacioni podaci

30

Ilustracija primarnih mernih skala

Nominalna

skala

Ordinalna skala Intervalna skala Relaciona

skala

Broj Jeans

marka

Preferencije

Rangovi

Preferencije

1-7 11-17

Cena u $

1. Bugle Boy 7 5 15 30

2. Calvin Klein 2 7 17 48

3. Diesel 8 7 17 27

4. Gap 3 6 16 32

5. Guess 1 7 17 34

6. Jordache 5 5 15 35

7. Lee 9 4 14 30

8. Levi 6 5 15 33

9. Old Navy 4 6 16 29

10. Wrangler 10 2 12 24

31

Izbor merne skale

• Posmatrano obeležje (promenljiva) može se meriti na različitim skalama. Na primer, merenje godišnjeg porodičnog budžeta:

Nominalna skala: prošle godine ko je zaraĎivao za porodični budžet?

1. Muškarac – glava porodice;

2. Žena – glava porodice;

3. I muškarac i žena – glave porodice;

4. Neko drugi.

Ordinalna skala: prošle godine koliki je bio vaš godiš. porodič. budžet?

1. manje od 200.000

2. od 200.001 do 500.000

3. od 500.001 do 1.200.000

4. od 1.200.001 do 2.000.000

5. preko 2.000.001

32

Izbor merne skale

• Intervalna skala: Koliki je bio vaš porodični budžet prošle godine?

Značajno ispod proseka Prosek Značajno iznad proseka

1 2 3 4 5 6 7

• Relaciona skala: Prošle godine koliki je bio vaš godišnji porodični

budžet?

dinara

33

Tip Podataka

1. Nominalni kategorijski (nemetrički)

2. Ordinalni podaci

3. Intervalni

4. Relacioni metrički podaci

34

Merne skale i statističke tehnikeZašto je to važno???

Skala Deskriptivne mereDozvoljene

statistike

Nominalna Procenti, modusHi-kvadrat,

Binomni test

Ordinalna Percentili, medijana Korelacija rangova

IntervalnaAritmetička sredina,

standardna devijacija

Koeficijent korelacije,

t-test, ANOVA,

regresija, faktorska

analiza

RelacionaSve deskriptivne mere

(za prosek, varijabilitet, oblik

distribucije)

Sve statističke

tehnike

35

Dizajn istraživanja

• Ključne odrednice definisanja dizajna

istraživanja koji će se primeniti u postupku

generisanja podataka su:

1. meĎusobna ne/zavisnost opservacija,

2. broj grupa koje se posmatraju,

3. broj merenja po jednom objektu posmatranja u

istraživanju – broj promenljivih

4. mogućnost kontrole posmatranih promenljivih.

36


• Ne/zavisnost opservacija• Npr. ispituje se efektivnost primene odreĎene reklame na prodaju

proizvoda, mera efektivnosti - stav potrošača prema proizvodu

• (stav se meri na intervalnoj skali)

• Dizajn- X O1

nezavisni uzorci O2

• O1 (stavovi ispitanika koji su videli reklamu)

• O2 (stavovi ispitanika koji nisu videli reklamu)

• Dizajn- zavisni uzorci (isti ispitanici: mere se stavovi ispitanika pre nego što su videli reklamu i posle)

• O1 X O2

37


• Broj grupa koje se posmatraju

Npr. ispitujemo dva tipa reklama i imamo tri grupe ispitanika:

X1 O1 (stavovi ispitanika koji su videli prvu reklamu)

• X2 O2 (stavovi ispitanika koji su videli drugu reklamu)

• O3 (stavovi ispitanika koji nisu videli nijednu reklamu)

• broj promenljivih - broj posmatranih obeležja

• Npr. pored stava posmatramo i prodaju proizvoda

X O1 (mere dve promenljive: stav i prodaja za prvu grupu ispitanika)

O2 (mere dve promenljive: stav i prodaja za drugu grupu ispitanika)

38


• kontrola promenljivih u izabranom

dizajnu

• X O1 (stavovi ispitanika koji su videli reklamu)

• O2 (stavovi ispitanika koji nisu videli reklamu)

• Fokus istraživanja je u analizi razlike u stavovima

ispitanika.

• Pored “dejstva” reklame, neke druge promenljive mogu

doprineti razlikama u stavovima (npr. prethodna

upotreba proizvoda). Kako kontrolisati dejstvo ove

promenljive?

39

Pretpostavke primene odreĎenih testova

(modela)

Na primer, pretpostavke primene t testa za dva

uzorka su:

1. Uzorci su nezavisni;

2. Posmatrane karakteristike u obe populacije imaju

normalan raspored;

3. Populacije imaju jednake varijanse.

40

PREGLED STATISTIČKIH TEHNIKA

TEHNIKE

ANALIZE

PODATAKA

Tehnike analize za

jednu promenljivu

(univariate techniques)

Multivarijacione

tehnike

(multivariate techniques)

41

PREGLED STATISTIČKIH TEHNIKA

Tehnike analize

jedne promenljive

Parametarske

statistike (tehnike)

Metrički podaci

Neparametarske

statistike (tehnike)

Nemetrički podaci

42

Podela parametarskih tehnika

Parametarske

statistike

Jedan uzorak

t test

z test

Dva ili više

uzoraka

Nezavisni

t test za dve grupe

z test

One-way ANOVA

Zavisni

Upareni t test

43

Podela neparametarskih tehnika

Neparametarske

statistike

Jedan uzorak

Tabela frekvencija

Hi-kvadrat

K-S test

Binomni

Test koraka

Dva ili više uzoraka

Nezavisni uzorci

Hi-kvadrat

Test sume rangova

K-S test

Medijana test

K-W ANOVA

Zavisni uzorci

Test znaka

Wilcoxon-ov test

McNemar test

Cochran Q test

44

Podela tehnika multivarijacione analize

Multivarijacione

tehnike

Tehnike

zavisnosti

Tehnike

međuzavisnosti

45


Tehnike zavisnosti

Jedna zavisna

promenljiva

ANOVA & ANCOVA

Višestruka regresija

Diskriminaciona

analiza

Conjoint analiza –

analiza združenih

efekata

Više zavisnih

promenljivih

•MANOVA &

MANCOVA

Kanonička korelacija

46


Tehnike

međuzavisnosti

Fokus na

promenljivama

•Faktorska analiza

Fokus na objektima

•Analiza skupina

(Cluster analysis)

Višedimenzionalno

skaliranje

Documents

OSNOVE ANALIZE PODATAKA u naučnim istraživanjimaess.ekof.bg.ac.rs/DOKTORSKE_STUDIJE/Osnove analize podataka u... · • upitnik je primljen znatno kasnije u odnosu na jasno preciziran