Upload
meda-
View
64
Download
0
Embed Size (px)
DESCRIPTION
planiranje
Citation preview
SPSS EDITOR PODATAKA
DEFINISANJE PROMENLJIVIH U SPSS-u
renik podataka
Statistiko modifikovanje podataka
1. Ponderisanje podataka,
2. Respecifikacija (prekodiranje) promenljivih
3. Transformacija podataka
1. Ponderisanje podataka,
Primer:
cilj marketinkog ispitivanja je da se proui kakve se promene mogu uraditi na odreenom proizvodu da bi se pospeila prodaja:
vernim potroaima proizvoda - ponder 3,
umerenim (srednjim) potroaima- ponder 2,
povremenim potroaima ponder - 1
nepotroaima (ispitanicima koji uopte ne koriste) ponder 0
2. Respecifikacija (prekodiranje) promenljivih
Razlozi kupovine kozmetikog 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:
ene mlai mlae ene
mukarci stariji starije ene
mlai mukarci
stariji mukarci
2. Respecifikacija (prekodiranje) promenljivih
vetake promenljive (dummy variables)
Opte pravilo za formiranje vetake promenljive jeste: kategorijska promenljiva ima K kategorija, koristi se K-1 vetakih promenljivih.
Vreme
kupovine
Originalni
kodovi
Vetake 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
Statistiko modifikovanje podataka
3. transformacija podataka merenih na razliitim mernim
skalama.
Na primer, standardizacija - neka se posmatraju dve promenljive:
obim prodaje odreenog proizvoda izraen u i cena proizvodaizraena u dinarima.
Da bi se obezbedila uporedivost njihovog varijabiliteta neophodno
je da se obe promenljive izraze zajednikom jedinicom mere.
sXX
zx
i
i
STRATEGIJA ZA ANALIZU PODATAKA
Tabelarno predstavljanje podatakaJednostruko tabeliranje (one-way tabulations)
Raspored frekvencija
Promenljiva Rasprodaja
(esto 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
Distribucija frekvencija
- grafiki prikaz
0 10 20 30 40 50 60 70
apsolutno se
ne slazem
ne slazem se
neutralan
slazem se
apsolutno se
slazem
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 simetrinosti i spljotenosti)
Tabeliranje podataka - Unakrsno tabeliranje (cross-tabulations).
POL Total
muski zenski
esto kupujem na
rasprodaji
apsolutno se
ne slazem se
Count
4 4 8
% within esto kupujem na rasprodaji 50,0% 50,0% 100,0%
ne slazem se Count 30 11 41
% within esto kupujem na rasprodaji 73,2% 26,8% 100,0%
neutralan Count 37 31 68
% within esto kupujem na rasprodaji 54,4% 45,6% 100,0%
slazem se Count 7 27 34
% within esto kupujem na rasprodaji 20,6% 79,4% 100,0%
apsolutno se
slazem
Count2 9 11
% within esto kupujem na rasprodaji 18,2% 81,8% 100,0%
Total Count 80 82 162
% within esto kupujem na rasprodaji 49,4% 50,6% 100,0%
Unakrsno tabeliranje (cross-tabulations, cross-tabs,
contingency table analysis )
Unakrsno tabeliranje analiza povezanosti (asocijacije) izmeu kategorijskih podataka.
Unakrsno tabeliranje kao osnova za
Hi-kvadrat i log-linearnu analizu.
Faktori koji utiu na izbor statistikih tehnika
1. Tip podataka
2. Dizajn istraivanja
3. Pretpostavke primene odreenih testova (modela)
Tipovi mernih skala
Nominalna
skala
Primarne
skale
Ordinalna
skala
Intervalna
skalaRelaciona
skala
Tip podataka
1. Nominalni podaci
2. Ordinalni podaci
3. Intervalni podaci
4. Relacioni podaci
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
Izbor merne skale
Posmatrano obeleje (promenljiva) moe se meriti na razliitim skalama. Na primer, merenje godinjeg porodinog budeta:
Nominalna skala: prole godine ko je zaraivao za porodini budet?
1. Mukarac glava porodice;2. ena glava porodice;3. I mukarac i ena glave porodice;4. Neko drugi.
Ordinalna skala: prole godine koliki je bio va godi. porodi. budet?
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
Izbor merne skale
Intervalna skala: Koliki je bio va porodini budet prole godine?
Znaajno ispod proseka Prosek Znaajno iznad proseka
1 2 3 4 5 6 7
Relaciona skala: Prole godine koliki je bio va godinji porodini budet?
dinara
Tip Podataka
1. Nominalni kategorijski (nemetriki)
2. Ordinalni podaci
3. Intervalni
4. Relacioni metriki podaci
Merne skale i statistike tehnikeZato je to vano???
Skala Deskriptivne mereDozvoljene
statistike
Nominalna Procenti, modusHi-kvadrat,
Binomni test
Ordinalna Percentili, medijana Korelacija rangova
IntervalnaAritmetika sredina,
standardna devijacija
Koeficijent korelacije,
t-test, ANOVA,
regresija, faktorska
analiza
RelacionaSve deskriptivne mere
(za prosek, varijabilitet, oblik
distribucije)
Sve statistike tehnike
Dizajn istraivanja
Kljune odrednice definisanja dizajna istraivanja koji e se primeniti u postupku generisanja podataka su:
1. meusobna ne/zavisnost opservacija,
2. broj grupa koje se posmatraju,
3. broj merenja po jednom objektu posmatranja u
istraivanju broj promenljivih
4. mogunost kontrole posmatranih promenljivih.
Dizajn istraivanja
Ne/zavisnost opservacija Npr. ispituje se efektivnost primene odreene reklame na prodaju
proizvoda, mera efektivnosti - stav potroaa prema proizvodu (stav se meri na intervalnoj skali)
Dizajn- X O1nezavisni 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 to su videli reklamu i posle)
O1 X O2
Dizajn istraivanja
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 obeleja
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)
Dizajn istraivanja
kontrola promenljivih u izabranom dizajnu
X O1 (stavovi ispitanika koji su videli reklamu)
O2 (stavovi ispitanika koji nisu videli reklamu)
Fokus istraivanja 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?
Pretpostavke primene odreenih 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.
PREGLED STATISTIKIH TEHNIKA
TEHNIKE
ANALIZE
PODATAKA
Tehnike analize za
jednu promenljivu
(univariate techniques)
Multivarijacione
tehnike
(multivariate techniques)
PREGLED STATISTIKIH TEHNIKA
Tehnike analize
jedne promenljive
Parametarske
statistike (tehnike)
Metriki podaci
Neparametarske
statistike (tehnike)
Nemetriki podaci
Podela parametarskih tehnika
Parametarske
statistike
Jedan uzorak
t test
z test
Dva ili vie
uzoraka
Nezavisni
t test za dve grupe
z test
One-way ANOVA
Zavisni
Upareni t test
Podela neparametarskih tehnika
Neparametarske
statistike
Jedan uzorak
Tabela frekvencija
Hi-kvadrat
K-S test
Binomni
Test koraka
Dva ili vie 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
Podela tehnika multivarijacione analize
Multivarijacione
tehnike
Tehnike
zavisnosti
Tehnike
meuzavisnosti
Podela tehnika multivarijacione analize
Tehnike zavisnosti
Jedna zavisna
promenljiva
ANOVA & ANCOVA
Viestruka regresija
Diskriminaciona
analiza
Conjoint analiza
analiza zdruenih
efekata
Vie zavisnih
promenljivih
MANOVA &
MANCOVA
Kanonika korelacija
Podela tehnika multivarijacione analize
Tehnike
meuzavisnosti
Fokus na
promenljivama
Faktorska analiza
Fokus na objektima
Analiza skupina
(Cluster analysis)
Viedimenzionalno
skaliranje