Исследование сильных и слабых сторон программных средств обработки данных опросов и анкетирования на примере маркетингового исследования - Маркетинг, реклама и торговля курсовая работа

Главная

Маркетинг, реклама и торговля
Исследование сильных и слабых сторон программных средств обработки данных опросов и анкетирования на примере маркетингового исследования

Природа и сущность маркетинговых исследований. Методы анализа и выбор программных средств обработки данных анкетирования и опросов. Сравнение двух наиболее популярных программных средств обработки и анализа анкет, практическое применение одного из них.


посмотреть текст работы


скачать работу можно здесь


полная информация о работе


весь список подобных работ


Нужна помощь с учёбой? Наши эксперты готовы помочь!
Нажимая на кнопку, вы соглашаетесь с
политикой обработки персональных данных

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещенго на http://www.allbest.ru/
Глава 3. Использование выбранного средства обработки данных на предприятии
3.1 Экономическая характеристика компании «СОХО»
3.2 Использование выбранного средства обработки данных в компании «СОХО»

Размещенго на http://www.allbest.ru/
2. Определение объектов исследований.
Согласно Котлеру всю информацию можно разделить на вторичную и первичную. К вторичной относится та, которая уже существует до проведения маркетингового исследования, будучи собранной ранее для других целей. Такая информация выходит за рамки данной работы. Рассмотрим более подробно методы получения первичной информации (информации, собранной впервые для какой-либо конкретной цели)
Существует две категории данных методов.
А. Качественные исследования включают сбор, анализ и интерпретацию данных путем наблюдения за тем, что люди делают и говорят. Наблюдения и выводы носят качественный характер и осуществляются в нестандартизированной форме. Качественные данные могут быть переведены в количественную форму, но этому предшествуют специальные процедуры. К данным методам относятся фокус-группы, глубинные интервью, анализ протоколов, проекционные, физиологические измерения.
Качественные исследования не будут рассматриваться в данной работе.
Б. Количественные исследования обычно отождествляют с проведением различных опросов, основанных на использовании структурированных вопросов закрытого типа, на которые отвечает большое число респондентов. Характерными особенностями таких исследований являются: четко определенные формат собираемых данных и источники их получения, обработка собранных данных осуществляется с помощью упорядоченных процедур, в основном количественных по своей природе.
Основным инструментом количественных исследований является анкета.
При этом информация от респондентов собирается тремя способами:
1. Путем задания вопросов респондентам интервьюерами, ответы на которые интервьюер фиксирует
2. Путем задания вопросов с помощью компьютера.
3. Путем самостоятельного заполнения анкет респондентами.
Процесс составления анкеты будет подробнее рассмотрен далее.
Кроме того, на данном этапе определяется тип связи с аудиторией (телефон, почта или личное интервью) и составляется план выборки.
На данном этапе исследователь сводит полученные данные в таблицы. На основе этих таблиц выводят или рассчитывают такие показатели, как распределение частотности, средние уровни и степень рассеяния. Затем исследователь в надежде получить дополнительные сведения обрабатывает полученные данные с помощью современных статистических методик и моделей принятия решений, применяемых в системе анализа маркетинговой информации.
Обработка и анализ данных, полученных в ходе анкетирования, будет более подробно рассмотрена далее.
5. Представление полученных результатов.
Рассмотрим более подробно основные принципы разработки анкет.
Важнейшей составляющей любой анкеты являются вопросы. Различают следующие типы вопросов, применяющихся в анкетах: открытые вопросы, закрытые вопросы и вопросы со шкалой ответов. (Ф. Котлер включает последние в разряд закрытых вопросов)
1. Открытые вопросы - это вопросы, позволяющие опрашиваемому отвечать своими словами. Это дает ему возможность ему чувствовать себя при ответе на вопрос достаточно свободно, приводить примеры, иллюстрации. Открытые вопросы дают исследователю больше информации, чем остальные типы вопросов, поскольку опрашиваемым не навязывается определенный вопрос, кроме того, комментарии и пояснения респондентов к данным вопросам могут натолкнуть исследователя на неожиданные и новые идеи.
Открытые вопросы часто приводятся в начале анкеты для «разминки» респондентов.
Основными недостатками открытых вопросов являются трудности при кодировании ответов в форму, удобную для статистического анализа (махорта). Однако, открытые вопросы, ответами на которые являются числа (например, вопросы о возрасте, доходах респондента) лишены этих недостатков.
2. Закрытые вопросы - это вопросы, позволяющие опрашиваемому делать выбор из предложенных вариантов ответов.
Существует два варианта таких вопросов:
1. Дихотомический, типа: «Имеете ли вы счет в банке?» В данном случае имеется только два варианта ответа: да, нет.
2. Многовариантного выбора, из которых респондент может выбрать один или несколько ответов.
Преимуществом данного типа вопросов является облегчение обработки полученных данных для их последующего анализа.
3. Разновидностью закрытых вопросов являются вопросы со шкалой ответов.
Наиболее распространенными типами данных вопросов являются шкала Лайкерта, семантический дифференциал, шкала Стэпела, модифицированные шкалы Лайкерта.
1. Шкала Лайкерта. При ее применении от респондентов требуется определить степень согласия или несогласия для каждого набора утверждений о рассматриваемых объектах . Обычно каждый пункт шкалы имеет пять категорий для ответа от "абсолютного несогласия" до "полного согласия".
2. Модифицированные шкалы Лайкерта. В данном случае добавляются дополнительные категории ответов, а также может варьировать количество вопросов, на которые требуется ответить (голубк).
3. Семантический дифференциал. В данном случае респонденты оценивают объекты по нескольким пунктам с помощью семибалльных шкал, ограниченных по краям противоположными прилагательными, такими как "холодный" или "теплый" Отдельные пункты семантического дифференциала могут принимать значения от -- 3 до +3 или от 1 до 7.
4. Шкала Стэпела. Шкала Стэпела (Stapei scale), названная именем ее создателя (Jan Stapei), исключительно популярная десятибалльная шкала, использующая значения от --5 до 5 без нейтральной (нулевой) точки [15]. Шкала обычно изображается вертикально. Респондентов просят определить, насколько верно или неверно каждый термин описывает объект, выбирая соответствующее число на шкале ответов. Чем выше число, тем ближе термин по описанию к объекту.
Выясним, какие шкалы измерений используются при разработке анкет. Тип шкалы играет решающую роль при выборе того или иного метода статистического анализа.
При обработке анкеты ответы на вопросы преобразуются в числовой вид. Измерения объекта изучения можно провести с помощью различных шкал, причем функции, выполняемые числами, а также возможности их анализа, в каждом случае будут различаться. Выделяют следующие шкалы:
Шкала наименований - ставит в соответствие описываемым объектам числа, значения которых не имеют статистической значимости, а служат для идентификации объектов.(голубк)Данная шкала позволяет находить частоты распределения, среднюю тенденцию по модальной частоте, вычислять коэффициенты взаимозависимости между двумя или большим числом рядов свойств, применять непараметрические критерии проверки гипотез.
Шкала порядка разрешает ранжировать респондентов или их ответы (голуб). Она позволяет узнать, в какой мере выражена конкретная характеристика данного объекта, но не дает представления о степени ее выраженности. Объект, находящийся по рангу на первом месте, имеет более сильно выраженную характеристику по сравнению с тем, что находится на втором месте, но при этом неизвестно, насколько значительно различие между ними. В маркетинговых исследованиях порядковые шкалы используются для измерения отношения, мнения, восприятия и предпочтения. Данная шкала позволяет использовать показатели центральной тенденции -- медиану, квартили и др. Для выявления взаимозависимости двух признаков используются коэффициенты ранговой корреляции Спирмена и Кендэла.
Интервальная шкала обладает характеристикой расстояния между отдельными градациями шкалы, измеряемого с помощью определенной единицы измерений, т.е. используется количественная информация. На этой шкале уже не бессмысленны разности между отдельными градациями шкалы. В данном случае можно решить, равны они или нет, а если не равны, то какая из двух больше. Шкальные значения признаков можно складывать. Данная шкала позволяет выполнять все статистические операции, присущие порядковому уровню; возможны также вычисления средней арифметической, дисперсии т.д. Вместо ранговых коэффициентов корреляции вычисляется коэффициент парной корреляции Пирсона. Может также быть рассчитан множественный коэффициент корреляции.
Шкала отношений является единственной шкалой, имеющей нулевую точку, поэтому можно проводить количественное сравнение полученных результатов. Такое дополнение позволяет вести речь о соотношении (пропорции) а:b для шкальных значений а и b. Например, респондент может быть в 2,5 раза старше, тратить в три раза больше денег, летать самолетом в два раза чаще по сравнению с другим респондентом. В маркетинге с помощью относительной шкалы измеряются объемы продаж, затраты, доля рынка и число покупателей. Для шкалы отношений применимы все вышеуказанные методы статистического анализа (голубк).
Порядок вопросов должен подчиняться следующим требованиям:
1. Вначале задаются вопросы, выявляющие уровень компетенции респондентов в области проводимого исследования. Например «Вы посещаете магазин ****?» при определении отношения к ассортименту какого-либо магазина
2. Затем следуют относительно легкие вопросы, следующие целям «разминки» респондентов.
В середине или ближе к концу анкеты рекомендуется ставить наиболее трудные для респондентов вопросы. Обычно респондент, если дошел до данной части вопросника, как правило, отвечает и на оставшиеся вопросы. Опытные интервьюеры при проведении устного опроса в этом месте обычно говорят, что интервью вступило в завершающую стадию.
3. В конце вопросника приводятся классификационные вопросы, постановка которых в его начале, вследствие их персонального характера, может вызвать у респондента желание прекратить ответы на вопросы. Сюда относятся демографические вопросы о возрасте, образовании, национальности, уровне дохода и т.п.
4. Вопросы, носящие чрезмерно личностный характер («Чистите ли вы зубы каждый день?» «Часто ли вы на своем автомобиле превышаете допустимую скорость?»), обычно помещаются среди «безвинных» вопросов.
После проведения опроса полученная информация должна быть подготовлена к анализу. Выделяют несколько этапов этого процесса:
1Проверка анкет. На данном этапе анкеты проверяются на полноту заполнения и качество интервьюирования. Не могут быть приняты для дальнейшей обработки анкеты с незаполненными частями, с несоблюдением респондентами инструкций по заполнению, с отсутствующими страницами, с ответами, данными респондентом, не входящим в группу, выделенную для участия в исследовании.
2. Редактирование данных. На данном этапе производится обработка нечитабельных, неполных, логически непоследовательных или неоднозначных ответов. При получении анкет, содержащих такие ответы, их обычно отправляют обратно на места сбора данных для уточнения, либо назначаются пропущенные значения, либо такие анкеты отбраковываются и не включаются в анализ.
3. Кодирование данных. На данном этапе осуществляется присвоение определенного кода каждому возможному варианту ответа по каждому вопросу. Помимо этого, кодируются и сами респонденты, а также вопросы. Если анкета включает только закрытые вопросы или очень незначительное количество открытых вопросов, она кодируется заранее. Это означает, что коды присваиваются, прежде чем начинается непосредственная полевая работа. Если же в анкете содержатся в основном открытые вопросы, коды присваиваются уже после того, как заполненные анкеты возвращаются с места сбора данных (так называемое посткодирование).
4. Преобразование данных. На данном этапе осуществляется перенос закодированных данных из анкеты или кодировочных таблиц на диски или магнитные ленты либо введение их непосредственно в компьютер через клавиатуру. Если данные собраны с использованием автоматизированных компьютерных систем, их преобразование не обязательно, поскольку они вводятся в компьютер в процессе их сбора.
5. Очищение данных заключается в проверке состоятельности собранных данных и работе с пропущенными ответами.
6. Статистическая корректировка данных. Может осуществляться взвешивание (каждому наблюдению или респонденту в базе данных присваивается весовой коэффициент, отображающий степень его значимости по сравнению с другими наблюдениями или респондентами.), переопределение переменной (преобразование данных для создания новых переменных либо изменения существующих.), преобразование шкалы измерения (манипулирование значениями шкалы с тем, чтобы сравнивать ее с другими шкалами либо как-то иначе преобразовывать данные и делать их подходящими для анализа)
1.3 Методы анализа данных анкетирования
После преобразования данных приступают к статистическому анализу.
Выбор того или иного метода анализа определяется главным образом типом шкалы, использованной при построении вопросов анкеты.
Дескриптивные статистики включают в себя показатели центра распределения (среднее, мода, медиана, частоты, показатели вариации (размах вариации, дисперсия, среднеквадратическое отклонение, коэффициент вариации), показатели формы распределения (асимметрия, эксцесс)
Для неметрических шкал применяется мода, медиана (только для шкал порядка), частоты.
Для метрических шкал применимы все дескриптивные статистики.
Параметрические и непараметрические тесты бывают следующие:
Для одной выборки (проверка закона распределения) для метрических данных включают t-критерий,z-критерий. Для неметрических данных в данном случае применяется критерий согласия Колмогорова-Смирнова, критерий серий (применяется для двузначных переменных), биномиальный критерий (также для двузначных переменных).
Для двух и более выборок данные тесты проверяют различия средних значений, моды, медианы и т.д.
Для двух независимых выборок применяются следующие параметрические тесты: F-критерий, двухгрупповой t-критерий. К непараметрическим тестам здесь можно отнести: U-критерий Манна-Уитни, двухвыборочный медианный критерий, Двухвыборочный критерий Колмогорова--Смирнова.
Для двух зависимых выборок применяется такой параметрический тест, как t-критерий парных выборок. К непараметрическим тестам в данном случае относятся Критерий попарных сравнений Уилкоксона, Критерий знаков.
Таблицы сопряженности применяются, как правило, для установления зависимости между двумя или тремя неметрическими переменными. В случае шкал наименований для ее оценки применяют: критерий хи-квадрат, фи-коэффициент, Коэффициент сопряженности признаков, V-коэффициент Крамера, коэффициент «лямбда». В случае порядковых данных применяются такие статистики, как тау b, тау с и «гамма».
Дисперсионный анализ применяется для установления зависимости одной метрической переменной от неметрических переменных, которые делят выборку на группы, причем межгрупповая дисперсия должна как можно больше превышать среднюю из внутригрупповых дисперсий для выявления зависимости.
Однофакторный дисперсионный анализ применяет следующие статистики: Эта-квадрат (?2), F-статистика.
Многофакторный дисперсионный анализ включает коэффициент множественной корреляции, F-критерий, ?2.
Ковариационный анализ применяется, когда при проведении дисперсионного анализа требуется исключить влияние метрической независимой переменной, которая называется ковариатой.
При неметрическом дисперсионном анализе зависимая переменная выражена порядковой переменной. Здесь применяют такие статистики, как k-выборочный медианный тест, Однофакторный дисперсионный анализ Краскела-Уоллиса.
Многомерный дисперсионный анализ применяется в том случае, когда имеется две или больше зависимых переменных.
Для выявления зависимости между двумя метрическими переменными применяется коэффициент парной корреляции; при наличии нескольких независимых переменных применяется частный коэффициент корреляции.
Кроме того, для оценки связи между двумя порядковыми неметрическими переменными применяется коэффициент корреляции Спирмена, коэффициент корреляции Кендалла.
Регрессионный анализ применяется для установления формы и изучения связей между метрической зависимой переменной и одной или несколькими независимыми переменными.
Для парной регрессии применяются следующие статистики: коэффициент детерминации, коэффициент регрессии, сумма квадратов ошибок и т.д.
Для множественной регрессии применяются следующие статистики: коэффициент множественной детерминации, частный коэффициент регрессии.
Дискриминантный анализ используется для изучения зависимости неметрических переменных от метрических. В данном виде анализа необходимо задать дискриминантную функцию, аргументами которой являются независимые переменные, которая определяет значение зависимой переменной.
Дискриминантный анализ для двух групп предполагает наличие двух категорий зависимой переменной
Множественный дискриминантный анализ предполагает наличие большего количества указанных категорий.
Факторный анализ изучает все возможные варианты взаимозависимых связей метрических переменных. При проведении данного анализа не учитываются различия между зависимыми и независимыми переменными; он служит для обобщения коррелируемых переменных.
Кластерный анализ предназначен для классификации респондентов или переменных в относительно однородные группы, которые называют кластерами. Для показа результатов кластеризации применяется древовидная диаграмма.
Многомерное шкалирование применяется для представления восприятий и предпочтений респондентов в пространстве с помощью наглядного изображения. Существуют как неметрические методы многомерного шкалирования (исходные данные порядковые) и метрические методы многомерного шкалирования.
Совместный анализ применяется для определения важности, которую придают потребители определенным характеристикам. Эту информацию маркетологи получают из оценок потребителями торговых марок или профилей торговых марок, составленных из характеристик товаров и их уровней.
В отличие от SPSS, в Statistica нет специального режима для просмотра свойств переменных, свойства вызываются двойным кликом по заголовку переменной в таблице данных. Кроме того, свойства переменой доступны в меню Vars на панели инструментов. Программа предлагает расширенные, по сравнению с SPSS, возможности простейшей модификации данных, а также обладает схожими с MS Excel принципами Drag and Drop. Можно также отметить отличный от SPSS способ выбора переменных (из раскрывающегося списка, а не путем перетаскивания переменной из одного окошка в другое).
При открытии окна со свойствами выделенной переменной (вкладка Specs в меню Vars) пользователь может установить определенные параметры переменной. Так, можно дать название переменной, установить шрифт заголовка, задается тип данных (Double, Text, Integer, Byte), а также формат отображения (Display Format). Здесь доступны такие форматы, как General (общий), Number (число), Date (дата), Time (время), Scientific (научный), Currency (денежный формат), Percentage (проценты), Fraction (доли), Custom (пользовательские форматы). С помощью кнопки All Specs можно перейти в окно просмотра свойств всех переменных. Кнопка Text Labels позволяет редактировать и создавать метки переменных. Statistica предлагает такие шкалы измерений: Unspecified, Auto, Continuous, Categorical, Ordinal. Последние две соответствуют шкалам Scale, Nominal и Ordinal в SPSS.
Кнопки Vars и Cases на панели инструментов позволяют производить редакцию соответственно переменных и случаев. Так, через меню Cases можно удалять (Delete), добавлять (Add), перемещать (Move), сортировать (Sort Cases) и копировать (Copy) случаи. Помимо этого Case Names Manager позволяет присваивать случаям имена, идентичные значениям выбранной переменной, и присваивать имена случаев значениям выбранной переменной.
Для переменных также доступны функции Add, Move, Copy и Delete. Правда, указанные операции для переменных, а также для случаев можно выполнить через контекстное меню; а операции Copy и Add доступны через меню Insert на панели инструментов.
Пропущенные значения в Statistica по умолчанию заполняются значением -9999. Однако пользователь может изменить это число для выбранной переменной в окне свойств переменной, окошко MD code. Кроме того, через меню Data можно заполнить пропущенные ячейки средним значением переменной (вкладка Data Filtering/Recoding, команда Replace Missing Data).
Также Statistica позволяет осуществлять транспозицию (меню Data, команда Transpose).
Statistica предлагает возможности модификации данных. Вычисление новой переменной можно произвести с помощью функции Long name окна свойств этой переменной. Можно использовать не только логические и арифметические операторы, но и функции (Functions). Доступны следующие: Case States (функции, указывающие состояние наблюдения), Conditional (условные), Date/Time (дата/время), Distributions (распределения), General (общие), Math (математические), Operators (операторы), Row, Column (ряды, колонки), Statistics (статистические), Text (текстовые).
Переменные могут быть перекодированы посредством меню Data, вкладки Recode или одноименной вкладки меню Vars на панели инструментов. В отличие от SPSS, здесь пользователь имеет возможность сразу задать диапазон исходных значений переменной, соответствующих новому значению переменной, а не вводить все старые значения.
Помимо этого, меню Vars позволяет создавать переменную даты из переменных дня, месяца и года и делить переменную даты на эти переменные (Date Operations).
C помощью функции Recalculate Spreadsheet Formulas пользователь может пересчитать значения переменных, которые связаны при помощи формул.
С помощью функции Shift (Lag) пользователь может сдвинуть значения выбранной переменной на указанное число случаев вверх или вниз.
Следует отметить, что последние три функции доступны также в меню Data.
Statistica позволяет создавать стандартизированные переменные (исходные значения - среднее/ среднеквадратическое отклонение ) с помощью команды Standardize, доступной через меню Vars или через меню Data.
Statistica позволяет ранжировать переменные; при этом значение переменной заменяется ее рангом. Функция доступна через вкладку Rank меню Vars или меню Data. Пользователь может выбрать, какому значению - максимальному или минимальному - присвоить ранг 1, а также выбрать вариант присвоения рангов одинаковым значениям (Ranks for ties): присвоить средний из рангов (mean), наименьший (low), наибольший ранг (high) или последовательно присваивать ранги различным значениям (sequential).Statistica предлагает следующие типы рангов (Type of ranks): regular (обычный), fractional (дробный), fractional as % (дробный в %).
Взвешивание случаев производится в окне Spreadsheet Case Weights, при взвешивании необходимо определить переменную-вес. Окно вызывается в меню Tools, или с помощью кнопки Weight на панели инструментов, или при выполнении некоторых операций (например, при замене пропущенных значений средними).
3. Импорт данных из MS Access и MS Excel, создание DDE-связи.
Statistica предлагает более расширенные, чем SPSS, возможности работы с внешними источниками информации.
При импорте листов MS Excel и таблиц MS Access создается запрос. Перед созданием запроса необходимо пошагово установить связь, выбрать таблицу, по которой выполняется запрос, в меню File, вкладках Get External Data и Create Query. После выбора таблицы запрос создается с помощью простейшего редактора Add Criteria и затем может быть сохранен как отдельный файл. В отличие от SPSS, в Statistica процедура создания запроса схожа с таковой в MS Access.
Кроме того, Statistica позволяет создавать связи между таблицами Excel, содержащими исходные данные, и интерфейсом программы, что позволяет обрабатывать удаленные данные без возможности их изменения. Такие связи называются DDE-связями. Они создаются в программе Statistica двумя способами. Первый способ заключается в копировании исходной части таблицы Excel с последующей вставкой в Statistica с помощью команды Paste Special из меню Edit. Второй способ заключается в установлении связи и управлении ей с помощью команды DDE Links из меню Edit. Вначале требуется открыть исходный документ Excel, затем с помощью указанной команды создать DDE-связь и управлять ей через окно Manage DDE Links.
Statistica позволяет производить отбор случаев. Функция доступна через меню Tools, вкладка Selection Conditions. Новые условия отбора создаются с помощью команды Edit указанной вкладки. Здесь можно как задавать условия отбора с помощью логических операторов и операторов отношения, так и указывать номера случаев, подлежащие отбору. Кроме того, те же самые функции доступны для исключения, а не отбора случаев. Созданное условие может быть сохранено как самостоятельный файл. С помощью команды Enable можно включить условие, а показать отобранные значения можно с помощью команды Display.
Вкладка Subset/Random Sampling окна Spreadsheet Case Selection Conditions, также доступная в меню Data и Vars, позволяет создавать подмножества случаев (Subset) и случайные выборки (Random Sampling). Подмножества создаются путем выбора флажка Case selection condition и нажатия на кнопку Cases, что позволяет задавать условия их создания. Случайные выборки создаются двумя способами: Simple random sampling (простой случайный выбор) и Systematic random sampling (систематический случайный выбор). В первом случае можно задавать как приближенный процент случаев (Approximate %), так и точное число случаев (Exact), также доступна случайный выбор с возвращением (With replacement). Во втором случае пользователь задает число, соответствующее интервалу, из которого производится случайный выбор одного случая.
Statistica позволяет объединять разные наборы данных (меню Data, вкладка Merge). Можно объединять случаи (Cases), переменные (Variables), а можно объединять переменные и текстовые метки к ним (Text Labels).
Statistica позволяет производить проверку исходных данных (команда Verify Data из меню Data или Vars). Пользователь может задавать как простые условия, так и сложные условия, причем существует два способа их применения: случай считается правильным, если он удовлетворяет всем условиям (All conditioты are met), или если он удовлетворяет хотя бы одному условию (At least one condition is met). Доступны следующие типы условий: Valid cases (номера правильных наблюдений), Valid if (условия,которым удовлетворяют правильные наблюдения), Invalid cases (номера неправильных наблюдений), Invalid if (условия, которым удовлетворяют неправильные наблюдения).Кроме того, в рамке Range указывается, с какого по какой случай проводить проверку.
SPSS - это универсальный статистический пакет, который может использоваться для работы с анкетными данными.
Разработчик: SPSS Inc., an IBM Company, США.
Компания предлагает такие семейства продуктов, как Statistics, Data Collection, Modeling, Deployment.
Следует отметить, что один из продуктов семейства Data Collection (IBM SPSS Data Collection Data Entry) является и одним из модулей Statistics.
Для обработки и анализа анкет предлагаются программы семейства Statistics, включающие:
IBM SPSS Statistics with Collaboration (данная версия предназначена для сетевой работы)
SPSS выводит информацию в таких окнах, как Data Editor (редактор данных, который имеет два режима: Variable View и Data View), Viewer (здесь отображаются результаты вычислений, диаграммы и т. д.), Script Editor (редактор скриптов), Diagram Editor (редактор диаграмм), и других окнах, используемых реже.
При открытии режима Variable View пользователь может задать имена переменным, выбрать тип переменной (доступны Numeric (числовой), String (строка), Date (дата), Comma (запятая), Dot (точка), Scientific notation (экспоненциальное представление), Dollar (доллар), Special currency (специальная валюта). Кроме того, можно задать число позиций столбца, число десятичных разрядов, а также метки переменных (label) и значений (values). Здесь же задается ширина столбца, выравнивание. Пользователь может выбрать режим определения пропущенных значений (missing). Это могут быть как незаполненные ячейки (no missing values), так и определяемые пользователем значения переменной (discrete missing values)или диапазон этих значений плюс одно значение (range plus one optional discrete missing value).
Также режим Variable View позволяет выбрать шкалу измерения (measure). Предлагается три шкалы: шкала наименований (nominal), порядковая шкала (ordinal) и метрическая шкала (scale).
Помимо этого, здесь можно удалить, вставить переменную, а также копировать описание переменной.
В режиме Data View пользователь может также копировать, удалять, вставлять переменные и случаи, а также сортировать случаи.
На панели инструментов в окне Data Editor доступны кнопки, также позволяющие вставлять случаи и переменные. Помимо этого в меню Data имеются инструменты, позволяющие сортировать случаи и переменные (Sort cases, Sort variables), менять и копировать свойства переменных (Define variable properties, Copy data properties), осуществлять транспозицию, т.е. менять местами переменные и случаи (transpose).
В SPSS существует возможность вычислять новые переменные (меню Transform, вкладка Compute Variable) на основе имеющихся как с помощью арифметических и логических операций, так и с помощью функций, которые бывают следующих видов: арифметические, статистические, даты и времени, обработки пропущенных значений, извлечения значений наблюдений, статистических распределений, генерации случайных чисел.
Кроме того, можно создать переменную, которая отражает частоту появления определенных значений переменной для каждого случая (меню Transform, вкладка Count values within cases).
Одной из важнейших возможностей модификации данных в SPSS является перекодирование значений переменных (С помощью ручного перекодирования (меню Transform, вкладки Recode into same variables, Recode into different variables) задаются новые значения переменной, автоматическое перекодирование (Automatic Recode) позволяет представить текстовые данные в числовой форме с присвоением меток значений переменной.
SPSS также позволяет вычислять новые переменные для случ
Исследование сильных и слабых сторон программных средств обработки данных опросов и анкетирования на примере маркетингового исследования курсовая работа. Маркетинг, реклама и торговля.
Оформление Текста Курсовой
Доклад по теме Brownsville station
Реферат: Оптимизация производственной структуры сельскохозяйственного предприятия на примере хозяйства Путь Ленина
Реферат: Методика преподавания урока по баяну. Скачать бесплатно и без регистрации
Статья: Языки и символы культуры
Реферат: Карлик Нос
Сочинение На Английском Языке Про Логистику
Реферат по теме Расчет полупроводникового выпрямителя с фильтром и транзисторного усилителя
Написать Краткое Сочинение По Картине Утро
Курсовая работа по теме Исковое производство в гражданском процессе
Контрольная Работа 1 Класс Моро Итог
Реферат: Застосування технологій електронної комерції в державі
Дипломная работа по теме Автоматизация процесса настройки антенно-фидерных систем GSM-терминалов
Контрольная Работа На Тему Специфика Рекламной Этики
Доклад по теме Методологические основы психологии
Эссе Воображение
Курсовая работа по теме Афганская война
Реферат: Лекции 3
Курсовая работа по теме Індустрыяльны турызм ў Беларусі
Контрольная работа по теме Сравнение апелляционного и кассационного производства
Конституционные права и свободы гражданина в России - Государство и право доклад
Теоретические основы расследования вымогательства - Государство и право контрольная работа
Транспорт веществ через биологические мембраны - Биология и естествознание презентация