Статистические методы психолого-педагогического исследования
Помимо теоретических и эмпирических методов исследования в педагогике применяются методы статистической обработки полученных результатов. Анализируемая информационная база характеризуется разнообразием педагогического материала, его сложностью, закономерными связями между отдельными составляющими, а при помощи статистических методов удается создать полную и четкую картину исследуемых педагогических процессов и явлений.
Исследования с применением статистических методов по их типу вполне можно разбить на следующие группы:
При организации любого исследования с измерением каких-либо показателей, запланировано определенное соотнесение и сравнение измеряемого с измерителем, который, в свою очередь, выступает в качестве образца, эталона. После процедуры соотнесения выполняется оценка результатов измерения.
В технической сфере в роли измерителей применяют, как правило, материальные образцы, а в общественных измерениях, в том числе и психолого-педагогических, измерители имеют все шансы быть образцовыми.
На самом деле, чтобы квалифицировать, сформировано либо не сформировано у ребенка конкретное умственное действие, нужно сопоставить действительное с необходимым. В связи с этим, возникает определенная сложность, так как в голове исследователя всегда должна присутствовать заданная совершенная модель этого необходимого.
Следует отметить, что далеко не все педагогические явления и процессы подлежат измерению, обработке статистическими методами. Основная их масса попросту не имеет необходимого эталона, в соответствии с которым проводится статистическое измерение.
Сегодня все психолого-педагогические действия принято подразделять на две крупные категории: объективные материальные действия (явления, существующие вне и независимо от нашего сознания) и субъективные нематериальные действа (явления, присущие конкретному лицу).
К объективным материальным действиям относят различные химические и биологические процессы, перемещения, производимые человеком, издаваемые им звуки, выполняемые им действия.
К субъективным нематериальным действиям относят чувства, восприятия и представления, фантазию и мышление, эмоции, влечения и стремления, мотивацию, знания, умения и навыки.
Все показатели первой группы наблюдаемых и в принципе могут постоянно измеряться, подвергаться статистической обработке. Это значит, что методом физических операций их практически всегда можно сопоставить с какой-либо настоящей величиной, принятой за образец, меру подходящей характеристики либо признака.
Показатели второй группы измерить невозможно, потому что для них нет и вовсе не может быть материальных идеалов, образцов. В данном случае могут использоваться лишь примерные методы оценки явлений — всевозможные косвенные показатели.
Сущность использования косвенных признаков содержится в том, что измеряемое действие или его показатель связывают с явными материальными качествами, а их значение принимают за показатель сообразных нематериальных явлений. К примеру, эффективность нового метода или технологии обучения оценивают уровнем успеваемости учащихся, качество работы ученика — численностью допущенных ошибок и недочетов, трудность изучаемого материала – количеством потраченного на него времени, развитие психических или же моральных качеств — количеством соответствующих поступков.
Современные исследователи проявляют огромный интерес к всевозможным методам количественного анализа данных, полученных в ходе психолого-педагогической работы. При этом особенно значимым считается момент обработки этих результатов, то есть их высококачественный и всесторонний анализ. Статистические методы предоставляют возможность сделать более надежные и обоснованные выводы исследования, выявить превосходство того или иного метода, отразить общую тенденцию, доказать, что проверяемое научное предположение оправдалось или наоборот потерпело неудачу.
Кроме того, высококачественный анализ способен дать ответ на вопрос, как прошло конкретное педагогическое действие или явление, что ему благоприятствовало, а что было помехой, каковы были условия проведения исследования и как они повлияли на его ход и результаты, можно ли данную методику применять в дальнейшем и т. д.
На данном этапе важно проанализировать обстоятельства, побудившие отдельных опрашиваемых дать неверный ответ, выявить типичные допущенные ошибки с целью дальнейшего акцентирования обучения на конкретном материале.
Использование статистических методов анализа собранных данных позволяет более точно оценить результаты исследования и предоставляет большую базу для последующих теоретических обобщений. Данные методы в итоге исследования предоставляют ряд числовых данных, на основании которых проводится мониторинг развития интересующего процесса. Эти данные, в частности, позволяют сопоставлять различные цифровые показатели, полученные в ходе исследования, и делать сообразные педагогические выводы и рекомендации.
Однако следует помнить, что в педагогике статистические методы применяются только для количественной оценки свойств и явлений. Ввиду недостаточной изученности и своеобразности педагогических явлений, статистические законы распределения по отношению к ним неизвестны. В связи с этим использовать статистическую обработку в психолого-педагогическом исследовании нужно крайне осторожно, учитывая все особенности учебно-воспитательного процесса.
Понятие и особенности статистических методов психолого-педагогического исследования
Тема включает в себя рассмотрение следующих вопросов:
- Понятие статистических методов педагогического исследования.
- Особенности статистических методов в педагогике.
Понятие статистических методов
В педагогике, кроме теоретических и эмпирических методов исследований, также часто используются методы статической обработки полученных результатов. Информационная база имеет большое количество материала, характеризуется его сложностью, конкретными связями между отдельными элементами. Благодаря статистическим методам возможно сформировать полную и конкретную картину используемых педагогических процессов и явлений.
Выделяют такие виды математических и статистических методов в педагогике:
- Номинальные переменные, к которым относят пол, анкетные данные и т.д. Над такими данными нельзя проводить арифметические процессы, так как у них довольно специфический характер. Обычно их делят на классы по отличительным особенностям
- Данные с количественной или порядковой шкалой измерения. Также называются ординарными переменными. При анализе такого вида делят данные на подвыборки, также используются ранговые технологии. Иногда применяют параметрический метод.
- Количественные переменные. Они показывают уровень выраженности измеряемого показателя, к которому относят успеваемость и разные оценочные исследования. При работе с данным видом используют все традиционные типы анализа.
Иногда применяют параметрический метод.Разнообразие переменных видов требует применения большого количества используемых математических и статистических методов исследования.
Для организации какого-либо исследования с измерением любых показателей необходимо конкретное соотношение и сравнение измеряемого с измерителем. Измеритель является образцом, эталоном. После проведения соотношения оценивается результат измерения.
Для технической сферы в роли измерителя используют материальные образцы. Для общественных измерений, к которым относят психолого-педагогические, измерители могут быть эталонными. Чтобы понять сформировалось ли у ребёнка определённое умственное действие или нет следует соотнести действительное с необходимым. По этой причине, присутствует некая сложность, потому что в голове у исследователя должен постоянно быть идеальный образец этого необходимого.
Не все педагогические явления можно измерить и обработать статистическими методами. Некоторые из педагогических явления не имеют нужного образца, в соответствии с которым производится статистическое измерение.
Характеристика статистических методов в педагогике
На сегодня все методы психолого-педагогического исследования разделяют на две большие группы:
- Объективные материальные действия. К ним относят явления, которые формируются независимо от человеческого сознания.
- Субъективные нематериальные действия. К ним относят явления, которые характерны конкретному человеку.
Также к первой группе относят разные химические и биологические процессы, перемещения, звуки и действия, которые происходят благодаря человеку.
Ко второй группе относятся чувства, восприятия, представления, фантазия, мышление, эмоции, влечения, стремления, мотивацию, знания, умения и способности.
Показатели объективных материальных действий способны постоянно измеряться и подвергаться статистической обработке.
Используя метод физических операций, их возможно соотнести с любой настоящей величиной, которая является образцом, мерой подходящей особенности или признаком.
Показатели субъективных нематериальных действий измерению не поддаются, так как для них не существует материальных идеалов и образцов. Применяются только примерные методы оценки явлений – любые возможные косвенные показатели.
Сущность косвенных признаков – действие, которое измеряется или его показатель связывают с конкретными материальными качествами, а их значение считается показателем всех нематериальных явлений. Например, эффективность недавно сформированного метода или технологии обучения оценивают уровнем успеваемости учеников, или качество деятельности ученика оценивают количеством допущенных ошибок. Уровень сложности материала, который изучается оценивается численностью потраченного на него времени. Формирование психических и моральных характеристик оценивается количеством действий.
Исследователи настоящего времени интересуются различными методами количественного анализа данных, которые всплывают во время психолого-педагогической деятельности.
Важным при этом считается этап обработки данных результатов, точнее их качественный и всесторонний анализ. Статистические методы предоставляют возможность сделать правильные выводы проведённого исследования и найти преимущества конкретного метода. Также помогут показать общую тенденцию, найти доказательства, что научное предположение, которое проверяется, оправдалось или стало неудачным.
Правильный анализ поможет проверить, как прошло определённое действие в педагогике или явление, которое ему благоприятствовало. Сможет обозначить, какие были условия проведения такого исследования и его влияние на сам процесс и результаты. Поможет дать ответ на вопрос, возможно или невозможно использовать такую методику в дальнейшем.
На этом этапе стоит правильно провести анализ таких факторов:
- Проанализировать обстоятельства, которые пробудили конкретных людей ответить неправильно.
- Найти допущенные ошибки для дальнейшего акцентирования обучения на определённом материале.
При применении статистических методов анализа собранных данных возможно правильно оценить результаты исследования и сформировать большую основу для последующих теоретических обобщений. В результате, такие методы предоставляют ряд числовых данных, на основе которых возможно произвести мониторинг роста интересующего процесса. Такие данные предоставляют возможность соотнести разные числовые показатели, которые были получены во время исследований, и сделать сообразные педагогические выводы, рекомендации.
Не стоит забывать, что статистические методы в педагогике используются только для количественной оценки характеристик и явлений. Из-за недостаточного изучения и специфических явлений в педагогике, сложно определить статистические законы распределения по отношению к ним. Стоит с большой осторожностью применять статистическую обработку в психолого-педагогическом исследовании, и учитывать все особенности учебного и воспитательного процесса.
Статистический анализ данных в образовании – 870 слов
Содержание
- Обзор
- Описание проблемы исследования
- Методология исследования: дизайн, подход и структура
- Данные и выводы исследования 9 0007
- Критика статьи
- Заключение
- Список литературы
Обзор
В сфере образования большое внимание следует уделять развитию статистического мышления у учителей.
Scheaffer and Jacobbe (2014) и Utts (2015) констатируют, что использование статистических данных с упором на их дальнейший анализ и интерпретацию часто является сложной задачей для педагогов, и им необходимо сконцентрироваться на развитии навыков работы со статистическими методами.
В своей статье «Удержи мои звонки: упражнение для введения в статистический процесс» Абель и Полинг (2015) описали конкретное статистическое упражнение, которое можно использовать в процессе преподавания-обучения на уровне средней школы для объяснения принципов статистического процесса. статистический процесс. Статья была опубликована в Преподавание статистики , и это описательное исследование было направлено на обсуждение аспектов статистического процесса с упором на анализ и интерпретацию данных.
Описание исследовательской задачи
Статистический процесс основан на наборе конкретных этапов, которые должны выполняться последовательно. Анализ и интерпретация данных обычно считаются наиболее сложными этапами этого процесса (Slootmaeckers, Kerremans, & Adriaensen, 2014).
Необходимо улучшить навыки учащихся в отношении использования статистических методов для проведения исследований и анализа данных (Диркер, Купер, Александр, Селя и Роуз, 2015).
Проблема в том, что многим учителям также не хватает навыков для надлежащего применения и объяснения статистических методов (Ben-Zvi, 2014; Fotache & Strimbei, 2015). Так, Абель и Полинг (2015) сосредоточились на описании конкретной статистической деятельности, направленной на предоставление студентам и преподавателям четкой информации об этапах статистического процесса.
В статье Абеля и Полинга (2015 г.) представлено описание результатов внедрения структуры GAISE для статистического процесса. Исследователи наняли практикующих учителей для участия в исследовании и использовали четырехступенчатую модель GAISE, чтобы изучить, как использование мобильных телефонов может повлиять на реакцию человека на дорогах.
Были сформированы четыре группы участников, и практические занятия проводились в течение двух дней.
Структура статьи зависит от количества компонентов в структуре GAISE. Таким образом, статья включает в себя следующие разделы: Аннотация, Введение, Контекст, Статистический процесс и Деятельность, включая такие задания, как формулирование вопросов, сбор данных, анализ данных и интерпретация результатов, Обсуждение и Заключение.
Данные и выводы исследования
Абель и Полинг (2015) сосредоточились на сборе описательных данных о результатах деятельности, чтобы сделать вывод об успехах, связанных с внедрением структуры GAISE. Выяснилось, что все группы учителей считали эту деятельность важной для реализации в классе, поскольку структура позволяла понять природу этапов статистического процесса. Участники подчеркнули проблемы, связанные с выбором подходящих статистических методов для анализа данных. Также участники подчеркнули возможность адаптации фреймворка к потребностям студентов.
Критика статьи
Статья Абеля и Полинга (2015) имеет описательное название, позволяющее сделать выводы относительно содержания статьи, но аннотация довольно короткая и не дает всей полезной информации о работе.
Тем не менее, авторы представляют четкую цель исследования во введении, и нельзя утверждать, что эта статья уместна для объяснения сути анализа и интерпретации статистических данных в сфере образования. Исследователи решили оценить результаты участников на каждом этапе, связанном со структурой GAISE. Этот подход эффективен при учете характера описательного исследования.
Так, Абель и Полинг (2015) смогли оценить успехи участников в выборе графиков для статистического анализа, а также выявили слабые места в подходах учителей к анализу данных с упором на выбор неправильных статистических методов . Раздел, посвященный этапу интерпретации, также был эффективным, поскольку исследователи представили всесторонний анализ деятельности участников в отношении сложной задачи интерпретации результатов исследования.
Тем не менее, подробная информация о процедурах анализа и интерпретации данных была представлена только в разделе, где была описана деятельность, а раздел «Обсуждение» нуждается в доработке.
Важно уделить больше внимания обсуждению того, почему важна процедура анализа статистических данных и как ошибки в анализе могут повлиять на процесс интерпретации (Ziegler & Garfield, 2013). Поэтому можно расширить раздел «Обсуждение» и указать ссылки на другие исследования для оценки полученных результатов.
Несмотря на определенные ограничения в представлении и обсуждении результатов исследования, можно констатировать, что утверждения авторов ясны и основаны на доказательствах. Таким образом, в поддержку своих идей авторы приводили ограниченное количество исследований, но все они могут рассматриваться как имеющие непосредственное отношение к исследованию. Цель исследования достигнута, выводы авторов обоснованы.
Заключение
Статья Абеля и Полинга эффективно подчеркивает важность этапов анализа и интерпретации данных в статистическом процессе, а также определяет возможные проблемы для преподавателей и студентов. Тем не менее, статья требует доработок в плане развития ее разделов.
Следует уделить больше внимания обсуждению результатов деятельности в контексте предшествующих исследований.
Ссылки
Абель Т. и Полинг Л. (2015). Держите мои звонки: занятие по ознакомлению со статистическим процессом. Статистика обучения , 37 (3), 96-103.
Бен-Цви, Д. (2014). Преподавание и обучение обработке данных и статистике. Математическое образование , 1 (2), 137-140.
Диркер, Л., Купер, Дж., Александр, Дж., Селя, А., и Роуз, Дж. (2015). Оценка доступа: сравнение демографических и дисциплинарных характеристик студентов, зачисленных на традиционный вводный курс статистики, и на междисциплинарный курс, основанный на проектах. Журнал междисциплинарных исследований в области образования , 4 (1), 22-37.
Фотаче, М., и Стримбей, К. (2015). SQL и анализ данных: некоторые последствия для аналитиков данных и высшего образования. Procedia Economics and Finance , 20 (1), 243-251.
Шеффер, Р. Л., и Якоббе, Т. (2014). Статистическое образование в школах K – 12 США: краткая история. Журнал статистического образования , 22 (2), 1–10.
Слотмакерс, К., Керреманс, Б., и Адриансен, Дж. (2014). Слишком боится учиться: отношение к статистике как к барьеру для изучения статистики и приобретения количественных навыков. Политика , 34 (2), 191-200.
Уттс, Дж. (2015). Многогранность статистического образования: 175 лет общих тем. Американский статистик , 69 (2), 100-107.
Зиглер, Л., и Гарфилд, Дж. (2013). Обучающие материалы: статьи по статистике за 2012 и 2013 годы. Журнал статистического образования , 21 (1), 1-18.
Методы статистического анализа обследований в 2023 году
Попробуйте Qualtrics бесплатно
Бесплатная учетная запись 16 минут чтения
Получите больше от результатов опроса с помощью проверенных и надежных статистических тестов и методов анализа.
Зачем использовать методы статистического анализа опроса?
Использование статистического анализа для данных опросов является передовой практикой для компаний и исследователей рынка. Но почему?
Статистические тесты могут помочь вам улучшить свои знания о рынке, повысить качество обслуживания ваших клиентов, дать сотрудникам больше того, что им нужно для выполнения их работы, и продавать больше ваших продуктов и услуг людям, которые в них нуждаются. По мере того как данные становятся более доступными и ими легче управлять с помощью цифровых инструментов, компании все чаще используют их для принятия решений, а не полагаются на интуицию или мнение.
Когда дело доходит до данных опроса, сбор — это только половина дела. То, что вы делаете со своими результатами, может привести к тому, что скучные основные выводы станут глубокими откровениями.
Использование инструментов и методов обработки данных, таких как статистические тесты, может помочь вам выяснить:
- являются ли тенденции, которые вы видите в ваших данных, значимыми или они произошли случайно
- что означают ваши результаты в контексте другой имеющейся у вас информации
- является ли один фактор, влияющий на ваш бизнес, более важным, чем другие
- каким должен быть ваш следующий исследовательский вопрос
- как получить информацию, которая приведет к значимым изменениям
Существует несколько типов статистического анализа обследований. Тот, который вы выберете, будет зависеть от того, что вы хотите узнать, какого типа данные у вас есть, метода сбора данных, сколько времени и ресурсов у вас есть, а также от уровня сложности вашего программного обеспечения для анализа данных.
Узнайте, как Qualtrics iQ может помочь вам в расширенном статистическом анализе
Перед тем, как начать
Какие бы статистические приемы или методы вы ни решили использовать, есть несколько моментов, на которые следует обратить внимание, прежде чем вы начнете.
Усовершенствуйте свой подход к выборке
Одним из наиболее важных аспектов исследования в области опроса является правильный выбор метода выборки и выбор правильного размера выборки. Выборка позволяет изучить большую совокупность без необходимости опроса каждого ее члена. Выборка, если она выбрана правильно, представляет большую совокупность, поэтому вы можете изучить данные своей выборки, а затем использовать результаты, чтобы с уверенностью предсказать, что будет найдено в генеральной совокупности в целом.
Всегда будет некоторое несоответствие между данными выборки и генеральной совокупности, явление, известное как ошибка выборки, но в хорошо спланированном исследовании эта ошибка обычно настолько мала, что результаты все еще ценны.
Существует несколько методов выборки, включая вероятностную и невероятностную выборку. Как и в случае со статистическим анализом, метод, который вы выберете, будет зависеть от того, что вы хотите узнать, типа данных, которые вы собираете, и практических ограничений в отношении того, что возможно.
Определите свою нулевую гипотезу и альтернативную гипотезу
Нулевая гипотеза — это прогноз, который вы делаете в начале процесса исследования, чтобы определить, что вы хотите выяснить. Это называется нулевой гипотезой, потому что вы предсказываете, что ожидаемый вами результат не произойдет — что он будет недействительным. Проще говоря: вы работаете над тем, чтобы отвергнуть, аннулировать или опровергнуть нулевую гипотезу.
Наряду с нулевой гипотезой вы определите альтернативную гипотезу, которая утверждает, что то, что вы ожидаете, произойдет.
Например, ваша нулевая гипотеза может состоять в том, что вы не обнаружите связи между двумя переменными, а ваша альтернативная гипотеза может заключаться в том, что вы обнаружите корреляцию между ними. Если вы опровергаете нулевую гипотезу, либо ваша альтернативная гипотеза верна, либо происходит что-то еще. В любом случае, это указывает вам на ваш следующий исследовательский вопрос.
Используйте контрольный показатель
Сравнительный анализ — это способ стандартизации — выравнивания правил игры — чтобы вы могли получить более четкое представление о том, о чем говорят ваши результаты.
Он включает в себя учет внешних факторов, чтобы вы могли скорректировать параметры своего исследования и получить более точное представление о том, что происходит.
Методы сравнительного анализа используют взвешивание для корректировки переменных, которые могут повлиять на общие результаты. Что это значит? Например, представьте, что вас интересует рост урожая за сезон. В вашем бенчмаркинге будут учитываться переменные, влияющие на рост сельскохозяйственных культур, такие как осадки, количество солнечных часов, любые вредители или болезни, тип и частота внесения удобрений, так что вы сможете скорректировать все необычное, что могло произойти, например, неожиданная вспышка болезни растений на одной ферме в вашей выборке, которая может исказить ваши результаты.
Имея эталонные показатели, вы получаете ссылку на то, что является «стандартом» в интересующей вас области, чтобы вы могли лучше выявлять и исследовать отклонения от нормы.
Цель, как и во многих случаях анализа данных опроса, состоит в том, чтобы убедиться, что ваша выборка репрезентативна для всего населения, и что любые сравнения с другими данными являются сопоставимыми.
Логический или описательный?
Статистические методы можно разделить на деференциальную статистику и описательную статистику.
- Описательная статистика проливает свет на то, как данные распределяются по интересующей совокупности, предоставляя такие детали, как дисперсия внутри группы и средние значения измерений.
- Выводная статистика поможет вам сделать выводы и предсказать, что может произойти в будущем, или экстраполировать изучаемую вами выборку на все население. Логическая статистика — это виды анализа, используемые для проверки нулевой гипотезы. В этом руководстве мы в основном будем обсуждать логическую статистику.
Типы статистического анализа
Регрессионный анализ
Регрессия — это статистический метод, используемый для определения взаимосвязи между двумя (или более) переменными.
Чтобы понять регрессии, нам нужно быстро проверить терминологию:
- Независимые переменные — это «автономные» явления (в контексте исследования), которые влияют на зависимые переменные
- Зависимые переменные — это вещи, которые изменяются в результате их связи с независимыми переменными
Давайте рассмотрим пример: если мы смотрим на рост урожая в августе в Айове, это наша зависимая переменная.
На него влияют независимые переменные, включая солнечный свет, осадки, уровень загрязнения и распространенность определенных насекомых и вредителей.
Изменение зависимой переменной зависит от изменения одной (или нескольких) независимых переменных и связано с ним.
- Линейная регрессия использует одну независимую переменную для прогнозирования результата зависимой переменной.
- Множественная регрессия использует как минимум две независимые переменные для прогнозирования влияния на зависимую переменную. Множественная регрессия может быть линейной или нелинейной.
Результаты анализа линейной регрессии показаны в виде графика с переменными на осях и «кривой регрессии», показывающей отношения между ними. Данные редко прямо пропорциональны, поэтому обычно имеется некоторая кривая, а не прямая линия.
При таком статистическом тесте нулевая гипотеза состоит в том, что между зависимой и независимой переменными нет связи.
Результирующий график, вероятно (хотя и не всегда), будет выглядеть довольно случайным, а не следовать четкой линии.
Регрессия является полезной тестовой статистикой, так как вы можете определить не только, является ли взаимосвязь статистически значимой, но и определить точное влияние изменения вашей независимой переменной.
Т-критерий
Т-критерий (также известный как Т-критерий Стьюдента) — это инструмент для сравнения двух групп данных, которые имеют разные средние значения. T-тест позволяет пользователю интерпретировать, являются ли различия статистически значимыми или просто случайными.
Например, женщины и мужчины имеют разный средний рост? Выполнив t-тест, мы можем сказать, что существует значимая разница между средним ростом мужчины и средним ростом женщины, т. е. эта разница статистически значима.
Для этой тестовой статистики нулевой гипотезой будет отсутствие статистически значимой разницы.
Результаты Т-теста выражаются в терминах вероятности (p-значение).
Если p-значение ниже определенного порога, обычно 0,05, то вы можете быть уверены, что ваши две группы действительно отличаются друг от друга, и это не было просто случайным изменением между вашими выборочными данными.
Тест дисперсионного анализа (ANOVA)
Как и T-критерий, ANOVA (дисперсионный анализ) — это способ проверки различий между группами, чтобы определить, являются ли они статистически значимыми. Однако дисперсионный анализ позволяет сравнивать три или более групп, а не только две.
Как и в случае с Т-тестом, вы начнете с нулевой гипотезы о том, что между вашими группами нет значимых различий.
Дисперсионный анализ используется с регрессионным исследованием, чтобы выяснить, какое влияние независимые переменные оказывают на зависимую переменную. Он может одновременно сравнивать несколько групп, чтобы увидеть, есть ли между ними взаимосвязь.
Примером дисперсионного анализа в действии может быть изучение того, вызывают ли разные типы рекламы разные реакции потребителей.
Нулевая гипотеза состоит в том, что ни один из них не оказывает большего влияния на аудиторию, чем другие, и все они в основном так же эффективны, как и друг друга. Реакция аудитории здесь является зависимой переменной, а различные объявления — независимыми переменными.
Кластерный анализ
Кластерный анализ — это способ обработки наборов данных путем определения того, насколько тесно связаны отдельные точки данных. Используя кластерный анализ, вы можете определить, существуют ли определенные группы (кластеры) в большом пуле данных или данные распределены непрерывно и равномерно.
Кластерный анализ существует в нескольких различных формах, в зависимости от типа имеющихся у вас данных и того, что вы хотите выяснить. Его можно использовать в исследовательских целях, например, для обнаружения кластеров в данных опроса вокруг демографических тенденций или предпочтений, или для подтверждения и уточнения существующей альтернативной или нулевой гипотезы.
Кластерный анализ является одним из наиболее популярных статистических методов исследования рынка, поскольку его можно использовать для выявления сегментов рынка и групп клиентов.
Факторный анализ
Факторный анализ — это способ уменьшить сложность результатов вашего исследования путем обмена большого количества исходных переменных на меньшее количество более глубоких, лежащих в их основе переменных. Выполняя факторный анализ, вы обнаруживаете «скрытые» факторы, объясняющие дисперсию (отличие от среднего) ваших результатов.
Поскольку факторный анализ глубоко проникает в причинно-следственные связи, лежащие в основе ваших данных, он также является формой исследования сам по себе, поскольку он дает вам доступ к движущим силам результатов, которые нельзя измерить напрямую.
Совместный анализ
Исследователи рынка любят понимать и предсказывать, почему люди делают сложный выбор. Совместный анализ ближе всего подходит к этому: он просит людей идти на компромиссы при принятии решений, как они это делают в реальном мире, а затем анализирует результаты, чтобы получить наиболее популярный результат.
Например, инвестор хочет открыть новый ресторан в городе.
Они считают, что один из следующих вариантов может быть наиболее прибыльным:
| Тип ресторана | Гамбургер для гурманов | Испанские тапас | Тайский |
|---|---|---|---|
| Средняя цена за голову | 20 долларов | 40 долларов | 60 долларов |
| Расстояние от центра города | 5 миль | 2 мили | 10 миль |
| Что чувствует партнер клиента? | Все в порядке | Все в порядке | Очень нравится! |
| Компромиссы | Дешево, рядом с домом, партнеру все нормально | Это немного дороже, но очень близко к дому, партнеру это нормально | Дорого, довольно далеко от дома, но партнеру нравится |
Инвестор заказывает исследование рынка.
Варианты превратились в опрос для жителей:
- Какой тип ресторана вы предпочитаете? (бургер для гурманов/испанский тапас/тайский)
- Сколько вы готовы потратить на душу населения? (20 фунтов, 40 долларов, 60 фунтов)
- Как далеко вы готовы отправиться? (5км, 2км, 10км)
- Ваш напарник…? (Люби это, будь в порядке)
Возможных комбинаций ответов множество – в данном случае 54: (3 типа ресторана) x (3 ценовых уровня) x (3 расстояния) x (2 предпочтения партнеров). Как только данные опроса получены, программное обеспечение совместного анализа обрабатывает их, чтобы выяснить, насколько важен каждый вариант для принятия решений клиентами, какие уровни для каждого варианта предпочтительны и насколько.
Таким образом, в результате совместного анализа инвестор ресторана может обнаружить, что существует статистически значимое предпочтение дорогих испанских тапас-баров на окраинах города, чего они, возможно, не учитывали раньше.
Кросс-таблица
Кросс-таблица (кросс-таблица) используется в количественных исследованиях рынка для анализа категорийных данных, то есть переменных, которые являются различными и взаимоисключающими, например: «мужчины» и «женщины» или «младше 30 лет».
и «старше 30».
Также известный под такими названиями, как таблица непредвиденных обстоятельств и табуляция данных, кросс-табличный анализ позволяет сравнивать взаимосвязь между двумя переменными, представляя их в виде простых для понимания таблиц.
Статистический метод, называемый хи-квадрат, можно использовать для проверки того, являются ли переменные в перекрестном анализе независимыми или нет, путем проверки того, являются ли различия между ними статистически значимыми.
Анализ текста и анализ настроений
Анализ человеческого языка — это относительно новая форма обработки данных, которая предлагает огромные преимущества в управлении опытом. Как часть пакета Stats iQ, TextiQ от Qualtrics использует машинное обучение и обработку естественного языка для анализа и классификации данных из текстовых отзывов, присваивая положительные, отрицательные или нейтральные настроения сообщениям и отзывам клиентов.
Имея эти данные анализа текста, вы можете использовать статистические инструменты для анализа тенденций, составления прогнозов и выявления движущих сил положительных изменений.
Простой способ проведения статистического анализа
Как видите, использование статистических методов — это мощный и универсальный способ получить больше пользы от данных исследования, независимо от того, используете ли вы простую линейную регрессию для демонстрации взаимосвязи между двумя переменными. или выполнение обработки естественного языка для оценки мыслей и чувств огромного количества людей.
Знание того, является ли то, что вы заметили в своих результатах, статистически значимым или нет, дает вам зеленый свет для уверенного принятия решений и представления результатов на основе ваших результатов, поскольку статистические методы обеспечивают степень уверенности, которую большинство людей признают достоверной. Таким образом, наличие статистически значимых результатов является чрезвычайно важной деталью как для бизнеса, так и для ученых и исследователей.
К счастью, использование статистических методов, даже самых сложных, не требует многолетних исследований.
Имея в своем распоряжении правильные инструменты, вы можете практически сразу приступить к исследовательскому анализу данных.
Наш продукт Stats iQ™ может выполнять самые сложные статистические тесты одним нажатием кнопки с использованием нашего программного обеспечения для онлайн-опросов или данных, полученных из других источников. Превратите свои данные в идеи и действия с помощью CoreXM и Stats iQ. Мощный статистический анализ. Статистическое образование не требуется.
Узнайте, как Qualtrics iQ может помочь вам лучше понять опыт
Узнать больше
Связанные ресурсы
УЗНАТЬ БОЛЬШЕ
Запросить демонстрацию
Имя *Пожалуйста, введите ваше имя.
Фамилия *Пожалуйста, введите вашу фамилию.
Компания *Пожалуйста, введите название вашей компании.
Должность * Пожалуйста, введите вашу должность.
Пожалуйста, введите действующий рабочий адрес электронной почты. Ой! Это похоже на личный адрес электронной почты. Введите свой рабочий адрес электронной почты. Ой! Это похоже на личный адрес электронной почты. Введите свой рабочий адрес электронной почты.
Номер телефона *Пожалуйста, введите действительный номер телефона.
— выберите вариант — АфганистанАлбанияАлжирАмериканское СамоаАндорраАнголаАнгильяАнтарктидаАнтигуа и БарбудаАргентинаАрменияАрубаАвстралияАвстрияАзербайджанБагамыБахрейнБангладешБарбадосБеларусьБельгияБелизБенинБермудыБутанБоливияБонэйр, Синт-Эстатиус и СабаБосния и Герцеговина Ботсвана Остров БувеБразилияБританская территория в Индийском океанеБруней-ДаруссаламБолгарияБуркина-ФасоБурундиКамерунКанадаКабо-ВердеКаймановы островаЦентральноафриканская РеспубликаЧадЧилиКитайОстров РождестваКокосовые острова (Килинг)КолумбияКоморские островаКонго, Республика Острова КукаКоста-РикаХорватияКюрасаоКипрЧехияКот-д’Иво ireДанияДжибутиДоминикаДоминиканская РеспубликаЭквадорЕгипетСальвадорЭкваториальная ГвинеяЭритреяЭстонияЭсватиниЭфиопияФолклендские острова ( Мальвинские острова)Фарерские островаФиджиФинляндияФранцияФранцузская ГвианаФранцузская ПолинезияФранцузские южные территорииГабонГамбияГрузияГерманияГанаГибралтарГрецияГренландияГренадаГваделупаГуамГватемалаГернсиГвинеяГвинея-БисауГайанаГаитиОстров Херд и острова МакдональдСвятой Престол (Ватикан)ГондурасГонконг, КитайВенгрияI ИсландияИндияИндонезияИракИрландияОстров МэнИзраильИталияЯмайкаЯпонияДжерсиИорданияКазахстанКенияКирибатиКувейтКыргызстанЛаосская Народно-Демократическая РеспубликаЛатвияЛиванЛесотоЛиберияЛивияЛихтенштейнЛитваЛюксембургМакао, КитайМакедония, Север МадагаскарМалавиМалайзияМальдивыМалиМальта Маршалловы островаМартиникаМавританияМаврикийМайоттаМексикаМикронезияМолдоваМонакоМонголияЧерногорияМонсерратМароккоМозамбикМьянмаНамибияНауруНепалНидерландыНовая КаледонияНовая ЗеландияНикарагуаНигерияНигерияНиуэ Остров НорфолкСеверные Марианские островаНорвегияОманПакистанПалауПалестинаПанамаПапуа-Новая ГвинеяПарагуа yПеруФилиппиныПиткэрнПольшаПортугалияПуэрто-РикоКатарРумынияРоссия, за исключением КрымаРуандаРеюньонСен-Бартелемиостров Святой Елены, Вознесения и Тристан-да-КуньяСент-Китс и НевисСент-ЛюсияСент-Мартен (французская часть)Сен-Пьер и МикелонСент-Винсент и ГренадиныСамоаСан-МариноСан-Томе и ПринсипиСаудовская АравияСенегалСербияСейшельские островаСьерра-ЛеонеСингапурСинт-Мартен (голландская часть)СловакияСловенияСоломоновы островаСомалиЮжная АфрикаЮжная Джорджия и Южные Сандвичевы островаЮг КореяЮжный СуданИспанияШри-ЛанкаСуданСуринамШпицберген и Ян-МайенШвецияШвейцарияТайвань, КитайТаджикистанТанзанияТаиландТимор-ЛештиТогоТокелауТонгаТринидад и ТобагоТунисТурцияТуркменистанОстрова Теркс и КайкосТувалуУгандаУкраина, кроме КрымаОбъединенные Арабские ЭмиратыВеликобританияСоединенные ШтатыОтдаленные малые острова СШАУругвайУзбекистанВануатуВенесуэлаВьетнамВиргинские острова, Британские Виргинские острова, СШАУоллис и ФутунаЗападная СахараЙеменЗамбияЗимбабвеАландские острова; Страна * Пожалуйста, выберите вашу страну.
