Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО ОБРАЗОВАНИЯ РЕСПУБЛИКИ БЕЛАРУСЬ

УО «БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ ЭКОНОМИЧЕСКИЙ УНИВЕРСИТЕТ»

Кафедра экономики предпринимательства и права

КУРСОВАЯ РАБОТА

по дисциплине: Маркетинговые исследования

на тему: Первичная обработка анкет (редактирование, кодирование, табулирование) с использованием ЭВМ

Содержание

Введение

1. Теоретические основы и порядок обработки данных анкетирования

2. Редактирование анкет и отбраковка данных анкетирования

2.1 Полевое редактирование

2.2 Централизованное офисное редактирование

2.3 Работа с анкетами неудовлетворительного качества

3. Особенности кодирования данных

3.1 Создание системы кодирования

3.2 Процедура присвоения кодовых номеров

3.3 Книга кодов

4. Преобразование данных, создание базы данных

5. Табулирование данных и его формы

6. Очищение и корректировка данных

6.1 Методы работы с пропущенными ответами

6.2 Данные, выходящие за пределы конкретного диапазона

6.3 Чрезмерное отклонение от среднего

6.4 Статистическая корректировка данных

7. Описательный анализ данных анкетирования с помощью MC Excel

Заключение

• Список использованных источников

Приложение

Введение

В настоящее время маркетинговые исследования стали неотъемлемой частью маркетинговой деятельности любой фирмы, нацеленной на получение прибыли.

Если руководство фирмы заинтересовано в увеличении прибыли, оно в современных условиях должно ориентировать производственную деятельность фирмы на более полное удовлетворение нужд своих потребителей.

Для этого необходимо регулярно исследовать текущую ситуацию на рынке, постоянно изучать предпочтения потребителей и их отношение к товарам конкурирующих фирм.

В практике маркетинговых исследований одним из важнейших источников получения необходимой информации является анкетирование или анкетный опрос. Это объясняется как разнообразием, так и качеством информации, которую можно получить с его помощью.

Анкетный опрос основан на высказываниях отдельных лиц и проводится в целях выявления тончайших нюансов, во мнении опрашиваемых (респондентов).

Основными этапами проведения анкетного опроса являются: определение цели и задачи исследования; разработка анкеты; подготовка к сбору данных; сбор данных (полевые работы); анализ данных, составление отчета и выработка рекомендаций.

В проведении исследования следует уделить особое внимание этапу подготовки собранных данных к анализу.

Перед тем как передать исходные данные, содержащиеся в анкетах, для дальнейшего анализа, их необходимо преобразовать в подходящую для этого форму. Качество результатов исследования напрямую зависит от того, насколько тщательно и аккуратно собранные данные готовились к анализу.

Недостаточное внимание к этому этапу может серьезно исказить статистические выводы, а это, в свою очередь, может привести к неправильной интерпретации данных всего маркетингового исследования.

Целью данной работы является изучение процесса подготовки исходных данных к их дальнейшему статистическому анализу на примере анкетного опроса покупателей детской одежды.

Для достижения поставленной цели в работе необходимо решить следующие задачи:

1. Описать суть и этапы подготовки к анализу данных, собранных в результате анкетного опроса.

2. Рассмотреть, как ведется проверка и редактирование анкет, и описать суть работы с неудовлетворительными ответами.

3. Перечислить основные рекомендации относительно кодирования анкет, содержащих структурированные и неструктурированные ответы.

4. Создать кодировочную таблицу по результатам проведённого анкетного опроса.

5. Создать базу данных по результатам проведенного анкетного опроса.

6. Рассмотреть процесс табулирования данных и его формы.

7. Описать основные методы корректировки данных.

8. Провести первичный анализ данных маркетингового исследования с помощью программы МС Excel.

Предметом исследования является анкетный опрос покупателей детской одежды в г. Минске.

1. Теоретические основы и порядок обработки данных анкетирования

Обработка и анализ маркетинговой информации представляют собой серьезный этап статистической обработки полученных результатов. От того, насколько правильно и качественно будет произведена обработка данных, зависит достоверность принимаемых выводов и последующих практических решений.

Обработка и анализ маркетинговой информации включают ряд последовательных действий (рисунок 1.1)

Рис. 1.1. Порядок обработки маркетинговой информации.

Проверка анкет - проверка на полноту заполнения и качество интервьюирования.

Редактирование - процесс обработки собранных анкет для повышения точности и аккуратности представленных в них данных. Он заключается в просмотре анкет, в ходе которого выявляются нечитабельные, неполные, логически непоследовательные или неоднозначные ответы [1, с.519].

Кодирование данных - это определенный технический прием, с помощью которого данные распределяются по категориям, т.е. способ представления полученной информации в виде символов, знаков, цифр с целью удобства ее использования для компьютерной или другой обработки [2, с.264].

Преобразование данных - этот этап заключается в переносе закодированных данных из анкеты или кодировочной таблицы через клавиатуру в компьютер.

Табулирование - это простой подсчет числа случаев, попадающих в различные категории.

Очищение данных - представляет этап всесторонней проверки состоятельности собранных данных и работы с пропущенными ответами.

Статистическая корректировка данных представляет собой предзаключительную процедуру подготовки маркетинговой информации. Она включает взвешивание, переопределение переменной и преобразование шкалы измерений.

2. Редактирование анкет и отбраковка данных анкетирования

После завершения этапа полевых работ и доставки собранных анкет в офис, начинается этап подготовки данных к обработке. Первым шагом является проверка анкет на полноту заполнения и качество интервьюирования.

Прежде всего, выявляются и отбраковываются анкеты со следующими грубыми дефектами:

· некоторые страницы анкеты были пропущены в ходе опроса и остались совсем не заполненными;

· ответы указывают на то, что респондент вообще не понимал, о чем его спрашивали;

· обнаружена малая вариация оценок, поставленных респондентом совершенно разным объектам, о которых его попросили высказать свое мнение, например, всем объектам выставлены одинаковые оценки шкалы;

· ответы даны респондентом, не входящим в группу, выделенную для участия в исследовании.

Следующий шаг - это редактирование данных анкетирования.

Редактирование - это обработка анкет, повышающая точность и аккуратность представленной в них информации. Она заключается в просмотре анкет и выявлении нечитабельных, неполных, логически непоследовательных или неоднозначных ответов.

Редактирование обычно выполняется в два этапа: полевое редактирование и централизованное офисное редактирование.

2.1 Полевое редактирование

Полевое редактирование - это предварительное редактирование, проводимое для выявления наиболее заметных пропусков и неточностей данных. Оно помогает также контролировать работу полевого персонала и корректировать ошибки его понимания установок, процедур, конкретных вопросов[2, с.262].

Полевое редактирование выполняется руководителем полевых работ сразу же после заполнения анкеты, пока конкретные контакты еще свежи в памяти интервьюеров.

Основные элементы, проверяемые в полевом редактировании:

· полнота - это тщательный анализ форм данных с целью исключения возможных пропусков и контроля ответов на конкретные вопросы. Пустое место в графе ответа на какой-то вопрос может означать что, респондент отказался отвечать; случайно пропустил данный вопрос, или не знает ответа. Обычно, с точки зрения целей исследования, очень важно знать, какая из этих причин верна. Непосредственный контакт с интервьюером, сразу после проведенного им опроса, позволяет получить необходимые разъяснения;

· разборчивость, отчетливость: Сложно кодировать анкету, если данные не могут быть расшифрованы из-за неразборчивости почерка или использования непонятных сокращений слов. Важно устранять эти неясности как можно скорее, поскольку позднее их исправление выливается в чрезмерно большую потерю времени;

· вразумительность или понятность: иногда зарегистрированные ответы непонятны для всех, кроме того кто проводил опрос. При обнаружении такой ситуации на месте руководитель полевых работ может получить у него необходимое разъяснение;

· однозначность. Ответ считается неприемлемым при наличии двух отмеченных в анкете ответов на вопрос, на который можно было дать только один ответ;

· логическая согласованность. Например, ситуация, когда респондент сообщает о низком уровне дохода своей семьи и одновременно о том, что он часто совершает покупки в дорогом и престижном универмаге. Такие очевидные противоречия в ответах обычно указывают на ошибки сбора или регистрации данных, но могут свидетельствовать о беззаботном отношении к выполнению работы;

· единообразие: очень важно чтобы ответы регистрировались единообразными блоками. Иными словами должны быть соблюдены соответствие и сопоставимость информации для всех элементов по каждому пункту анкеты или опросника.

2.2 Централизованное офисное редактирование

За полевым редактированием следует централизованное офисное редактирование, которое состоит из более полной и точной проверки и корректировки полученных данных.

Данную работу выполняют сотрудники, хорошо знакомые с целями и методиками исследования. Для обеспечения логической последовательности обработки данных наилучший вариант - это предоставление всех носителей собранной информации одному сотруднику. Если это невозможно по соображениям трудоемкости, то деление работы должно происходить по частям анкеты, а не по группам респондентов. То есть один сотрудник занимается редактированием части I всех анкет, а другой - части II.

В отличие от полевого, централизованное офисное редактирование в меньшей степени зависит от использования проверочных процедур, и в большей - от степени полноты полученных данных. Редактор должен решить, каким образом он будет обрабатывать анкеты, содержащие неполные ответы, явно неправильные ответы и ответы, которые отражают утрату интереса.

2.3 Работа с анкетами неудовлетворительного качества

Как работать с анкетами неудовлетворительного качества? Их обычно отправляют обратно на место сбора данных для уточнения, либо назначаются пропущенные значения, либо анкеты отбраковываются и не включаются в анализ.

Возврат анкет для уточнения возможен, если выборки небольших размеров и можно идентифицировать респондентов, предоставивших ответы низкого качества. Однако данные, полученные в результате вторичного опроса, могут сильно отличаться от первоначальных. Эта разница обуславливается, например, тем, что между опросами прошло определенное время, а также тем, что опросы проводились с использованием разных режимов (например, первый раз по телефону, а второй -- в ходе личного контакта) [1, с.522].

Назначение пропущенных значений. Если анкету невозможно вернуть для уточнения данных, то исследователь может самостоятельно присвоить пропущенные значения. Это возможно в следующих случаях: если количество анкет с неудовлетворительными ответами невелико; доля ответов неудовлетворительного качества в анкете незначительна; переменные по неудовлетворительным ответам не основные.

Некачественные анкеты отбраковываются и не включаются в анализ. Этот способ слишком радикален и им злоупотреблять нельзя, так как это может исказить результаты исследования. Критерии, по которым анкета удаляется, должны быть разработаны до начала полевого этапа опроса и ни в коем случае не должны корректироваться позднее.

Как правило, выбраковка анкет проводится в следующих случаях: доля некачественных анкет меньше 10%; размер выборки велик; если «неудовлетворительные» респонденты явно не отличаются от «удовлетворительных» (например, по демографическим признакам, по характеристикам использования товара); доля неудовлетворительных ответов в одной анкете велика; если пропущены ответы по основным переменным. Но бывают случаи когда «неудовлетворительные» респонденты отличаются от «удовлетворительных». В этих случаях использование данного метода повлечет за собой искажение данных.

Менее экстремальный вариант - отбросить лишь проблемные вопросы, сохранив баланс остальных. Еще один подход - кодировать все неудовлетворительные данные и пропущенные ответы как «не знаю» или «нет мнения». Такая методика может упростить анализ данных, не внося существенных искажений в их интерпретацию [2, 264].

3. Особенности кодирования данных

Кодирование - это технический прием, с помощью которого данные распределяются по категориям. В процессе кодирования каждому возможному варианту ответа на каждый вопрос присваивается определенный код. Таким образом, после кодирования все полученные данные превращаются в символы - обычно цифровые, которые можно табулировать и подсчитывать. Однако это преобразование не должно осуществляться автоматически; оно требует здравого суждения кодировщика.

Процесс кодирования данных достаточно сложный и трудоемкий. Его можно разбить на несколько последовательных этапов.

3.1 Создание системы кодирования

Первый этап кодирования заключается в создании системы кодирования. По принципу от общего к частному разрабатываются критерии деления информации на категории, классы, группы, виды, подвиды.

Количество уровней кодирования зависит от уровня исследуемой проблемы и от структуры вопросов в анкете маркетингового исследования. Необходимо также учитывать, что по ряду вопросов возможны и множественные ответы

Все выбранные категории должны быть взаимоисключающими и взаимоисчерпывающими. Категории считаются взаимоисключающими, если каждому ответу присваивается только один код. Категории не должны перекрывать одна другую. Категории считаются взаимоисчерпывающими, если каждый ответ соответствует одному из кодов, присвоенных данной категории.

Если анкета включает только структурированные вопросы или очень незначительное количество неструктурированных вопросов, то она кодируется заранее. То есть коды присваиваются, прежде чем начинается непосредственная полевая работа. Если же в анкете содержатся в основном неструктурированные вопросы, то кодирование осуществляется уже после того, как заполненные анкеты возвращаются с места сбора данных.

Закрытые и открытые вопросы кодируются по-разному.

Кодирование закрытых вопросов или результатов шкалирования не представляет трудностей, так как при этом варианты ответов определяются заранее. Ниже представлен пример кодирования информации непосредственно в анкет.

1. Укажите степень значимости для Вас следующих параметров при выборе детской одежды (1 - наименее важен, 5 - наиболее важен)

Таблица 3.1

	1	2	3	4	5
Цена
Качество ткани
Страна производства
Дизайн
Компания-продавец
Известность бренда

2. Имеет ли для Вас значение бренд одежды? Пожалуйста, отметьте столбец с выбранным ответом.

Таблица 3.2

Да, имеет	Скорее да	Скорее нет	Нет, не имеет

Кодирование открытых вопросов может оказаться весьма затруднительным и более дорогим, чем кодирование закрытых вопросов. Кодировщику приходится определять подходящие категории на базе ответов, которые не всегда предсказуемы.

Если анкет так много, что необходимо использовать несколько кодировщиков, дополнительной проблемой может стать возникновение несоответствия в самом кодировании. Чтобы удостоверится в логической последовательности обработки данных, эту работу необходимо разделять по задачам, а не в равных долях делить анкеты между кодировщиками.

Позволяя кодировщикам сосредотачивать энергию на одном или нескольких вопросах, исследователи могут добиться уверенности в более согласованном использовании стандартов обработки результатов. Такой подход более эффективен ещё и по той причине, что кодировщики могут легко запомнить всего несколько кодов, и поэтому им не придётся сверяться с книгой кодов, приступая к очередному носителю собранных данных. По существу, когда несколько лиц кодируют один и тот же вопрос в различных пачках анкет, важно, чтобы они же кодировали выборку работы других, что даст гарантию использования согласованного набора критериев кодирования.

3.2 Процедура присвоения кодовых номеров

На втором этапе кодирования производится присвоение кодов ячейкам структурной классификации маркетинговой информации. Присвоение кодовых номеров осуществляется различными способами: в виде букв, цифр, символов, комбинации символов, букв и цифр. Наиболее удобны для табулирования и подсчета цифровые коды. Например, пол респондентов обозначается цифрой 1 для мужчин и цифрой 2 для женщин.

Существует два основных вида кодировки данных: дихотомическая и категориальная. Вид кодировки переменных определяется типом вопроса анкеты. Для кодировки многовариантных закрытых вопросов используется дихотомическая кодировка.

Дихотомическая кодировка включает только два варианта значений для метки переменной: «да» или «нет». Например, при кодировании вопроса анкеты « Где Вы чаще всего приобретаете детскую одежду?» используется данный вид кодировки (Таблица 3.3).

Таблица 3.3 ? Пример дихотомической кодировки данных. Вопрос анкеты: «Где Вы чаще всего приобретаете детскую одежду?»

Номер анкеты	Переменные (значения меток переменных: покупал - 1 , не покупал - 0)
	В торговом центре	В фирменном магазине	На рынке	Заказываю через интернет/ каталог	В универмаге	В магазине second hand	Отдают друзья и знакомые
1	1	0	0	1	1	0	0
2	0	1	0	0	0	0	0
3	1	0	1	1	1	1	0
4	1	1	0	0	0	0	0

Для альтернативных закрытых и открытых вопросов используется категориальная кодировка.

Категориальная кодировка предполагает несколько вариантов ответа на поставленный вопрос, т.е. метка переменной может принимать несколько значений.

При использовании категориальной кодировки данных все респонденты делятся на категории в зависимости от выбранного ими варианта ответа. Пример использования категориальной кодировки приведен ниже (таблица 3.4).

Таблица 3.4 ? Пример категориальной кодировки данных. Вопрос анкеты: «Имеет ли для Вас значение бренд одежды?»

Номер анкеты	Значение переменной «Значимость бренда» (1 - нет, не имеет; 2 - скорее нет; 3 - скорее да; 4 - да, имеет)
1	1
2	2
3	2

Наибольшую проблему для кодировщика представляют открытые вопросы. Существуют метод, когда тексты, произнесенные респондентами в ответ на открытый вопрос, вводятся в соответствующую колонку таблицы данных. При использовании других технологий сами тексты ответов в таблицу не добавляются. Вместо этого несколько позднее туда вносятся коды ответов.

Вне зависимости от того, добавляются тексты в таблицу данных или нет, осуществляется кодирование открытых вопросов. При кодировании каждого открытого вопроса условно формируется еще один - совместный, т.е. в таблицу данных справа дописывается набор числовых столбцов. Каждый из таких столбцов "отвечает" за определенный смысл: в нем, как в обычном совместном вопросе, ставятся единицы или нули в зависимости от того, отражен или не отражен данный смысл в ответе респондента.

Кодирование открытых вопросов - достаточно трудоемкая работа. Лишь в редких случаях коды возможных ответов на эти вопросы готовятся заранее, до начала полевых работ. Гораздо чаще эти коды разрабатываются на основе текстов, записанных в полученных из поля анкетах, для этого просматривают не все, а лишь часть заполненных анкет - обычно от 50 до 100.

В результате этого просмотра разрабатывается так называемый кодификатор - набор формализованных вариантов, каждый из которых отражает какой-нибудь один смысловой аспект. Каждому из этих вариантов приписывается определенный числовой код.

При разработке кодификатора обычно придерживаются двух важных правил.

Во-первых, в совокупности они должны исчерпывать все множество возможных ситуаций. Если вариантов ответов оказывается слишком много, те из них, которые встречаются относительно редко, объединяются в позицию "другое". Однако к этой категории исследователь обычно имеет право отнести не более 10% респондентов.

Во-вторых, коды содержательно важных позиций необходимо вставлять, даже если соответствующие им смыслы выражались респондентами редко или даже не выражались вовсе, поскольку отсутствие упоминаний - тоже информация.

После разработки кодификатора кодировщик просматривает весь набор ответов и приписывает каждому из них в зависимости от содержания один или несколько кодов, которым он соответствует по смыслу.

При кодировании данных необходимо следовать существующим общим принципам:

· располагать только один символ в каждой колонке. Когда вопрос допускает множество вариантов ответов, каждый вариант ответа размещать в отдельной колонке.

· использовать только числовые коды, а не буквы алфавита или специальные символы или знаки, так как для большинства компьютерных программ при обработке данных манипулирование чем-то иным, чем цифры, сопряжено с трудностями;

· использовать ровно столько колонок поля, назначаемого для переменной, сколько необходимо для полного охвата всех её возможных значений. Кроме того каждому полю должна назначаться не более чем одна переменная;

· использовать стандартные коды для «отсутствия информации». Так все ответы «не знаю» должны кодироваться цифрой 8, «нет ответов» - цифрой 9, а «не применялось» обозначаться как 0.

· кодировать идентификационный номер респондента для каждой анкеты. Как правило, нет необходимости идентифицировать в этом номере имя респондента. Этот код просто связывает анкету с кодируемыми данными. Такая информация часто полезна на этапе очистке данных.

3.3 Книга кодов

Завершающий этап процесса кодирования состоит в подготовке книги кодов, которая содержит общие инструкции, указывающие, каким образом была закодирована каждая позиция данных.

Книга кодов - это книга, в которой описывается каждая переменная, в ней перечисляются коды каждой переменной и категории, включенные в каждый код. Далее в ней указывается, где в компьютерной записи располагается переменная и каким образом эта переменная читается - например, с десятичной точкой или как целое число. Пример книги кодов приведен в таблице 3.5.

редактирование кодирование анкетирование

Таблица 3.5 ? Фрагмент книги кодов для исследования покупателей детской одежды.

Номер переменной	Наименование переменной	Номер вопроса	Значение метки	Код пропуска	Кол. символов
1	количество детей	1	1=один; 2= два; 3 = три; 4 = более трех		1
2	пол детей	2а	1 = мальчики; 2 = девочки; 3 = мальчик и девочка	9	1
3а,3б..	возраст детей	2б	как указано в анкете	9
4	кто принимает решение о покупке для девочек	3.а	1 = мама; 2 = папа; 3 = ребенок; 4 = совместно; 5 = иное	9	1
5	кто принимает решение о покупке для мальчиков	3.б	1 = мама; 2 = папа; 3 = ребенок; 4 = совместно; 5 = иное	9	1
...	…	…	…	…	…
13	частота покупки	5	1=реже 1 раза в год; 2 = 1 раз в год; 3 = 2-3 раза в год; 4 = 4 раза в год; 5 = более 4х раз в год;	9	1
14	место покупки детской одежды	6	1000000 = торговый центр 0100000 = фирменный магазин 0010000 = рынок 0001000 = интернет/каталог 0000100 = универмаг 0000010 = second hand 0000001 = отдают друзья и знакомые 1100000 =торг.центр+фирм.магазин 1010000 = торг.центр + рынок 1001000 = торг.центр + интернет И т.д	9	7
35	Значимость бренда	10	4 = да,имеет; 3 = скорее да; 2 = скорее нет; 1 = нет	9	1
47	возраст респондента	15	1 = 18-26 лет; 2 = 27-35 лет; 3 = 36-45 лет 4 = 46-55 лет; 5 = 56-60 лет; 6 = старше 60 лет	9	1
48	доход респондента	16	1= менее 3000000; 2= 3000000-5000000; 3= 5000000-8000000; 4= 8000000-12000000 5= более 12000000		1

4. Преобразование данных, создание базы данных

После завершения процесса кодирования маркетинговой информации исследователь переходит к этапу преобразования данных и формирования базы данных. Процесс преобразования заключается в переносе закодированных данных из анкеты непосредственно в компьютер. Чаще всего это делается ручным вводом через клавиатуру.

Используя метод ввода ответов с клавиатуры, полностью избежать ошибок трудно, поэтому необходимо проверять введенные массивы данных, по крайне мере частично. Для проверки правильности введенных данных применяется проверочный компьютер и второй оператор. Второй оператор повторно вводит данные из закодированных анкет, после чего преобразованные данные, введенные двумя операторами, сравниваются по записям. Любое расхождение между двумя комплектами преобразованных данных исследуется с тем, чтобы выявить и исправить ошибки в результате ввода данных с клавиатуры [1, с. 526].

Также целесообразно для проверки вводимых с клавиатуры данных использовать разнообразное программное обеспечение, позволяющее проверять допустимость значений вводимых переменных, их логическую непротиворечивость по отношению к другим ответам. Некоторые из таких программ могут выполнять и более сложные функции, например первичный анализ распределения ответов.

Наиболее популярными в настоящее время являются статистические программные комплексы Statistica и SPSS. Эти программы позволяют организовывать ввод данных, гибко менять их структуру, применять к ним самые современные методы обработки или их последовательность и получать результаты в удобной и наглядной форме.

Иногда вместо ручного ввода применяются различные средства автоматизации. Используются два варианта таких технологий. В первом варианте применяются специальные сканеры, считывающие информацию о пометках, внесенных в строго фиксированные места каждого листа бумажной анкеты. Иногда при этом в ходе полевых работ анкеты заполняются специальным карандашом, пометки которого "узнает" сканер. Во втором варианте листы анкеты сканируются целиком, а затем с помощью специального программного обеспечения и на основе заданной "привязки" вопросов к намеченной компьютером сетке распознаются информативные места каждого листа и с них считывается информация.

В результате процесса преобразования данных исследователь формирует базу данных, которая представляет собой сводную электронную таблицу. По строкам таблицы располагаются объекты, то есть респонденты, а по столбцам - закодированные ответы респондентов на вопросы анкеты.

Пример базы данных представлен в таблице 4.1.

Таблица 4.1 - Фрагмент базы данных для исследования покупателей детской одежды.

5. Табулирование данных и его формы

Табулирование данных - это подсчет количеств событий, которые попадают в различные категории.

Табулирование может принимать форму простой табуляции, или перекрестной табуляции. Простая табуляция -- подсчет количества событий, которые попадают в каждую категорию, когда категории базируются на одной переменной. Перекрестная табуляция -- подсчет количества событий, которые попадают в каждую из нескольких категорий, когда категории базируются на двух и более переменных, рассматриваемых одновременно.

Простая табуляция связана с подсчетом для единственной переменной. Она может повторяться для каждой из переменных исследования, но табуляция для каждой переменной не зависит от табуляции для других переменных. Например, количество респондентов воспитывающих двух детей составляет 30,7%.

В перекрестной табуляции две или более переменных обрабатываются одновременно. Например, количество людей, которые воспитывают двух детей и покупают детскую одежду в фирменных магазинах, является примером перекрестной табуляции, поскольку речь идет об измерении двух связанных характеристик.

Табулирование может выполняться вручную, с помощью компьютерных программ или путем комбинирования этих способов. Какой из подходов наиболее эффективен, зависит и от числа необходимых табуляций, и от количества событий в каждой табуляции. Чем меньше число табуляций требуется и чем меньше выборка, тем более привлекательными становятся ручные методы. Однако привлекательность любого подхода также в значительной степени зависит от сложности табуляций. Сложность возрастает по мере увеличения числа переменных, получаемых для одновременной обработки в перекрёстной табуляции. Сложность также возрастает с увеличением числа категорий на одну переменную.

Хотя в очень простых исследованиях ручная табуляция может оказаться полезной, особенно если вопросов немного и число возможных ответов ограничено, большинство исследований полагается на компьютерную табуляцию, использующую пакеты программ.

Существует громадное количество таких программ. Некоторые из них, в дополнение к отчётности о количестве событий в каждой категории, могут рассчитывать итоговые статистики и графически представлять гистограммы значений.

Простое табулирование помимо отражения результатов исследования, может использоваться в нескольких других целях:

· для определения степени не получения ответа на вопрос;

· для локализации грубых ошибок;

· для локализации посторонних значений;

· для определения эмпирического распределения рассматриваемой переменной;

· для расчета итоговых статистик.

Перекрестная табуляция - один из наиболее важных механизмов для изучения связей внутри и между переменными, поскольку позволяет легко связывать результаты. А, что наиболее важно и ценно, что перекрестная табуляция может обеспечить проникновение в природу взаимосвязи событий, мнений и т.д. Например, количество детей по отношению к возрасту респондента, таблица 5.1.

Таблица 5.1 - Наблюдаемое количество детей в зависимости от возраста респондентов.

Количество детей, чел	Возраст респондента	Всего
	18-26 лет	27-35 лет	36-45 лет	46-55 лет
1	2	10	5	0	17
2	0	1	6	1	8
3 и более	0	1	0	0	1
Всего	2	12	11	1	26

6. Очищение и корректировка данных

Почти всегда в результате табулирования исследователь выявляет ряд проблем в собранных данных. В этом случае возникает необходимость в проведении корректировки данных, которая может происходить в форме очистки данных либо их статистической корректировке.

Очистку данных эффективно проводить в следующих случаях:

отсутствие ответа, если это не было выявлено и устранено на стадии редактирования;

наличие данных, выходящих за пределы конкретного диапазона;

чрезмерное отклонение от среднего.

6.1 Методы работы с пропущенными ответами

Отсутствие ответов оказывается существенной проблемой в большинстве исследований. По существу, степень безответности позиций часто служит полезным индикатором качества исследования. Если она достаточно высока, то можно ставить под сомнение результаты всего исследования в целом. Если же процент пропущенных ответов не велик, то применяется ряд приемов позволяющих работать с такими данными.

Иногда целесообразно выделить анкеты с пропущенными ответами в отдельную категорию. Этот метод используется в случаях простого одномерного и перекрестного табулирования.

Замена ответа нейтральным значением. Чаще всего под нейтральным понимается среднее значение. Такая замена используется в количественных вопросах. Она не влияет на среднее значение показателя и на коэффициенты корреляции между показателями (рассчитанные по всей совокупности анкет). Тем не менее, при такой замене все же неизбежно искажается реальная картина, потому что в действительности данный респондент, скорее всего, ответил бы по-другому. Например, лица, имеющие высокую заработную плату часто отказываются назвать доход своей семьи. При этом, условно приписывать им среднее значение дохода вряд ли обосновано.

Приписывание условного ответа на основании ответов на другие вопросы. На основе имеющихся данных исследователь пытается определить, какие ответы дал бы конкретный респондент, если бы он ответил на все вопросы. Это можно сделать статистически, определив взаимосвязи между пропущенной переменной и другими переменными. Например, можно построить зависимость между объемом потребления продукта и размером семьи по анкетам, где есть ответы на оба эти вопроса. После этого в анкетах, в которых не указан объем потребления продукта, проставляется его значение, рассчитанное с учетом размера семьи. Такой метод требует значительных усилий, но и он может приводить к искажениям.

Исключение из анализа анкет, содержащих хотя бы один пропущенный ответ. Этот метод может существенно повлиять на размер выборки, сократив ее. Исключение большого количества данных крайне не желательно, так как процесс сбора данных очень трудоемкий и весьма затратный. Кроме того, респонденты с пропущенными значениями систематически отличаются от респондентов, ответивших на все вопросы. В таких случаях исключение по данному методу может значительно исказить результаты опроса.

Учет только имеющихся ответов в каждом конкретном расчете. Анкеты с пропущенными ответами не удаляются, но и не учитываются в расчетах, в которых участвует соответствующая переменная. Процедура приемлема, если общее число анкет велико, пропусков относительно немного, а связи между переменными не слишком сильны. И даже при выполнении этих трех условий данная процедура иногда существенно искажает результаты. Кроме того, при статистических оценках нужно учитывать, что расчеты выполнены по разному числу анкет.

Итак, разные методы работы с пропусками в данных могут приводить к разным результатам, особенно если пропуски не совсем случайны, а переменные тесно взаимосвязаны. Поэтому нужно стремиться, чтобы пропущенных значений было как можно меньше. А исследователь должен внимательно изучать этот вопрос в каждом конкретном случае и учитывать возможные последствия применения того или иного метода обработки пропущенных ответов.

6.2 Данные, выходящие за пределы конкретного диапазона

Все данные со значениями, не указанными в кодировочной книге являются ошибкой. Такая ошибка может возникнуть на этапе редактирования, кодирования или ввода данных в компьютер. Такие значения, выпадающие из конкретного диапазона, выявляются простым табулированием. Эти данные нельзя использовать в анализе, и их необходимо исправить. Например, респондентов попросили выразить степень значимости дизайна при покупке детской одежды по шкале от 1 до 5. При этом код 9 используется для обозначения пропущенных ответов, а значения 0,6,7 и 8 будут выходить за пределы назначенного диапазона. Применение различных компьютерных программ позволяет эффективно выявлять по каждой переменной значения, являющиеся ошибкой, то есть выходящие за пределы заданного диапазона. Правильные ответы можно определить, обратившись к отредактированному и закодированному варианту анкеты.

6.3 Чрезмерное отклонение от среднего

Чрезмерное отклонение от среднего не является ошибкой. Просто оно настолько отличается от других результатов, что вынуждает исследователя рассматривать его в качестве отдельного случая. Это рассмотрение может привести к исключению результатов такого наблюдения из дальнейшего анализа или потребовать определения факторов, вызвавших подобный эффект [2, с.276].

6.4 Статистическая корректировка данных

Существует несколько процедур статистической корректировки данных, повышающих пригодность данных для анализа. Чаще всего используются процедуры взвешивания, переопределения переменных и преобразования шкал.

Метод взвешивания данных означает приписывание каждому респонденту весового коэффициента, отражающего относительную важность учета его высказывания по сравнению с высказываниями других респондентов. Сумма весовых коэффициентов равна общему числу респондентов.

Можно считать, что если взвешивание не производится, то весовой коэффициент каждого респондента равен единице. Если же оно производится, то ответы каждого респондента учитываются во всех расчетах с этим весовым коэффициентом. Например, расчет среднего значения заменяется расчетом средневзвешенного значения. Расчет доли респондентов, давших определенный ответ на определенный вопрос, заменяется расчетом доли, которую составляет сумма весов таких респондентов в сумме весов всех опрошенных.

Чаще всего присвоение весов проводится для того, чтобы выборка лучше отражала структуру исследуемой совокупности с точки зрения основных показателей. Например, соотношение между группами мужчин и женщин трех категорий возраста после взвешивания должно стать таким же, как во всей исследуемой совокупности. Для этого весовой коэффициент устанавливается равным отношению доли группы в исследуемой совокупности к ее доле в выборке. Условно говоря, если известно, что доля представителей какой-то группы в выборке вдвое ниже, чем в исследуемой совокупности, то каждый такой респондент при расчетах учитывается не как один, а как два человека.

Иногда применяются и другие подходы. Один из вариантов: придание большего веса тем респондентам, от которых получены более качественные данные. Другой вариант - придание большей важности ответам респондентов с определенными характеристиками.

При анализе взвешенных данных нужно иметь в виду, что взвешивание может повышать статистическую погрешность выполняемых оценок.

Переопределение переменных представляет собой создание новых или модификацию существующих переменных Цель переопределения состоит в создании переменных, максимально отвечающих основным задачам исследования.

Первый тип преобразования - укрупнение шкалы. Предположим, первоначально уровень использования продукта был измерен по десятибалльной шкале. После преобразования можно получить переменную, имеющую не десять, а лишь четыре возможных значения: «пользуюсь часто», «средне», «редко», «никогда».

Другой тип преобразования - обобщение сведений, содержащихся в нескольких столбцах базы данных. Так, респондентов часто спрашивают, где они находили какую-либо информацию о продукте. Подсчитывая число различных источников информации (из рекламы по телевидению, от друзей и т.д.), указанных каждым респондентом, можно сформировать новый важный показатель - Индекс Источников Информации, который тоже добавляется к таблице данных. Иногда новый показатель представляет собой отношение двух других показателей. Скажем, разделив общее количество товара, купленного респондентом, на число произведенных им покупок этого товара за месяц, можно рассчитать средний размер одной покупки. В других случаях для получения адекватной модели взаимосвязи показателей применяется логарифмирование, извлекается квадратный корень и т.д.

Важный случай преобразования переменных - преобразование альтернативного столбца базы данных с тремя или более возможными значениями путем введения в таблицу данных нескольких вспомогательных столбцов из нулей и единиц. Каждый из этих новых вспомогательных столбцов обозначает одно из возможных значений альтернативного столбца. Единица означает, что это значение выбрано данным респондентом, а нуль - что не выбрано. Вспомогательные переменные удобны при последующем анализе данных. Например, если альтернативный столбец содержит результаты выбора респондентами наиболее предпочтительной марки товара, то каждая из вспомогательных переменных может использоваться для построения интегрального индикатора отношения к определенной марке.

Преобразование шкалы - это манипулирование значениями шкалы с тем, чтобы обеспечить ее совместимость с другими шкалами.

Преобразование шкал используется, чтобы обеспечить сопоставимость оценок разных параметров и сделать данные более пригодными для анализа.

Часто в одном исследовании для измерения различных переменных применяются различные шкалы: семантического дифференциала, непрерывная рейтинговая, пятибалльная шкала Лайкерта.

Сопоставление значений, полученных по различным шкалам было бы бессмысленным. Чтобы можно было сравнивать между собой оценки, выставленные одним и тем же респондентом по разным шкалам, их преобразовывают, приводя к одному и тому же диапазону возможных значений.

Нередко для этого используется стандартизация. Чтобы стандартизировать шкалу X., из оценки, выставленной данному параметру каждым респондентом, нужно вычесть среднюю по всем респондентам оценку данного параметра X. После этого оценки данного параметра делятся на его стандартное отклонение уч. Полученный в результате преобразования параметр имеет среднее значение, равное нулю, и стандартное отклонение, равное единице. Это в точности соответствует условиям расчета z-оценок. Стандартизация позволяет на равных учитывать измерения, сделанные в шкалах разного типа.

Существуют и другие способы преобразования шкал, которые, как и весь процесс статистической корректировки данных, требуют специальной подготовки и опыта в осуществлении подобных операций.

7. Описательный анализ данных анкетирования с помощью MC Excel

В ходе написания данной курсовой работы было проведено исследование по изучению критериев выбора детской одежды и составлению портрета покупателя детской одежды.

Исследование проводилось методом опроса, формой которого является анкетирование. Для проведения исследования была разработана и применена анкета, представленная в Приложении А.

Все собранные данные были тщательно проверены, отредактированы и закодированы в соответствии с созданной книгой кодов. Далее вся закодированная информация была введена в электронную таблицу. По строкам таблицы располагаются объекты, то есть респонденты, а по столбцам - переменные, то есть ответы респондентов на вопросы анкеты. Для ввода и дальнейшей обработки информации, собранной в ходе исследования использовалась программа для работы с электронными таблицами Excel из пакета Microsoft Office 2007. С помощью инструментария данной программы была создана сводная таблица данных и проведено простое, и перекрестное табулирование данных.

В ходе проведенного исследования было опрошено 26 респондентов, воспитывающих детей в возрасте от года до шестнадцати лет. Из них 11,54% - мужского пола, 88,46% - женского. При этом 7,69% - это респонденты, в возрасте от 18 до 25 лет, 46,15% - от 26 до 35 лет, 42,31% - от 36 до 45 лет и 3,85% в возрасте от 46 до 55 лет.

Исследование показало, что 17 респондентов воспитывают только одного ребенка, что составляет 65,4% от всех опрошенных; 8 респондентов воспитывают двух детей, что составляет 30,8% от общего количества респондентов и 3,8% опрошенных воспитывают троих детей (рисунок 7.1).



Рисунок 7.1 - Распределение ответов на вопрос о количестве детей в семье

При этом 46,15% респондентов покупают одежду только для мальчиков, 42,31% респондентов покупают одежду только для девочек и 11,54% респондентов покупают одежду, как для мальчиков, так и для девочек.

Ответы на вопрос «Кто из членов семьи принимает решение о покупке?», в зависимости от пола распределились следующим образом (таблица 7.1).

Таблица 7.1 - Распределение ответов на вопрос «Кто из членов семьи принимает решение о покупке?»

	Лицо, принимающее решение о покупке
	мама	папа	сам ребенок	совместно	отсутствие ответа
для девочек	9	0	2	4	0
для мальчиков	8	0	1	5	1
итого	17	0	3	9	1

Как видно из таблицы 7.1 чаще всего решение о покупке одежды, как для мальчиков, так и для девочек принимает мама (17 ответов), реже принимается совместное решение о покупке (9 ответов), тогда как папа никогда самостоятельно не принимает решение о покупке детской одежды.

Анализируя ответы на вопрос об основных проблемах, с которыми сталкиваются покупатели при выборе детской одежды (рисунок 7.2) можно сделать вывод о том, что чаще всего покупателей не устраивает высокая цена, дизайн, отсутствие необходимого размера и качество материала. Также часто упоминается проблема отсутствия необходимого размера.

Рисунок 7.2 - Распределение ответов на вопрос об основных проблемах при покупке детской одежды.

При этом, как видно из рисунка 7.3, чаще всего детскую одежду приобретают в торговых центрах и универмагах, реже в фирменных магазинах и на рынках.

Рисунок 7.3 - Распределение ответов на вопрос о месте покупки детской одежды.

Как показывают результаты исследования, наибольшей популярностью среди респондентов пользуются такие магазины, как ЦУМ, ГУМ и ТД «На Немиге» (рисунок 7.4).

Рисунок 7.4 - Анализ популярности мест покупки детской одежды.

Основные параметры при выборе детской одежды по степени их значимости распределились следующим образом. Наиболее значимыми оказались такие факторы, как цена, дизайн и качество ткани. Менее всего важна для покупателей детской одежды известность бренда (рисунок 7.5).

Рисунок 7.5 - Распределение ответов на вопрос о значимости параметров при выборе детской одежды.

При этом указанные выше параметры одинаково важны для всех возрастных категорий респондентов. Это хорошо видно из приведенной ниже диаграммы (рисунок 7.6).

Рисунок 7.6 - Значимость различных параметров при покупке детской одежды.

Только 19,23% респондентов ответило положительно на вопрос о значимости для них известности бренда (таблица 7.2).

Таблица 7.2 - распределение ответов на вопрос «Имеет ли Вас значение бренд одежды?»

Варианты ответа	Относительное значение
нет, не имеет	19,23%
скорее нет	61,54%
скорее да	11,54%
да, имеет	7,69%
Общий итог	100,00%

Исследование показало, что наибольшие трудности испытывают респонденты при выборе таких категорий детской одежды, как брюки, пиджаки, костюмы, джинсы и зимние куртки (рисунок 7.7).



Рисунок 7.7 - Распределение ответов на вопрос: «При выборе, какого товара Вы испытываете наибольшие трудности?»

При этом с трудностями выбора одежды указанных выше категорий одинаково часто сталкиваются как родители мальчиков, так и девочек (таблица 7.3).

Таблица 7.3 - Распределение ответов респондентов, отметивших наиболее проблемные при выборе категории одежды, в зависимости от пола детей.

Пол детей	Количество ответов по категориям одежды, относительная величина
	Брюки, пиджаки, костюмы	Джинсы	Куртки зимние
мальчики	52,17%	52,17%	52,17%
девочки	47,83%	47,83%	47,83%
Общий итог	100,00%	100,00%	100,00%

По результатам проведённого перекрестного табулирования была выявлена зависимость между категориями одежды, чаще всего вызывающими трудности при выборе, и основными проблемами с которыми сталкиваются респонденты при покупке детской одежды. На приведенных ниже диаграммах представлена данная зависимость в разных категориях.



Рисунок 7.8 - Связь между переменными "отсутствие размера" и "выбор джинсы

Рисунок 7.9 - Связь между переменными "не нравится дизайн" и "выбор_костюмы, джинсы, пиджаки»

Как видно из представленных выше диаграмм, значение переменных, которые отвечают за проблемы при выборе одежды, увеличиваются по мере увеличения степени трудности выбора одежды. То есть можно предположить, что трудность выбора джинсов, зимних курток и костюмов обусловлена именно такими проблемами, как отсутствие низкое качество материала, отсутствие необходимого размера и неудовлетворительный дизайн.



Рисунок 7.10 - Связь между переменными "низкое качество материала" и "выбор джинсы

Исследование показало, что наибольшим доверием среди респондентов пользуются европейские производители детской одежды, одинаково доверяют таким странам производителям, как Белоруссия, страны СНГ и скандинавские страны. Наименьшим доверием пользуются китайские и вьетнамские производители детской одежды (таблица 7.6).

Таблица 7.4 - Оценка доверия странам производства детской одежды.

Наименование страны производства	Количество баллов
Европейский производитель	116
Белоруссия	88
Страны СНГ	85
Скандинавские страны	81
Китай	55
Вьетнам	46

Как показали результаты исследования, приведенные в таблице 7.5, большая часть респондентов (61,54%) тратят на покупку детской одежды более 4 500 000 в год.

Таблица 7.5 - Годовые затраты на покупку детской одежды

Годовые затраты на покупку одежды для детей	Ответы респондентов, относительное значение
2 500 000 - 3 500 000	23,08%
3 500 000 - 4 500 000	15,38%
более 4 500 000	61,54%

При этом большинство из опрошенных (42,31%) имеют среднемесячный доход от трех до пяти миллионов рублей (таблица 7.6).

Таблица 7.6 - распределение респондентов по доходу

Ежемесячный доход респондента	Количество респондентов, относительное значение
менее 3 000 000	3,85%
3 000 000 - 5 000 000	42,31%
5 000 000 - 8 000 000	23,08%
8 000 000 - 12 000 000	19,23%
более 12 000 000	11,54%
Общий итог	100,00%

Заключение

В заключение подведём краткие итоги проведённого исследования.

В ходе написания данной курсовой работы были достигнуты основные поставленные цели и задачи. Проведенное исследование было направлено на изучение основных этапов подготовки маркетинговой информации к дальнейшему статистическому анализу.

Были изучены и описаны процессы проверки и редактирования анкет, описаны способы работы с неудовлетворительными ответами и рассмотрены основные методы корректировки данных. На примере проведенного в ходе работы анкетирования были изучены основные способы кодировки данных, создана книга кодов и база данных для анализа. Также был проведен первичный анализ данных маркетингового исследования с помощью программы МС Excel путем простого и перекрестного табулирования.

В практической части работы было проведено исследование, направленное на изучение критериев выбора детской одежды и составление портрета покупателя детской одежды. Была выбрана письменная форма опроса, которая осуществлялась заочно, т.е. без прямого и непосредственного контакта интервьюера с респондентом посредством ответа на вопросы анкеты.

В ходе проведенного исследования было опрошено 26 респондентов, воспитывающих детей в возрасте от года до шестнадцати лет. Возраст респондентов от 18 до 55 лет. При этом большинство из респондентов 65,4% воспитывают только одного ребенка, 30,8% воспитывают двух детей и 3,8% опрошенных воспитывают троих детей

Исследование показало, что лицом, принимающим решение о покупке одежды, как для мальчиков, так и для девочек чаще всего является мама ребенка.

Большинство из респондентов покупают детскую одежду в торговых центрах и универмагах, а не в специализированных магазинах детской одежды. Наибольшей популярностью пользуются такие магазины как ЦУМ, ГУМ и ТД «На Немиге».

В ходе анализа выяснилось, что для всех возрастных категорий респондентов наиболее значимыми факторами, влияющими на принятие решение о покупке, оказались такие факторы, как цена, дизайн и качество ткани. Тогда как известность бренда приобретаемой детской одежды оказалась самым незначительным фактором для большинства респондентов.

Данные исследования показали, что наибольшие трудности испытывают респонденты при выборе таких категорий детской одежды, как брюки, пиджаки, костюмы, джинсы и зимние куртки. Данная проблема одинаково актуальна как для родителей мальчиков, так и для родителей девочек.

Согласно исследованию наибольшим доверием среди респондентов пользуются европейские производители детской одежды. Менее всего доверяют респонденты китайским и вьетнамским производителям детской одежды. В равной степени пользуются доверием респондентов такие страны производители, как Белоруссия, страны СНГ и скандинавские страны.

Исследование показало, что частота покупки детской одежды в 73% случаев чаще, чем один раз в сезон.

Большинство респондентов (61,54%) тратит на детскую одежду более 4 500 000 рублей в год.

При этом данные о среднемесячном доходе респондентов распределились следующим образом: 3,85% имеют доход менее трех миллионов рублей; 42,31% - от трех до пяти миллионов рублей, 23,08% - от пяти до восьми миллионов рублей; 19,23% - от восьми до двенадцати миллионов рублей в месяц, а доход 11,54% респондентов составляет более двенадцати миллионов рублей в месяц.