98 Marketingový výzkum
Krabicový graf (box plot, box with whiskers plot) je v literatuře možné najít v různých podobách. Graf ve společném pohledu zobrazuje polohu mediánu a kvartilů, „vousy“ nám zobrazují variabilitu dat pod prvním a nad třetím kvartilem. Hranice „vousů“ je možné definovat různými způsoby: • Minimum, maximum. • Vnitřní hradby – identifikují odlehlé pozorování definované jako vzdálenost 1,5 IQR od horního a dolního kvartilu. • 1% kvantil, 99% kvantil. Příklad Projektované váhy – krabicový graf N = 512 16 000 maximum
15 000 14 000 13 000 12 000 11 000
3. kvartil IQR
10 000
medián 1. kvartil
9 000 8 000 7 000
minimum
6 000
Obrázek 6.5 Ukázka krabicového grafu (zdroj: autor)
6.2
Pokročilejší statistické metody
Cílem této kapitoly není přesně, a hlavně statisticky exaktně popsat použité metody, ale spíše zvýšit povědomí o jejich existenci a přiblížit možnosti jejich použití. Jak píše ve své knize Disman (2011), „důležité je vědět, že takový přístup je možný, a ještě důležitější je být zadobře se statistiky.“ V předchozí kapitole jsme popsali, jak lze analyzovat a zkoumat každou proměnnou jednotlivě, podle jejího typu. Cílem výzkumu nebývá analyzovat otázky samostatně, nýbrž zkoumat především souvislosti a vazby mezi jednotlivými odpověďmi. Dřív, než přejdeme k metodám, jak tyto vztahy odhalit a jak závislost kvantifikovat, uveďme si pár poznatků o závislostech obecněji.
Ukázka elektronické knihy, UID: KOS518619
Analýza dat 99
6.2.1 Závislost Uvažujme dva zkoumané znaky, X a Y. Pokud znak X působí na znak Y, a znak Y působí na znak X, a nelze tedy jednoznačně určit příčinu a důsledek, mluvíme o oboustranné (symetrické) závislosti. Pokud znak X působí na znak Y, ale znak Y nepůsobí zpětně na znak X, mluvíme o závislosti jednostranné (asymetrické). Příklad Příkladem oboustranné závislosti může být vztah názoru partnera (X) a partnerky (Y). Příkladem jednostranné závislosti může být vztah mezi výškou (X) a váhou (Y), vztah nejvyššího dosaženého vzdělání (X) na vyjádřený názor (Y).
Při analýze dat je třeba vždy pamatovat na možné zkreslení, kterého se můžeme dopustit. Mezi nejčastější zkreslení, která se u výzkumu objevují při zkoumání vztahů proměnných, patří tzv. nepravá korelace. Ta popisuje závislost mezi proměnnými, které reálně žádnou souvislost nemají. Vzniká teprve, pokud existuje třetí, nepozorovaná (neanalyzovaná) proměnná, která ovlivňuje oba zkoumané jevy. Dalšími zkresleními ve vztahu dvou proměnných mohou být: vývojová sekvence, chybějící třetí člen a dvojí příčina, které popisují různé působení třetího nezkoumaného jevu ve zkoumaných vztazích. K popisovaným zkreslením dochází do jisté míry téměř u všech závislostí, proto při interpretaci vzájemných vztahů nespoléháme jen na výsledky statistických analýz a vždy se kriticky zamýšlíme, jestli nebyl opomenut nějaký důležitý aspekt. Příklad Nepravá korelace: V datech existuje silná závislost mezi prodejem zmrzliny a počtem úmrtí následkem utopení. Na oba má vliv třetí znak – teplé počasí.
6.2.2 Závislosti kategoriálních proměnných – kontingenční tabulky Základním „pracovním nástrojem“ pro analýzu závislosti u kategoriálních dat je tzv. třídění dat II. stupně (tříděním prvního stupně jsou základní frekvenční tabulky), při kterém jsou data přehledně zobrazena v tzv. kontingenční tabulce. Kontingenční tabulka (contingency table, cross tabulation) vzniká překřížením dvou proměnných, přičemž první proměnná (X) a její kategorie jsou umístěny v řádcích a druhá proměnná (Y) se všemi kategoriemi ve sloupcích. Tabulka může zobrazovat několik typů údajů: absolutní četnosti (absolut counts), pro každou kombinaci kategorií proměnných v řádcích (X) a sloupcích (Y) a tzv. marginální četnosti (marginal counts), které udávají četnosti jednotlivých kategorií proměnné X a Y.
Ukázka elektronické knihy, UID: KOS518619
100 Marketingový výzkum
Příklad
Tabulka 6.5 Příklad kontingenční tabulky – absolutní četnost Internetová populace 15+, N = 14 511 Používá alespoň někdy Facebook – absolutní četnost v počtu dotazovaných Věk
Ano
Ne
Celkem
15–24 let
1 839
115
1 954
25–34 let
2 458
112
2 570
35–44 let
2 861
297
3 158
45–54 let
2 498
447
2 945
55 let a více Celkem
3 081
804
3 885
12 737
1 775
14 512
Zdroj: Výzkum ProTrend/mPanel, Nielsen Admosphere a GroupM Absolutní četnost: 1 839 lidí je ve věku 15–24 let a používají alespoň někdy Facebook. Marginální četnost kategorie 15–24 let je 1954 lidí a marginální četnost kategorie „Používá alespoň někdy Facebook – Ano“ je 12 737 lidí.
Relativní četnosti (tabulková procenta, table percentages) jsou určeny jako podíl absolutní četnosti dané kombinace kategorií k celkovému počtu odpovědí. Součet procent v celé tabulce je 100 %. Příklad
Tabulka 6.6 Příklad kontingenční tabulky – relativní četnost Internetová populace 15+, N = 14 511 Používá alespoň někdy Facebook – relativní četnost v % tabulkových Věk
Ano
Ne
Celkem
15–24 let
13 %
1%
13 %
25–34 let
17 %
1%
18 %
35–44 let
2%
2%
22 %
45–54 let
17 %
3%
2%
55 let a více
21 %
6%
7%
Celkem
88 %
12 %
100 %
Zdroj: Výzkum ProTrend/mPanel, Nielsen Admosphere a GroupM Interpretace: Z celého vzorku 14 511 respondentů je 13 % těch, kteří jsou ve věku 15–24 let a používají alespoň někdy Facebook.
Ukázka elektronické knihy