После завершения процедуры расчета t-теста в окне SPSS Viewer будут отражены результаты (рис. 3.4). В первой таблице Group Statistics вы видите средние значения тестируемой переменной (частота посещения клубов) для обеих групп зависимой переменной Х. Как следует из рисунка, для респондентов, посещающих игровые залы марки Х, средняя частота посещения составляет 11,9 раз в месяц.

В нашем случае единственная независимая переменная Возраст имеет больше двух категорий , и поэтому специально выводить для нее средние значения нет смысла (они будут выведены в таблице Homoge­nous Subsets). Установить равенство/неравенство дисперсий позволяет тест Levene, вывод которого на экран мы покажем ниже. В общем случае мы не знаем, равны ли дисперсии и, соответственно, какую группу статистических тестов следует использовать. Поэтому рекомендуется сразу вывести тесты для равных и неравных дисперсий, чтобы сократить количество итераций при проведении дисперсионного анализа.

При этом из столбца Mean Difference можно видеть, насколько отличается среднее значение той или иной группы от среднего значения других групп (звездочками отмечены значимые различия при 95%-ном доверительном уровне)1. Для одномерного дисперсионного анализа существует только одна зависимая переменная; для многомерно­го — несколько. Также в этом разделе мы рассмотрим одномерный дисперсионный анализ с повторными измерениями 1. Цель анализа различий — выявление групп респондентов, стати­стически значимо различающихся между собой.

2.3. Многомерный дисперсионный анализ

После таблицы Tests of Between-Subjects Effects следуют расчеты средних значений для дихотомической переменной q3 (Пол) и для взаимодействия q3 ´ q4 (рис. 3.18). В нашем случае ни переменная q3, ни ее взаимодействие с q4 не являются статистически значимыми, поэтому данные таблицы бесполезны. Однако если бы переменная Пол была значима (то есть различие между мужчинами и женщинами существовало), на основании первой таблицы можно было бы сделать заключение о том, какая именно половая группа покупает больше сырков. Итак, в первой части таблицы мы видим сравнение различий между каждой из четырех возрастных категорий с остальными категориями. На основе этих данных и определяются та или те группы, которые значимо отличаются от других. (статистическая значимость) мы видим, что только группа респондентов старше 60 лет статистически значимо отличается от всех остальных.

• При помощи кнопок Post Hoc и Options необходимо выбрать те же параметры, которые мы выбирали для одно- и двухфакторного анализа.
• В противном случае, если тест Levene статистически значим, различие между двумя средними определяется из строки Equal variances not assumed.
• В справочной системе SPSS не указана явно принадлежность ANOVARM к одной или другой группе статистических методов.
• Затем из раскрывающегося списка Build Term выберите тот или иной тип взаимодействия между переменными.
• При числе взаимодействий более трех сохраняется возможность разбиения данного взаимодействия на несколько взаимодействий второго или третьего уровней и построения затем серии графиков.

Данная таблица является центральной в выводимых результатах дисперсионного анализа и показывает наличие/отсутствие значимых различий между категориями исследуемых переменных. Первое, на что следует обратить внимание при анализе описываемой таблицы, — это величина R2, отражающая долю совокупной дисперсии в зависимой переменной, описываемой статистической моделью. Другими словами, это та часть вариации зависимой переменной, которую можно объяснить на основании независимой переменной. Естественно, что чем меньше независимых переменных, тем меньше величина R2, и наоборот.

1.1. Т-тесты для независимых выборок

Откройте диалоговое окно Independent-Samples T Test при помощи меню Analyze4Compare Means4 Independent-Samples T Test (рис. 3.1). В область Test Variable поместите переменные, являющиеся критерием для установления различий (в нашем случае это q18_i Частота посещения). Затем в поле Grouping Variable переместите переменную, которая будет являться группирующей (зависимой).

В таком случае различия между конкретными группами независимой переменной определяются исходя из результатов апостериорных тестов. При числе взаимодействий более трех сохраняется возможность разбиения данного взаимодействия на несколько взаимодействий второго или третьего уровней и построения затем серии графиков. Однако в этом случае интерпретация данных графиков является практически неразрешимой Мультивариантное тестирование задачей. Наконец, третья таблица, Paired Samples Test, позволяет сделать вывод о наличии/отсутствии статистически значимого различия между тестируемыми переменными, что следует из значения в столбце Sig. Исходные данные останутся такими же, как в предыдущем примере, однако теперь мы будем устанавливать различие в кратности покупок сырков возрастными и половыми группами (переменная q3).

Рассмотрим теперь ситуацию, когда необходимо исследовать сразу две независимые переменные (и взаимодействия между ними), то есть выполнить двухфакторный одномерный дисперсионный анализ. Щелкните на кнопке Define, и откроется новое диалоговое окно Repeated Measures (рис. 3.25), похожее (как по внешнему виду, так и по своим функциям) на окно Univariate. В маркетинговых исследованиях этот тип статистического анализа находит весьма разнообразные применения. Он может применяться не только в процессе анализа баз данных по маркетинговым исследованиям, но и в процессе сбора анкет — для контроля работы интервьюеров. Например, если опрос производится каждый день в течение недели в одних и тех же местах, можно анализировать средние значения основных переменных, во-первых, по дням недели, а во-вторых, по каждому интервьюеру. Если будут выявлены существенные различия в анкетах интервьюеров, то высока вероятность фальсификации (тем интервьюером, анкеты которого наиболее сильно отличаются от остальных).

2.1. Одномерный дисперсионный анализ

Фиксированными факторами называют переменные, уровни которых охватывают все возможные состояния этой переменной. Например, пол может быть только мужской или женский, а возраст, например, младше 30 лет, от 30 до 60 лет и старше 60 лет. Случайные факторы представляют переменные, уровни которых охватывают лишь часть из всего многообразия возможных состояний. Так как в нашем случае переменная q4 (Возраст) содержит все возможные возрастные группы респондентов, мы поместили ее в область фиксированных факторов. В заключение настоящего раздела необходимо особо отметить, что графики взаимодействий могут эффективно применяться только при числе взаимодействий 2 (q1 ´ q2) или 3 (q1 ´ q2 ´ q3). При взаимодействиях первого уровня мы говорим уже не о взаимодействиях как таковых, а о главных эффектах , то есть о влиянии на зависимую переменную только каждого фактора в отдельности.

Запустив программу на исполнение щелчком на кнопке OK, в окне SPSS Viewer вы увидите результаты дис­персионного анализа. В целом они аналогичны результатам, отображаемым при одномерном дисперсионном анализе, однако данные результаты значительно обширнее и содержат несколько дополнительных таблиц. Так как настоящее пособие посвящено сугубо практическим задачам использования SPSS в маркетинговых­ исследованиях, мы рассмотрим только ту часть результатов, которая необходима на практике. Наиболее простым для интерпретации случаем является ситуация, в которой по горизонтальной оси располагается дихотомическая переменная (например, переменная Пол).

В нашем случае это q11 (Питание в авиакомпании Х) и q26 (Питание в авиакомпании Y). По мере того как вы будете выбирать переменные, они будут последовательно отображаться в области Current Selections. Указав две переменные для анализа, щелкните на кнопке с символом 4, чтобы перенести переменные в область Paired Variables. Кнопка Options позволяет установить уровень доверия для производимых расчетов. Рассмотрим методику проведения t-тестов для независимых выборок на следующем примере. Предположим, что мы оцениваем различия в частоте посещения игровых клубов между посетителями заведений марки Х и других марок.

Для этого вновь откроем диалоговое окно Univariate (рис. 3.9) и добавим в область для фиксированных факторов (независимых переменных с фиксированными эффектами) переменную Пол. Иногда при анализе данных маркетинговых исследований достаточно сравнить только две группы респондентов, то есть установить различия между двумя категориями опрошенных. Однако часто у исследователей возникает необходимость проанализировать не две, а три или более категории респондентов. В этом случае следует прибегнуть к использованию дисперсионного анализа, который позволяет анализировать одновременно любое число групп.

Глава 3. Анализ различий

Итак, в первой таблице, Paired Samples Statistics, вы видите рассчитанные средние значения для обеих тестируемых переменных. Так, в нашем случае респонденты оценили питание в авиакомпании Y в среднем на 0,4 балла выше, чем в авиакомпании Х. Если после этого вы щелкнете на кнопке OK, то получите только одну таблицу, из которой https://deveducation.com/ можно узнать лишь о наличии/отсутствии значимых различий между возрастными группами. T-тесты для спаренных выборок применяются в случае, когда на различные во­просы отвечает одна и та же группа респондентов. После того как SPSS завершит расчет t-теста, в окне SPSS Viewer появятся две таблицы с результатами (рис. 3.8).

В нашем случае это переменная q1_8, кодирующая категории респондентов, посещающих/не посещающих игровые залы марки Х. При проведении многофакторного дисперсионного анализа в диалоговом окне Post Hoc (рис. 3.10) следует добавить к списку исследуемых переменных все независимые факторы, кроме дихотомических. В нашем случае переменная Пол является дихотомической, так что добавлять ее в область Post Hoc Tests for (дополнительно к переменной Возраст) не следует. Таким образом, все параметры этого диалогового окна останутся неизменными по сравнению с предыдущим примером. Данный тест служит для тестирования гипотезы о равенстве дисперсий в тестируемых переменных.

2. Дисперсионный анализ

Цель его заключается в анализе различий между ответами одних и тех же респондентов на одни и те же вопросы в несколько приемов, то есть в течение ряда дискретных временных промежутков. Это будет означать, что в результате будут построены отдельные графики по каждой категории переменной q1, где будут показаны двухуровневые взаимодействия переменных q2 и q3. В целом общая схема интерпретации графиков в дисперсионном анализе состоит из двух этапов. Сначала следует определить категории респондентов, отличающиеся и не отличающиеся друг от друга. При этом интерпретация графиков всегда происходит только по двум переменным (представленным по горизонтальной оси и в виде отдельных линий).

2. Дисперсионный анализ

В такой ситуации все равно следует признать рассматриваемую переменную незначимой и в дальнейшем игнорировать связанные с нею апостериорные тесты. Прежде всего мы проведем однофакторный одномерный дисперсионный анализ и установим, насколько значимо различается кратность покупок в различных возрастных группах респондентов (1 — младше 18 лет; 2 — 19–35 лет; 3 — 36–60 лет; 4 — старше 60 лет). Поскольку в нашем примере тест Ливина является статистически незначимым, то определить значимость различия между двумя тестируемыми группами можно при помощи значения, находящегося на пересечении первой строки и столбца Sig. Значение 0,777 говорит о том, что различие в частоте посещения игровых залов респондентами, посещающими и не посещающими клубы марки Х, является статистически незначимым. В данном диалоговом окне в левом списке содержатся все выбранные для анализа независимые переменные. Чтобы определить пользовательскую модель, в левом списке Factors & Covariates выберите переменные, которые будут включены в итоговую пользовательскую модель.

Столбца Levene’s Test for Equality of Variances показывает статистическую незначимость теста (в нашем случае — 0,547), то различие между двумя анализируемыми средними определяется из строки Equal variances assumed. В противном случае, если тест Levene статистически значим, различие между двумя средними определяется из строки Equal variances not assumed. Одномерный дисперсионный анализ с повторными измерениями является расширением одномерного дисперсионного анализа .