Статический анализ

Например, питание на борту самолетов авиакомпании X (переменная qll) всеми респондентами оценено в среднем на 4,0 балла. Вместе с тем пассажиры первого класса оценили питание несколько выше: в среднем на 4,1 балла. Возникает вопрос, является ли выявленное различие статистически значимым. То есть отличаются ли пассажиры первого класса от всех респондентов на основании уровня оценки питания на борту? Выяснить это нам поможет t-тест для одной выборки. Ниже описан механизм его проведения.

Для проведения t-теста мы должны отобрать только тех респондентов, которые летают первым классом. (Как это сделать, см. в разделе 1.5.1.1.) После этого следует вос-пользоваться меню Analyze > Compare Means > One-Sample T Test, чтобы открыть диа-логовое окно One-Sample T Test (рис. 3.7). Далее перенесите из левого списка всех дос-тупных переменных в область Test Variable(s) интересующую нас переменную qll (Пита-ние). В поле Test Value укажите стандартное значение, с которым мы будем сравнивать среднее тестируемой переменной. В нашем случае это 4,0. Кнопка Options позволяет ука-зать доверительный уровень, для которого устанавливается различие.

После того как SPSS завершит расчет t-теста, в окне SPSS Viewer появятся две таблицы с результатами (рис. 3.8).

В первой таблице, One-Sample Statistics, отражены расчеты среднего значения ис-следуемой переменной (столбец Mean). В нашем случае данное значение отражает сред-нюю оценку питания пассажиров первого класса (4,1 балла). Вторая таблица, One-Sample Test, позволяет сделать вывод о статистической значимости/незначимости тестируемого различия. Как следует из значения столбца Sig. (2-tailed), различие в оценках пассажиров первого класса и всей выборочной совокупности респондентов является статистически незначимым (0,149). Разница между реальным и тестируемым значениями (в нашем слу-чае — 0,1 балла) отражается в столбце Mean Difference.

3.2. Дисперсионный анализ

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.

Различают одномерный (Analysis of variance, ANOVA) и многомерный (Multiple analysis of variance, MANOVA) дисперсионный анализ. Для одномерного дисперсионного анализа существует только одна зависимая переменная; для многомерного — несколько. Также в этом разделе мы рассмотрим одномерный дисперсионный анализ с повторными измерениями (ANOVARM)1.

В табл. 3.2 приведены основные характеристики переменных, участвующих в различных видах дисперсионного анализа.

Таблица 3.2. Основные характеристики переменных, участвующих в дисперсион-ном анализе

Одномерный дисперсионный анализ

Зависимые переменные Независимые переменные

Количество Тип Количество Тип

Одна Любой Любое Любой

Одномерный дисперсионный анализе повторными измерениями

Зависимые переменные Независимые переменные

Количество Тип Количество Тип

Одна Любой Любой Любой

Многомерный дисперсионной анализ

Зависимые переменные Независимые переменные

Количество Тип Количество Тип

Любое Любой Любое Любой

3.2.1. Одномерный дисперсионный анализ

Как было сказано выше, одномерный дисперсионный анализ исследует влияние одной или нескольких независимых переменных на одну зависимую. Одномерный дис-персионный анализ может быть однофакторным (one-way ANOVA) или многофакторным (n-way ANOVA). В первом случае есть только одна независимая переменная; во втором — несколько.