Статический анализ

Теперь в рассматриваемой области определена составная временная переменная, описывающая оценки респондентами одежды марки X в каждый из трех рассмат-риваемых кварталов. Таким образом, область Within-Subjects Variables (кварталы) является аналогом области Dependent Variable в одномерном дисперсионном анализе, только зависимая переменная в нашем случае как бы распадается на три подпеременные, вместе составляющие одно целое. Далее в область Between-Subjects Factor(s) поместите те переменные, которые служат основаниями для различения оценок. В нашем случае это демографические характеристики респондентов: пол (q80) и возраст (q74).

Итак, вы задали все переменные для исследования и можете использовать кноп-ки, расположенные в нижней части этого диалогового окна, — так же, как вы делали это при одномерном дисперсионном анализе (см. раздел 3.2.1). В окне Post Нос задайте апостериорные тесты Scheffe (для равных дисперсий) и Tumhale (для неравных дисперсий) для переменных, имеющих более двух категорий (в нашем случае это только q74 — Возраст). В окне Options выберите параметр Homogeneity Tests и в соответствующее поле поместите переменные с двумя категориями, для которых следует рассчитать средние значения (q80 — Пол и все взаимодействия, в которых она участвует). Остальные диалоговые окна аналогичны рассмотренным для одномерного дисперсионного анализа, поэтому мы не приводим их второй раз.

В результате мы выясняем, какой из трех факторов — пол, возраст или время (кварталы) — определяет различия в оценках одежды марки X. Запустив программу на исполнение щелчком на кнопке ОК, 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.

Итак, первое, что должно привлечь ваше внимание, — это таблица Box’s Test of Equality of Covariance Matrices (рис. 3.26). Тестовая статистика Box показывает, сущест-вуют ли статистически значимые различия в оценках респондентов в каждом из анали-зируемых периодов. В нашем случае мы видим высокую значимость (Sig. < 0,001), свиде-тельствующую о том, что оценки респондентами одежды марки X существенно меняются от квартала к кварталу.

После анализа результатов теста Box мы смотрим на следующую важную таблицу — Multivariate Tests (рис. 3.27), позволяющую сделать выводы о том, в какой степени вы-явленные различия определяются влиянием временного фактора, а также взаимодействи-ем этого фактора с другими переменными, включенными

в анализ. Так, в нашем случае мы видим, что непосредственно временной фактор (кварталы) в значительной степени определяет различия в исследуемых оценках (Sig. < 0,001). Сочетание эффектов времени и пола (Кварталы х q80), а также времени и возраста респондентов (Кварталы х q74) с высокой вероятностью определяют различия в оценках одежды (Sig. = 0,002 и 0,024). А вот тройственное взаимодействие всех анализируемых величин в совокупности не оказывает никакого влияния на изучаемую разницу в оценках (Sig. = 0,935). Обратите внимание на то, что при интерпретации таблицы Multivariate Tests следует оценивать значимость того или иного фактора всегда на основании теста Pillai's Trace. Именно этот тест статистической значимости является наиболее надежным (ро-бастп-ным).

Мы ответили на два основных вопроса:

1. изменяются ли статистически значимо оценки респондентами одежды марки X?

2. чем определяются эти различия: только влиянием временного фактора или также влиянием независимых переменных (пола и возраста)?

В результате анализа мы смогли утвердительно ответить на оба вопроса: различия в оценках есть, и они определяются как временем, так и его взаимодействием с полом и возрастом. Дальнейший анализ будет направлен на исследование влияния независимых переменных и их взаимодействий по отдельности на оценки респондентов.

Следующие три таблицы: — Mauchly’s Test of Sphericity, Tests of Within-Subjects Effects и Tests of Within-Subjects Contrasts — обычно пропускаются, так как они не позво-ляют сделать никаких новых выводов и лишь подтверждают представленные выше ре-зультаты. После трех таблиц следуют результаты одномерного дисперсионного анализа для независимых переменных, для которых не производятся повторные измерения, знако-мые вам по разделу 3.2.1.