Zajmuję się analizami statystycznymi i opracowaniem ankiet
z opisami, wykresami, testami i badaniami hipotez.
Ukończyłem studia ze specjalizacją w dwóch kierunkach: ekonometria i statystyka.
Wykonuję wykresy, interpretacje, badania statystyczne `róznego rodzaju: zależności testem chi-kwadrat, korelacją ,analizą wariancji, testem różnicy średnich lub frakcji itd.
Wszystko opracowuję w Statistica Pl, Stata, Gretl lub Excelu a następnie umieszczam w Wordzie (estetyka wykonania).
Opracowuję ankiety już długo i wiem w tym temacie wszystko co trzeba:
- jakie hipotezy postawić gdy przeczytam Twoją ankietę (jeśli sam/a ich nie sprecyzujesz)
- jak przedstawić wyniki które zebrałeś/aś, aby były czytelne (tabele wielodzielcze, wykresy 2D,3D, słupkowe, liniowe, kołowe, radarowe, punktowe itd.)
- jakie testy statystyczne użyć w konkretnym przypadku (inne stosujemy do zmiennych ilościowych, inne do jakościowych, inne do skali nominalnej, porządkowej, ilorazowej itd.)
- jak opisać testy statystyczne i analizy CZYLI nie tylko z wynikiem wyrzuconym przez program ale z interpretacją zrozumiałą dla laika (co jest bardzo ważne)
- jak zrobić opracowanie kompleksowo tak, aby student nie musiał niczego zmieniać a mógł je po prostu wykorzystać do swojej pracy
Jestem absolwentem Akademii Ekonomicznej w Krakowie kierunku ekonometria i statystyka.
Oferuję państwu pomoc w opracowaniu ankiet .
Używam oprogramowania Statistica PL (lub po prostu w Excelu).
Co powinieneś/powinnaś?
- przesłać tabelę w Excelu z zebranym materiałem z ankiet
- podać swoje hipotezy / założenia czyli co chcesz udowodnić/zbadać/ porównać ?
Jeśli tego nie wiesz ja ci podsunę pomysły. - przesłać do mnie samą ankietę, czyli to, co wręczono każdemu ankietowanemu (pytania ankietowe z możliwymi kategoriami odpowiedzi)
Kwestionariusz ankiety
Kwestionariusz to seria pytań, które są zadawane Twoim klientom. Pytania te są zazwyczaj połączeniem pytań zamkniętych i otwartych. Długie pytania pozostawiają klientom miejsce na rozwinięcie swoich przemyśleń.
Pytania powinny być zawsze możliwie bezstronne. Na przykład wspominanie o konkretnym produkcie i usłudze, która jest w fazie tworzenia pomysłów i proszenie o opinię na ich temat, jest nierozsądne. Zamiast tego zadawaj szerokie pytania dotyczące rodzajów cech i funkcji, którymi cieszą się Twoi klienci w Twoich produktach lub usługach, i wykorzystuj te opinie podczas konstruowania nowych towarów.
Kwestionariusze mogą być bardziej wykonalną i skuteczną metodą badawczą niż wywiady pogłębione. Kwestionariusze są dużo tańsze do przeprowadzenia niż wywiady osobiste, które wymagają od ankieterów opłacenia ich czasu. Oszczędzają również czas dla obu stron, ponieważ klienci mogą go szybko wypełnić w swoim czasie, a pracownicy nie muszą tracić czasu na rozmowę kwalifikacyjną.
Wreszcie kwestionariusze mogą objąć większą liczbę odbiorców. Podczas gdy dla dużej firmy liczącej kilkadziesiąt tysięcy klientów nie byłoby możliwe przeprowadzenie wywiadu z każdym klientem osobiście, ta sama firma mogłaby potencjalnie zbliżyć się do otrzymania informacji zwrotnej od całej bazy klientów, korzystając z kwestionariuszy online.
Chodzi o to, aby kwestionariusz dotarł do jak największej i różnorodnej publiczności. Rozważając swoje obecne produkty i usługi, a także pomysły na nowe produkty i usługi, ważne jest, aby uzyskać informacje zwrotne od obecnych i potencjalnych klientów, ponieważ to oni mają wpływ na to, czy chcą podjąć decyzję o zakupie.
Test t-Studenta
Test T (inaczej test t-Studenta) to narzędzie do porównywania dwóch grup danych, które mają różne wartości średnie. Na przykład, czy kobiety i mężczyźni mają różne średnie wzrosty? Test T pozwala użytkownikowi zinterpretować, czy różnice są istotne statystycznie, czy tylko przypadkowe.
Wyniki testu T są wyrażone w kategoriach prawdopodobieństwa (wartość p). Jeśli wartość p jest poniżej pewnego progu, zwykle 0,05, możesz być bardzo pewny, że twoje dwie grupy naprawdę się różnią i nie była to tylko przypadkowa różnica między danymi z próbki.
Analiza wariancji (ANOVA)
Podobnie jak test T, ANOVA (analiza wariancji) jest sposobem testowania różnic między grupami w celu sprawdzenia, czy są one istotne statystycznie. Jednak ANOVA pozwala na porównanie trzech lub więcej grup, a nie tylko dwóch.
ANOVA jest używana w badaniu regresji, aby dowiedzieć się, jaki wpływ mają zmienne niezależne na zmienną zależną. Może porównywać wiele grup jednocześnie, aby sprawdzić, czy istnieje między nimi związek, np. Badanie, czy różne typy reklam uzyskują różne reakcje konsumentów.
Analiza skupień
Analiza skupień to sposób przetwarzania zbiorów danych poprzez określenie, jak ściśle powiązane są poszczególne punkty danych. Za pomocą analizy skupień można określić, czy istnieją zdefiniowane grupy (klastry) w dużej puli danych, czy też dane są dość równomiernie rozłożone.
Analiza skupień ma kilka różnych form, w zależności od typu posiadanych danych i tego, czego szukasz. Może być wykorzystany do celów eksploracyjnych, takich jak odkrywanie klastrów w danych ankietowych wokół trendów demograficznych lub preferencji lub do potwierdzania i wyjaśniania istniejących hipotez. Jest to jedna z bardziej popularnych technik statystycznych w badaniach rynku , ponieważ może służyć do odkrywania segmentów rynku i grup klientów.
Analiza czynnikowa
Analiza czynnikowa to sposób na zmniejszenie złożoności wyników badań poprzez wymianę dużej liczby zmiennych początkowych na mniejszą liczbę głębszych, podstawowych. Przeprowadzając analizę czynnikową, odkrywasz „ukryte” czynniki, które wyjaśniają wariancję (różnicę od średniej) w twoich ustaleniach.
Ponieważ zagłębia się w przyczynowość leżącą u podstaw twoich danych, jest również formą badań samą w sobie, ponieważ daje dostęp do czynników wpływających na wyniki, których nie można bezpośrednio zmierzyć.
Analiza łączona
Badacze rynku uwielbiają rozumieć i przewidywać, dlaczego ludzie dokonują złożonych wyborów, których dokonują. Analiza łączona jest najbardziej zbliżona do tego: prosi ludzi o dokonywanie kompromisów przy podejmowaniu decyzji, tak jak robią to w prawdziwym świecie, a następnie analizuje wyniki, aby uzyskać najbardziej popularny wynik.
Na przykład inwestor chce otworzyć nową restaurację w mieście. Uważają, że jedna z następujących opcji może być najbardziej opłacalna:
Rodzaj restauracji | Burger dla smakoszy | Hiszpańskie tapas | tajski |
Średnia cena za sztukę | 20 $ | 40 $ | 60 $ |
Odległość od centrum miasta | 5 mil | 2 mile | 10 mil |
Co czuje partner klienta? | W porządku | W porządku | Kocha to! |
Kompromisy | Jest tani, dość blisko domu, partner nie ma z tym problemu | Jest trochę droższy, ale bardzo blisko domu, partner jest po prostu w porządku | Jest drogi, dość daleko od domu, ale partner to uwielbia |
Inwestor zleca badanie rynku. Opcje zamieniają się w ankietę dla mieszkańców:
- Jaki typ restauracji wolisz? (Burger dla smakoszy / hiszpańskie tapas / tajskie
- Ile byłbyś gotów wydać na głowę? (20 USD, 40 USD, 60 USD)
- Jak daleko byłbyś skłonny podróżować? (5 km, 2 km, 10 km)
- Czy twój partner…? (Uwielbiam to, bądź z tym w porządku)
Możliwych kombinacji odpowiedzi jest wiele – w tym przypadku 54: (3 rodzaje restauracji) x (3 poziomy cenowe) x (3 odległości) x (2 preferencje partnerów). Gdy dane z ankiety są już dostępne, oprogramowanie do analizy spójnej przetwarza je, aby dowiedzieć się, jak ważna jest każda opcja w podejmowaniu decyzji klientów, które poziomy są preferowane i o ile.
Tak więc, na podstawie wspólnej analizy, inwestor restauracji może odkryć, że preferowany jest drogi hiszpański bar tapas na obrzeżach miasta – coś, czego wcześniej mogli nie brać pod uwagę.
Test chi- kwadrat
Tabela krzyżowa (cross-tabulation) jest używana w ilościowych badaniach rynku do analizy danych kategorycznych – to znaczy zmiennych, które są różne i wzajemnie się wykluczają, takie jak: „mężczyźni” i „kobiety” lub „poniżej 30 lat” i „powyżej 30 lat”.
Znany również pod nazwami, takimi jak tabela kontyngentów, chi-kwadrat i tabulacja danych, umożliwia porównanie relacji między dwiema zmiennymi, prezentując je w łatwych do zrozumienia tabelach.
Do sprawdzenia, czy zmienne w analizie tabeli przestawnej są niezależne, czy też nie, można użyć metody statystycznej zwanej chi-kwadrat.
Analiza regresji
Regresja to technika statystyczna używana do obliczania relacji między dwiema (lub więcej) zmiennymi.
Aby zrozumieć regresje, potrzebujemy szybkiego sprawdzenia terminologii:
- Zmienne niezależne to „niezależne” zjawiska (w kontekście badania), które wpływają na zmienne zależne
- Zmienne zależne to rzeczy, które zmieniają się w wyniku ich związku ze zmiennymi niezależnymi
Zmiana zmiennej zależnej – powiedzmy, wzrostu upraw w sierpniu – zależy od zmiany jednej (lub więcej) zmiennych niezależnych, którymi w przykładzie upraw może być nasłonecznienie, opady i poziom zanieczyszczenia, i jest z nią związana.
- Regresja liniowa wykorzystuje pojedynczą zmienną niezależną do przewidywania wyniku zmiennej zależnej.
- Regresja wielokrotna wykorzystuje co najmniej dwie zmienne niezależne. Regresja wielokrotna może być liniowa lub nieliniowa.
Wyniki analizy regresji liniowej są przedstawiane jako wykres ze zmiennymi na osiach i „krzywą regresji”, która przedstawia zależności między nimi. Dane rzadko są wprost proporcjonalne, więc zwykle występuje raczej krzywa niż linia prosta.
Jest to przydatny test, ponieważ jesteś w stanie określić dokładny wpływ zmiany w zmiennej niezależnej.