Не-вероятностные выборки. Достоинства и недостатки

В не-вероятностных выборках не выполняется условие равной вероятности попадания каждого объекта генеральной совокупности в выборку.

Достоинства:не-вероятностные выборки требуют меньших временных и финансовых затрат. Во многих случаях не-вероятностные выборки предпочтительнее вероятностных с точки зрения бюджета исследования.

Недостатки:невозможность рассчитать ошибку выборки (погрешность) и в силу этого оценить надежность полученных данных.

Квотная выборка. Это один из наиболее популярных методов формирования выборки. При использовании квотного метода отбирают один или несколько признаков, по которым будет контролироваться выборка. Количество единиц в выборке, обладающих определенными характеристиками, должно быть пропорционально количеству таких единиц в генеральной совокупности. Считается, что при использовании метода квот можно делать выборку меньшего объема, чем при случайном отборе, так как квотный отбор дает почти полное совпадение выборочной и генеральной совокупностей по заданным параметрам. Однако это утверждение невозможно проверить при помощи математических методов. Чаще всего в качестве параметров квотирования используются социально-демографические признаки, так как они часто носят ключевой характер; легко получить информацию о распределении по этим признакам единиц в генеральной совокупности.

Стихийная выборка. По данной выборке опрашивают наиболее доступных респондентов. Исследователь полагается на принцип принадлежности респондента к проектируемой генеральной совокупности. Часто допускаются систематические ошибки, которые сложно контролировать. Особенно это характерно для уличных опросов. Во-первых, интервьюер устанавливает контакты с понравившимися ему респондентами; во-вторых, опрашиваются только те респонденты, которые имеют возможность и желание взаимодействовать с интервьюером.

Метод основного массива. Предполагает включение в выборку более 50 % объектов генеральной совокупности. Преимущество опроса по методу основного массива состоит в том, что выборка имеет высокий удельный вес в генеральной совокупности. За счет этого удается устранить возможные смещения. В принципе достаточно опросить большую долю респондентов генеральной совокупности, что минимизирует отличие выборочной средней от генеральной средней.

Метод снежного кома. Используется для поиска труднодостижимых респондентов. Отбор единиц методом снежного кома осуществляется следующим образом: первоначально определяется группа подходящих респондентов, в ходе опроса которых выясняются адреса других лиц (знакомых, родственников, друзей, партнеров), которых затем также опрашивают. Процедура возобновляется – узнаются адреса третьих лиц и т. д. Выборка строится постепенно, этап за этапом, подобно процессу лепки снежного кома.

 

Раздел 5. Количественный и качественный

Анализ данных

 

Полученную в ходе сбора маркетинговую информацию следует упорядочить и формализовать. Для обработки небольших массивов информации (от нескольких десятков до ста анкет) можно использовать ручной метод. При больших объемах выборки и использовании специальных математических методов анализа используется компьютерная обработка информации.

Для обработки результатов опросов и статистического анализа используется специализированное программное обеспечение для научных и маркетинговых исследований, анализа информации и обработки данных. Это пакеты статистических программ – сложные программные продукты, которые широко применяются в практической и исследовательской работе в разных областях. Наиболее известными и широко используемыми являются программные продукты SPSS (Statistical package for social science) компании SPSS и Statistica компании Statsoft.

Первым шагом количественной обработки информации является подсчет частот появления каждого варианта признака (линейного распределения ответов на вопросы анкеты) и упорядочение полученных данных в таблице одномерного распределения. Подсчитанные частоты переводятся в процентные отношения, что позволяет оценить меру оценки или отношения респондентов к тому или иному признаку, а также сравнивать вариационные ряды с различным числом наблюдений. Для более наглядного распределения значений признаков прибегают к графическому представлению маркетинговой информации. Наиболее распространенными видами графического изображения являются графики, диаграммы, гистограммы. Для целей математического анализа и сравнительной характеристики различных распределений применяются обобщающие статистические показатели – среднеарифметическое, мода, медиана.

Дополнительным способом анализа данных является составление параллельных рядов. Чаще всего данные представляются в виде двумерных таблиц сопряженности. В строках указываются наблюдаемые значения первого признака, в столбцах – наблюдаемые значения второго признака. На пересечении строк и столбцов находятся частоты наблюдаемых пар значений.

Пример: Чувствуете ли Вы себя в безопасности на улицах города?
Варианты ответов	Мужчины	Женщины	Всего
Да, чувствую себя в безопасности	3 * 37,5 5,9	5 62,5 10,2	8 8,0
Скорее да, чем нет	16 84,2 31,4	3 15,8 6,1	19 19,0
Трудно сказать	6 54,5 11,8	5 45,5 10,2	11 11,0
Скорее нет, чем да	9 45,0 17,6	11 55,0 22,4	20 20,0
Нет, не чувствую себя в безопасности	17 40,5 33,3	25 59,5 22,4	42 42,0
ВСЕГО	51 51,0	49 49,0	100 100,0
* В первой строке указывается абсолютное число ответов, во второй – процентное распределение по строке, в третьей – процентное распределение по столбцу.

Наиболее часто используются следующие процедуры количественного анализа данных: одномерные частотные распределения; таблицы сопряженности; сравнение средних; факторный анализ; кластерный анализ; регрессионный анализ; дисперсионный анализ; корреляционный анализ; многомерное шкалирование.

Выбор того или иного метода анализа зависит в первую очередь от поставленных гипотез, то есть вопросов, на которые мы хотим получить ответ. Исследование может носить описательный либо объяснительный характер. В первом случае достаточно сделать одномерный анализ – описать одну характеристику выборки в определенный момент времени. Во втором случае требуется многомерный анализ – установление взаимосвязей между двумя и более переменными с целью проверки причинных связей.

Выбор метода анализа зависит также от уровня измерения (шкалы) переменных: номинальный, ранговый, интервальный и метрический. Чем выше уровень шкалы, тем более сложные методы анализа данных можно применить. Так, для интервальных шкал применяется, например, регрессионный, факторный и кластерный анализ, а для номинальных шкал – одномерные частотные распределения, таблицы сопряженности.

Качественный анализ данных представляет процедуру проверки исходных гипотез, интерпретации и объяснения исходных данных. Существует множество методов анализа данных, применяемых маркетологами. Качественный анализ осуществляется после количественной обработки данных и получения линейного распределения по всем переменным (признакам). В зависимости от целей исследования анализ данных может включать:

· типологизацию данных: упорядочение исходных эмпирических данных по отдельным признакам, что позволяет дать общую оценку выборочной совокупности и частных подвыборок (половозрастных, территориальных, этнических, профессиональных и т. д.);

· группировку данных: «сжатие» эмпирической информации – укрупнение исходных шкал, выявление типических групп, подлежащих дальнейшему анализу. Это позволяет сократить число переменных, обобщить материал (например, разделение на приверженцев и противников марки);

· объяснение полученных данных: установление закономерных связей между изучаемым процессом и другими процессами или его прошлым состоянием;

· прогнозирование развития изучаемого явления или процесса.

 

 

Раздел 6. Направления маркетинговых исследований