2009-04-18

1

32

Pytania sonda

ż

u konsumenckiego

Wskaźnik optymizmu konsumentów (WOK)

1. Jak ocenia Pan(i) zmian

ę

sytuacji

gospodarczej w Polsce w ci

ą

gu ostatnich

12 miesi

ę

cy?

+ poprawiła si

ę

~ nie zmieniła si

ę

– pogorszyła si

ę

(nie czytane) 4. trudno powiedzie

ć

2. Jak Pan(i) s

ą

dzi, jak sytuacja

gospodarcza w Polsce b

ę

dzie si

ę

zmienia

ć

w ci

ą

gu najbli

ż

szych 12

miesi

ę

cy?

+ poprawi si

ę

~ nie zmieni si

ę

– pogorszy si

ę

(nie czytane) 4. trudno powiedzie

ć

3. Jak ocenił(a)by Pan(i) sytuacj

ę

materialn

ą

w swoim domu, gdy porówna j

ą

Pan(i) z sytuacj

ą

sprzed 12 miesi

ę

cy?

+ poprawiła si

ę

~ nie zmieniła si

ę

– pogorszyła si

ę

(nie czytane) 4. trudno powiedzie

ć

4. Jak Pan(i) s

ą

dzi, jaka b

ę

dzie sytuacja

materialna w Pana(i) domu za 12
miesi

ę

cy?

++ nast

ą

pi wyra

ź

na poprawa

+ nast

ą

pi lekka poprawa

~ b

ę

dzie bez zmian

– nast

ą

pi lekkie pogorszenie

–– nast

ą

pi wyra

ź

ne pogorszenie

(nie czytane) 6. trudno powiedzie

ć

5. Czy Pana(i) zdaniem, obecnie jest
dobry okres na kupowanie przedmiotów
trwałego u

ż

ytku?

+ tak, to dobry okres na takie zakupy
~ to okres ani szczególnie dobry, ani

szczególnie zły na takie zakupy

– nie, to zły okres na takie zakupy

(nie czytane) 4. trudno powiedzie

ć

33

k

x

x

x

suma

+

+

+

=

....

2

1

1

....

1

2

2

1

1

=

+

+

+

=

∑

=

k

i

i

k

k

w

x

w

x

w

x

w

Dobór wag subiektywny

Pomiar postaw - Skale sumaryczne:
skalowanie Likerta

Suma wa

ż

ona

2009-04-18

2

34

Skale sumaryczne:

dobór wag obiektywny

Skala czynnikowa:

Metoda głównych składowych (Principal components)

k

k

x

w

x

w

x

w

PC

+

+

+

=

....

2

2

1

1

35

Podstaw

ą

konstrukcji dobre jako

ś

ci skali sumarycznej

jest by

wariancja sumy

pozycji skali była ró

ż

na od

sumy wariancji

ka

ż

dej pozycji:

D

2

(P

1

+P

2

…. +P

k

)

≠≠≠≠

D

2

(P

1

) + D

2

(P

2

)+…. +D2(P

k

)

Miara rzetelno

ś

ci: współczynnik alfa-Cronbacha

























−













−

=

∑

∑

=

=

)

(

)

(

1

1

1

2

1

2

k

i

i

k

i

i

P

D

P

D

k

k

α

2009-04-18

3

36

Descriptive Statistics

N

Variance

wa

ż

ne by piernik był słodki

1280

10,94361

wa

ż

ne by piernik był aromatyczny

1280

6,081274

wa

ż

ne by piernik był z bakaliami

1279

6,485974

wa

ż

ne by piernik był znanej marki

1279

9,487512

wa

ż

ne by przy sprzeda

ż

y oferowano bonusy

1277

9,663456

wa

ż

ne by piernik był wykonany z surowców naturalnych

1279

8,022499

wa

ż

ne by technologia produkcji była ekologiczna

1279

8,980201

59,66452

suma

1273

147,4464

Reliability Statistics

,695

7

Cronbach's

Alpha

N of Items

Case Processing Summary

1273

99,3

9

,7

1282

100,0

Valid

Excluded

a

Total

Cases

N

%

Listwise deletion based on all
variables in the procedure.

a.

37

1

;

0

2

2

2

∈

+

=

∑ ∑

∑ ∑

∑ ∑

≠

≠

≠

≠

≠

≠

j

i

i

j

ij

j

i

i

j

ij

j

i

i

j

ij

a

r

r

KMO

Podstawą konstrukcji dobrej jakości skali czynnikowej jest

odpowiednia natura korelacji między pozycjami skali

statystyka Kaisera-Mayera-Olkina

2009-04-18

4

Skale
stosunkowe
(ilorazowe)

1 6 . P r o s z ę

p o d a ć n a jb a r d z i e j k o r z y s tn e

o r a z

n a jm n ie j

k o r z y s tn e

( a le

je s z c z e

m o ż l i w e

d o

z a a k c e p t o w a n i a )

z d a n i e m

P a ń s t w a

s t a łe

o p r o c e n to w a n ie

d l a

c e r t y fi k a t u

d e p o z yt o w e g o ,

z a k ł a d a ją c ,

ż

e

m u s i

b yć

o n o

n i ż s z e

o d

o p r o c e n to w a n ia l o k a t t e r m i n o w yc h :
6 8

n a jb a r d z i e j k o r z ys t n e

,

%

6 9

n a jm n i e j k o r z ys t n e

,

%

1 7 . J a k ą w i e l k o ś ć n a d w yż k i fin a n s o w e j b y li b y ś c ie
P a ń s tw o

s k ł o n n i

p r z e z n a c z y ć

n a

z a k u p

c e r t y fi k a t ó w d e p o z yt o w y c h p r z y s t a ł ym p o z i o m ie
o p r o c e n to w a n ia n a ta k im p o z io m i e , k t ó r y je s t d l a
P a ń s tw a :
7 0

n a jb a r d z i e j k o r z ys t n e

.. ....... ........ ...t ys . z ł

7 1

n a jm n i e j k o r z ys t n e

.. ....... ........ ...t ys . z ł

7 2

p o n iż e j n a jm n ie j
k o r z y s tn e g o ,
u w z g lę d n i a ją c t e n d e n c ję
z w i ą z a n ą z e s p a d k i e m
s t ó p p r o c e n to w yc h

.. ....... ........ ...t ys . z ł

1 8 .

J a k ą

c z ę ś ć

ś

r o d k ó w

z

i n n y c h

lo k a t

p r z e s u n ę li b y ś c ie

P a ń s t w o

z

in n yc h

lo k a t

t e r m i n o w yc h n a z a k u p c e r t yfi k a t ó w d e p o z yt o w y c h ,
z g a d z a ją c s i ę n a n i ż s z ą r e n t o w n o ś ć w z a m i a n z a
w y s o k ą p ł yn n o ś ć , p r z y

o p r o c e n to w a n i u ,

k t ó r e

u z n a l i ś c i e P a ń s t w o z a :
7 3

n a jb a r d z i e j k o r z ys t n e

,

%

7 4

n a jm n i e j k o r z ys t n e

,

%

7 5

p o n iż e j n a jm n ie j
k o r z y s tn e g o
u w z g lę d n i a ją c t e n d e n c ję
z w i ą z a n ą z e s p a d k i e m
s t ó p p r o c e n to w yc h

,

%

Typ danych:

Mierniki analizy struktury zbiorowości:

Dane nominalne

Wskaźniki struktury (procentowe),

dominanta

Dane porządkowe

Wskaźniki struktury (procentowe),

dominanta, percentyle, z których

najpopularniejszą jest mediana

Dane przedziałowe i ilorazowe

Wskaźniki struktury (procentowe),

dominanta, percentyle, średnia i

odchylenie standardowe

Sposób analizy struktury zjawisk

zależy od rodzaju danych, które te zjawiska opisują!

Analiza struktury

2009-04-18

5

40

Cecha

Cecha niezależne

zależna

Dane nominalne

Dane porządkowe

Dane przedziałowe

lub ilorazowe

Dane nominalne

Współczynnik

V Cramera

Współczynnik

V Cramera

Dane porządkowe

Współczynnik
V Cramera

Współczynnik

korelacji rang

Spearmana

Dane przedziałowe
lub ilorazowe

Współczynnik eta

Współczynniki eta

Współczynnik

korelacji

Miary współwystępowania

Sposób pomiaru współwystępowania zjawisk

zależy od rodzaju danych, które te zjawiska opisują!

W zbiorze danych występuje podział na zmienne zależne

i zmienne niezależne

Zmienna lub zmienne

zależne

Zmienna lub zmienne niezależne

Nominalna

Porządkowa

Przedziałowa lub
ilorazowa

Nominalna

Analiza dyskryminacji,

Regresja logitowa lub

probiotwa

Analiza dyskryminacji,

Regresja logitowa lub

probiotwa

Analiza dyskryminacji

Porządkowa

Analiza conjoint

Analiza conjoint

Analiza dyskryminacji

Przedziałowa lub
ilorazowa

Analiza wariancji

Analiza wariancji,

Analiza conjoint

prosta regresja lub
regresja wieloraka

W zbiorze danych brak wskazanych podział

ó

w na zmienne zależne i zmienne niezależne

Pomiar
wielowymiarowy

Analiza korespondencji

Skalowanie

wielowymiarowe

Analiza czynnikowa,

Analiza skupień

2009-04-18

6

42

Najpopularniejsze sposoby oceny wyników eksperymentu

w schematach prawdziwych

Skala pomiaru

wyników

eksperymentu

(

typ zmiennej zależnej

)

Pomiar niezależny

Pomiar zależny

Nominalna

ryzyko względne
test U dla dwóch frakcji,
test niezależności
chi-kwadrat,

test McNemara,

test Cochrana

Porządkowa

test serii Walda–

Wolfowitza,

test Kołmogorowa–

Smirnowa,

test Kruskal’a–Wallis’a

test Friedmana

Przedziałowa lub
ilorazowa

test U lub t dla dwóch

ś

rednich,

analiza wariancji dla

doboru całkowicie

losowego

test t,

analiza wariancji dla

schematów blokowych,

analiza conjoint

43

Skale pomiarowe

Skale mocne

Skale słabe

Skala

nominalna

Skala

porządkowa

Skala

przedziałowa

Skala

ilorazowa

Transformować można jedynie skale mocniejszą

na skalę słabszą

2009-04-18

7

44

Określenie cech zewnętrznych

kwestionariusza

TYTUŁ BADANIA

PREAMBUŁA

(wyjaśnia cel i intencje badacza,

może być zastąpiona listem intencyjnym)

BLOKI PYTAŃ

METRYCZKA

Zespół badawczy Instytutu Statystyki i Dem ografii Szkoły Głównej Handlowej w W arszawie, realizuje
badanie mające na celu określenie uwarunkowań oraz stabilności zachowań, jak również potrzeb firm
względem dostępnych produktów i usług bankowych. Integralnym elementem tego badania jest
identyfikacja odbioru oferty z zakresu pracy opiekunów rachunków oraz wskazanie oczekiwań w tym
zakresie.
Od strony merytorycznej badanie prowadzi prof. dr hab. M ałgorzata Rószkiewicz, Instytut Statystyki i
Dem ografii, SGH, W arszawa, zaś od strony organizacyjnej badanie realizuje Polskie Towarzystwo
Statystyczne.

OCENA PRODUKTÓ W I USŁUG BANKOW YC H

JAK O ŚCIO W A OCENA ZAK RESU DZIAŁAŃ OPIEK UNÓW RACHUNK U (ACO UNT M ANAG ERS)

Określenie cech zewnętrznych kwestionariusza

preambuła i tytuł badania

2009-04-18

8

46

Określenie cech zewnętrznych kwestionariusza

1. Pozwala budować klasyfikacje odpowiedzi na pytania.

2. Pozwala zweryfikować adekwatność zbadanej grupy

respondentów względem zbiorowości, z której
pochodzą.

METRYCZKA - funkcje

Dane

Pełne

Cz

ęś

ciowe

Jakie jest typ danych, którymi dysponujemy?

Podsumowanie i ilustracja

tego co wiemy o całej zbiorowo

ś

ci

Opis

i statystyczna analiza danych,

analiza dynamiki

Ustalenie wiedzy o całej zbiorowo

ś

ci

bez mo

ż

liwo

ś

ci dotarcia

do ka

ż

dej jednostki

Wnioskowanie

statystyczne

Typ danych rozstrzyga o metodzie analizy danych!

2009-04-18

9

Wnioskowanie statystyczne

polega na

określeniu właściwości populacji

(

typ rozkładu oraz wartości parametrów

)

na podstawie próby losowej

Rzeczywista struktura
populacji:

Struktura sugerowana
na podstawie próby:

Płeć

Liczba osób Odsetek

Kobiety

110

52,9

Mężczyźni

98

47,1

Ogółem

208

100,0

Płeć

Liczba osób Odsetek

Kobiety

12

60,0

Mężczyźni

8

40,0

Ogółem

20

100,0

Metody statystyczne nie daj

ą

mo

ż

liwo

ś

ci ustalenia wiedzy o

populacji z całkowit

ą

pewno

ś

ci

ą

, ale sugeruj

ą

c posta

ć

rozkładu populacji,

Jedynie metody wnioskowania statystycznego dostarczaj

ą

Informacji o dokładno

ś

ci uzyskanej informacji o rozkładzie badanej

populacji

pozwalaj

ą

równie

ż

okre

ś

li

ć

jakim bł

ę

dem statystycznym

obarczone jest rozwi

ą

zanie

?

2009-04-18

10

Model prawdopodobie

ń

stwa

zdefiniowany w

teorii rachunku

prawdopodobie

ń

stwa i wyja

ś

niaj

ą

cy prawidłowo

ś

ci

w kształtowaniu si

ę

warto

ś

ci zmiennej losowej

Rozkład zmiennej losowej

Model opisuj

ą

cy populacj

ę

Rozkład cechy w populacji

k

n

k

q

p

k

n

k

X

P

−

⋅

⋅













=

=

)

(

Rozkład Bernoulliego - dwumianowy

Rozkład Poissona

)

(

!

)

(

)

(

p

n

k

e

k

p

n

k

X

P

⋅

−

⋅

=

=

Rozkład Gaussa ( normalny)

∫

∞

−

⋅

−

−

⋅

=

<

0

2

2

2

)

(

0

2

1

)

(

x

m

x

dx

e

x

X

P

σ

π

σ

Rozkład

zero-jedynkowy P(X=1) = p , P(X=0) = 1-p

2009-04-18

11

Jakim rozkładem prawdopodobieństwa należy

posłużyć się w wyznaczaniu liczebności

teoretycznych?

•

Dwumianowy?

•

Poissona?

•

Normalny?

•

Chi-kwadrat?

•

........

•

Jakie

p

?

•

Jakie

λ

= np

?

•

jakie

m

oraz

σ

?

•

Jakie

ν

?

•

.........

Wnioskowanie

nieparametryczne

Wnioskowanie
parametryczne

53

Wynikiem

błędu losowego

jest niska precyzja

wynikiem

błędu systematycznego

jest niska trafność

.

Obiektywną konsekwencją

własności badanej populacji

,

fragmentaryczności badania

oraz

składu wylosowanej do

badania grupy

jest błąd losowy.

Konsekwencją

subiektywnych wyborów

dokonanych

przez osoby uczestniczące w badaniu i ich

błędnych

decyzji

jest błąd systematyczny

.

2009-04-18

12

54

Niska precyzja jest wynikiem błędu losowego

Niska trafność jest wynikiem błędu systematycznego

Wysoka precyzja

i wysoka trafno

ść

Niska precyzja,
wysoka trafno

ść

Wysoka precyzja
Niska trafno

ść

55

•

•

•

•

•

••

•

•

•

•

•

•

•

•

•

losowy

systematyczny

•

•

Niech:
x - wartość prawdziwa cechy X
x’= x + d - wartość obserwowana cechy X
x’ - x = d - błąd losowy i/lub systematyczny

0

≠

d

-obciążenie systematyczne:
wyniki niedoszacowane lub przeszacowane

Bł

ą

d

2009-04-18

13

Błędy

losowe

Błędy

nielosowe

Bł

ę

dy w badaniach ilo

ś

ciowych

Bł

ę

dy w badaniach ilo

ś

ciowych

Bł

ę

dy w badaniach ilo

ś

ciowych

57

•

•

•

•

•

•

•

•

•

•

•

•

•

•

•

•

Błędy losowe małe i duże

Lepiej!

Wyniki są mniej

zróżnicowane

Gorzej!

Wyniki są bardziej

zróżnicowane.

Zakres rozrzutu jest miarą efektywności

wnioskowania na podstawie próby.

Jest to tzw. standardowy błąd szacunku

(SE) reguły jego obliczania są znane.

2009-04-18

14

58

•

•

•

•

•

•

•

•

•

•

Błąd losowy: jak go mierzyć?

•

Θ

T

n

Bł

ą

d

ś

redniokowadratowy:

)

(

)

(

)

(

2

2

n

n

n

T

D

T

E

T

MSE

=

−

=

θ

T

n

-

Θ

59

Błąd sredniokowadratowy:

)

(

)

(

)

(

2

2

n

n

n

T

D

T

E

T

MSE

=

−

=

θ

informuje jak daleko odbiegają oceny t

n

od

θ

Z dwóch rodzajów błędów

tylko poziom

błędu losowego może być oszacowany!

2

2

2

2

2

)

(

)

(

)

(

)

(

SE

d

T

D

T

E

T

MSE

x

n

n

n

≈

+

=

=

=

−

=

σ

θ

Jeśli x’= x + d jest wartością obserwowaną cechy X w próbie n elementowej i wartości
obserwowane agreguje się do oceny t

n

estymatora T

n

, to:

2009-04-18

15

Poziom błędu standardowego z próby prostej

•

Dla wartości średniej:

•

Dla frakcji:

n

x

S

n

x

S

N

n

SE

MSE

)

(

)

(

1

≈

−

=

=

n

w

w

n

w

w

N

n

SE

MSE

i

i

i

i

)

1

(

)

1

(

1

−

≈

−

−

=

=

Bł

ą

d wzgl

ę

dny:

n

n

T

SE

T

V

=

)

(

Do 7,5% - estymacja precyzyjna
od 7,5 do 15% - estymacja dostateczna
powy

ż

ej 15% - estymacja niedostateczna

61

•

Jest funkcją

zróżnicowania populacji

⇒ z populacji bardziej

jednorodnej otrzymujemy próby dające błędy mniejsze.

•

Jest funkcją

rozmiarów próby

⇒ duża próba daje błąd

mniejszy niż próba mała.

•

Jest funkcją

techniki losowania

⇒ dodatkowa informacja

pozwala zastosować bardziej efektywne techniki losowania

Od czego zależy precyzja czyli błąd

standardowy (SE)

n

x

S

SE

np

)

(

.

≈

n

x

S

SE

typuA

próba

)

(

≠

2009-04-18

16

Błędy

losowe

Zróżnicowanie

populacji

Rozmiar próby

Metoda

estymacji

Metoda

losowania

Błędy

nielosowe

Bł

ę

dy w badaniach ilo

ś

ciowych

Bł

ę

dy w badaniach ilo

ś

ciowych

63

2

2

2

2

2

2

)

(

)

(

)

(

d

SE

d

T

D

T

E

T

MSE

x

n

n

n

+

=

+

σ

=

=

=

θ

−

=

′

Tylko ten składnik MSE zależy

od zróznicowania populacji, wielkości próby i

techniki losowania.

Wzrost liczebności próby nie musi i nie poprawi

dokładności badania

Jeśli x’= x + d jest wartością obserwowaną cechy X w próbie n elementowej,
i wartości obserwowane agreguje się do oceny t

n

estymatora T

n

, to:

2009-04-18

17

64

WNIOSKOWANIE Z PRÓBY NA POPULACJĘ

Liczebność próby a maksymalny błąd oszacowań w %

0

1

2

3

4

5

6

7

8

9

10

100

200

300

400

500

600

700

800

900

1000

1100

1200

1300

1400

1500

1600

wielkość próby

błąd (%)

Bł

ą

d

systematyczny
(nielosowy)

65

Błąd badania fragmentarycznego

Skala badania

Błąd losowy

Błędy nielosowe

mała

du

ż

a

2009-04-18

18

Błędy

losowe

Zróżnicowanie

populacji

Rozmiar próby

Metoda

estymacji

Metoda

losowania

Błędy

nielosowe

Błędy treści

Błędy pokrycia

Bł

ę

dy w badaniach ilo

ś

ciowych

Bł

ę

dy w badaniach ilo

ś

ciowych

Zbiorowość

zdefiniowana

w celu badania

Prawda

Badana zbiorowość

Wynik badania

Błędy

pokrycia

Błąd

struktury

Błąd wybory

Błąd braku

reakcji

Błąd

zagubienia

Błąd

odrzucenia

Błędy

treści

Błąd

pomiaru

Błąd analizy

Błąd

interpretacji