September 28
analisi cross-tabulazione è uno strumento di ricerca di mercato che si propone di mostrare la relazione - o la sua assenza - tra alcune variabili preimpostate. Ad esempio, se si intervistate 1.000 persone circa il loro cereali per la colazione preferita, è possibile creare una tabella di cross-tabulazione scelte di cereali con la fascia di età delle persone che si intervistate, per vedere come l'età può influenzare la colazione preferenza. Cross-tabulazione per grandi insiemi di dati è più facile quando è fatto su un computer.
Non c'è bisogno di fermarsi ad un tavolo tabulazione incrociata - creare tutte le tabelle in quanto vi sono relazioni tra le variabili che si desidera indagare. Oltre a catalogare le preferenze dei cereali per età, per esempio, è possibile anche catalogare le selezioni di reddito, razza, geografia e livello di istruzione. L'unica limitazione è che avete raccolto i dati sulle variabili nel vostro sondaggio originale. dati cross-Tabulating possono mostrare che le variabili sono fortemente correlati, ma a volte mostra non hanno alcun rapporto reale.
Anche se si pensa di vedere una relazione tra le variabili, può essere un colpo di fortuna. test chi-quadro è un metodo matematico che mette a confronto i risultati di cross-tabulazione a quelli che si osservano se i risultati sono stati del tutto casuale, e le due variabili non ha influenzato l'un l'altro. Diversi programmi software sul mercato a partire da questa pubblicazione in grado di gestire il numero scricchiolio coinvolti. Questo riduce il lavoro necessario per analizzare grandi sondaggi con molte variabili di cross-tabulate.
Un computer può macinare numeri, stampare fino tavoli e calcolare il chi-quadrato, ma non si può dire quali informazioni sono importanti per il vostro progetto. Prima di raccogliere i dati, formulare un'ipotesi che si desidera testare - ragazzi come cereali zuccherati più degli adulti fanno, per esempio - quindi assicurarsi che l'indagine raccoglie le informazioni necessarie per confermare o rifiutare l'ipotesi. non ci si impegna a un'ipotesi non dimostrata: Se le informazioni di mostra che è sbagliato, è necessario accettare il fatto che. [REF3
Fare attenzione quando si sta trarre conclusioni da tabulazione incrociata. Anche se il computer mostra un legame molto forte tra l'età e la prima colazione gusti, che non può significare molto se si dispone solo di una mezza dozzina di intervistati di età inferiore ai 12 numeri piccoli sono più vulnerabili ai colpi di fortuna di campionamento, come ad esempio che basta successo per esaminare sei bambini che condividono lo stesso gusto; un campione più ampio, in tal caso potrebbe attraversare-tabulare in modo diverso. Questo è un esempio di come analizzare le informazioni del computer richiede l'uso di giudizio, non solo statistiche.