- •Курсовая работа
- •Раздел 1. План статистического исследования
- •Раздел 2. Первичный анализ данных
- •Раздел 3. Различные виды анализа
- •Введение
- •Раздел 1. План статистического исследования
- •Программно-методическая часть
- •1.2.Организационная часть.
- •Раздел 2. Первичный анализ данных
- •2.1.Проверка на нормальность распределения.
- •2.2. Частотный анализ.
- •Раздел 3. Различные виды анализа.
- •3.1. Теснота связи. Гипотезы.
- •3.2. Факторный анализ.
Раздел 3. Различные виды анализа.
3.1. Теснота связи. Гипотезы.
Посмотрим степень взаимосвязи некоторых признаков. Для этого я использую непараметрические методы исследования, такие как: коэффициент ассоциации и коэффициент контингенции.
-
Признаки: новости, обновления группы.
Гипотеза Н 1. Новости на стене помогают людям отслеживать обновления группы.
Гипотеза Н0. Новости не влияют на интерес покупателей к обновлениям группы.
Оба коэффициента (Таблица31. иТаблица32.) приняли высокое значение, а значит степень связи сильная: новости на стене помогают людям отслеживать обновления группы (Н1).
|
Таблица31. |
||
---|---|---|---|
|
|
Fourfold Point Correlation |
|
|
|
новости |
обновл гр |
|
новости |
1,000 |
,434 |
|
обновл гр |
,434 |
1,000 |
|
This is a similarity matrix |
||
|
|||
|
|||
|
|||
|
|||
|
|||
|
Таблица32. |
||
|
Yule's Q |
|
|
новости |
обновл гр |
новости |
1,000 |
,888 |
обновл гр |
,888 |
1,000 |
This is a similarity matrix |
-
Признаки: объём каталога, описание.
Гипотеза Н1. Большой объём каталога снижает интерес людей к описанию.
Гипотеза Н0. Внимание к описанию не зависит от объёма каталога.
Так как, среди опрошенных не нашлось тех, кому бы нравились обширные каталоги без описания, коэффициент ассоциации считать нельзя. Коэффициент контингенции (Таблица 33.) в данном случае высокий, что говорит о победе первой гипотезы, тоесть у человека снижается охота читать описания в связи с их большим количеством.
Таблица33. |
||
|
Fourfold Point Correlation |
|
|
описан |
объём к |
описан |
1,000 |
,637 |
объём к |
,637 |
1,000 |
This is a similarity matrix |
-
Признаки: количество детей, развитие. Признаки могут принимать больше 2-х значений, поэтому применим коэффициент взаимной сопряженности Пирсона.
Гипотеза Н1. Выбор товаров соответствующей направленности развития зависит от количества детей.
Гипотеза Н0. Количество детей не зависит от того на какое развитие ребенка направлен товар.
Известно, что чем ближе коэффициент корреляции Пирсона к 1, тем сильнее связь между признаками. В данном случае коэффициент равен 0,467 (Таблица 34.), что говорит о очень слабой корреляции. Следовательно, я не могу утверждать, что выбор товаров соответствующей направленности развития зависит от количества детей. Победила нулевая гипотеза.
Таблица34. |
||
|
Correlation between Vectors of Values |
|
|
кол дет |
развит |
кол дет |
1,000 |
,467 |
развит |
,467 |
1,000 |
This is a similarity matrix |