Osnove analize podataka

1. Osnove analize podataka

2. PROCES PRIPREMANJA PODATAKA ZA ANALIZU • Preliminarni plan analize podataka • Pregled upitnika i validacija podataka (nepotpuni delovi upitnika, neodgovarajući uzorak, mala varijansa odgovora, kasnije primljen upitnik, kvalitet podataka, ponovni poziv) • Editovanje podataka (otkrivanje grešaka i njihova korekcija) • Kodiranje podataka (vrste pitanja, isključivost i potpunost) • Unos podataka(tastature, optički čitači....) • Prečišćavanje i statističko modifikovanje podataka(ponderisanje, respecifikacija varijabli, transformacija) • Tabeliranje podataka (tabele frekvencija, grafički prikaz, deskriptivne mere) • Selekcija strategije analize podataka

3. Editovanje podataka Ko vrši editovanje podataka? • Anketar i istraživač. Koji su mogući problemi koje treba identifikovati prilikom editovanja podataka? • Greške anketara, nedostajuće odgovore, nejasnost, neusklađenost, nedovoljna kooperativnost, neodgovarajući ispitanik. Koje su alternative za rešavanje ovih problema? • Ponovni kontakt, baciti ceo upitnik, odbaciti problematično pitanje, kodirati u kategoriju “ne znam”.

4. Kodiranje podataka Koje vrste pitanja postoje? • Otvorena, zatvorena i poluotvorena. Primer: Da li samostalno brinete o neophodnom održavanju Vašeg automobila? Da Ne 1-DA 2-NE 9- bez odgovora

5. Statističko prilagođavanje podataka 1.Ponderisanje podataka, 2.Respecifikacija (prekodiranje) promenljivih 3.Transformacija podataka • Ponderisanjepodataka ... je procedura po kojoj se svakom odgovoru iz baze podataka, dodeljuje određeni broj (ponder) u skladu sa prethodno utvrđenim pravilom. ... koristi se i za prilagođavanje uzorka. Primer: cilj marketinškog ispitivanja je da se prouči kakve se promene mogu uraditi na određenom proizvodu da bi se pospešila prodaja: vernim potrošačimaproizvoda -ponder 3, umerenim (srednjim) potrošačima-ponder 2, povremenimpotrošačima ponder -1 nepotrošačima (ispitanicima koji uopšte ne koriste) –ponder 0

6. 2. Respecifikacija (prekodiranje) promenljivih Razlozi kupovine kozmetičkog proizvoda Originalna promenljiva: Nova promenljiva: 1. povoljna cena 2. u trendu je 1. niska cena 3. jeftin respecifikacija 2. modni trend 4. lako se primenjuje 3.jednostavna primena 5. moderan 6. jednostavno se nanosi Pol StarostNova promenljiva: “žene”“mlađi”“mlađe žene” “muškarci”“stariji”“starije žene” “mlađi muškarci” “stariji muškarci”

7. 2. Respecifikacija (prekodiranje) promenljivihveštačke promenljive (dummy variables) Opšte pravilo za formiranje veštačke promenljive jeste: kategorijska promenljiva ima Kkategorija, koristi se K-1veštačkih promenljivih.

8. Statističko prilagođavanje podataka 3. transformacija podatakamerenih na različitim mernim skalama. Na primer, standardizacija -neka se posmatraju dve promenljive: obim prodaje određenog proizvoda izražen u dolarima i cenaproizvoda izražena u centima. Da bi se obezbedila uporedivost njihovog varijabiliteta neophodno je da se obe promenljive izraze zajedničkom jedinicom mere.

9. Faktori koji utiču na izbor statističkih tehnika • Tip podataka • Dizajn istraživanja • međusobna ne/zavisnost opservacija, • broj grupa koje se posmatraju, • broj merenja po jednom objektu posmatranja u istraživanju –broj promenljivih • mogućnost kontrole posmatranih promenljivih. • Pretpostavke primene određenih testova (modela)