Перекрестные распределения для многовариантных вопросов

Как уже было сказано выше (см. раздел 3.2), все статистические процедуры применимы только для одновариантных вопросов. На практике установить статистическую зависимость в многовариантных вопросах можно только двумя способами.

¦ Визуально. В этом случае аналитик должен самостоятельно (на основании опыта или опираясь на другие данные, выявленные в ходе исследования) попытаться сделать заключение о значимости различий между двумя переменными. Например, если мужчины покупают сметану в упаковке в 4 раза чаще, чем женщины, и при этом число респондентов, ответивших на данный вопрос, достаточно велико (скажем, 100 человек), можно сделать вывод о статистической значимости данного различия.

¦ Можно рассматривать многовариантный вопрос как несколько дихотомических переменных с вариантами ответа «есть/нет» и строить по ним стандартные перекрестные распределения (при помощи процедуры Crosstabs). На практике в подавляющем большинстве случаев именно данный способ является оптимальным. Тем не менее необходимо отметить, что дихотомические переменные, являющиеся вариантами ответа на многовариантный вопрос, могут принимать участие даже в корреляционном анализе в качестве порядковых переменных (см. раздел 4.2).

Кроме существенных ограничений при установлении статистических зависимостей между многовариантными переменными, их анализ осложнен также и тем, что результаты перекрестных распределений по многовариантным вопросам SPSS выводит только в виде простого текста (plain text)1.

Ниже мы проиллюстрируем процесс построения перекрестных распределений по многовариантным переменным на примере двух многовариантных вопросов из маркетингового исследования московского рынка сметаны. Первый вопрос Где Вы покупаете сметану? (q7) с вариантами ответа:

¦ продмаг (q7_l);

¦ рынок (q7₂);

¦ супермаркет (q7₃);

¦ палатка (q7₄);

¦ универсам (q7₅).

Второй вопрос Какую сметану Вы предпочитаете? с вариантами ответа:

¦ в упаковке (ql6_l);

¦ развесную (ql6₂).

Как было сказано выше в разделе 2.2.2, чтобы строить распределения (линейные или перекрестные) по многовариантным переменным, сначала их нужно сформировать. Мы не будем возвращаться к процедуре создания многовариантных переменных при помощи меню Analyze > Multiple Response > Define Sets; этот процесс описан в разделе 2.2.2. Давайте исходить из того, что вы самостоятельно сформировали две многовариантные переменные, назовем их q7 (Место покупки сметаны) и ql6 (Наиболее предпочтительная для респондентов упаковка сметаны). Теперь можно заняться построением перекрестного распределения по этим вопросам, то есть ответить на вопрос: «Зависят ли предпочтения респондентов в отношении сметаны (упакованной или развесной) от места совершения покупки?».

Построение перекрестного распределения по многовариантным вопросам осуществляется при помощи меню Analyze > Multiple Response > Crosstabs. В открывшемся диалоговом окне (рис. 4.12) слева вы видите два списка переменных. В верхнем находятся все доступные переменные из файла данных (включая и дихотомические переменные — варианты ответа на анализируемые многовариантные вопросы). Нижний список содержит только сформированные нами многовариантные переменные ($q7 и $ql6). В перекрестном анализе могут принимать участие как многовариантные переменные, так и другие доступные одновариантные переменные. Как для кросстабуляций (см. раздел 4.1.1), для перекрестных таблиц можно задать несколько измерений (максимум три) при помощи введения одного дополнительного слоя (область Layer). Имейте в виду, что при построении перекрестных таблиц, переменные, находящиеся в областях Row (s), Column (s) и Layer (s), перекрещиваются по тройкам последовательно.

Итак, поместите в область Row (s) переменную Место покупки сметаны (q7), а в область Column (s) — переменную Предпочтения сметаны (ql6). В область Layer (s) поместите переменную Пол (q3).

Как вы поняли, мы будем рассматривать трехмерное перекрестное распределение. Обратите внимание на то, что при внесении в одну из трех областей переменной из верхнего левого списка (всех доступных переменных в базе данных) после имени этой переменной появляется строка символов вида (? ?) и становится доступной кнопка Define Ranges. Это подсказывает нам, что следует ввести границы изменения одновариантной переменной. Выделите переменную q3 в поле Layer (s) и щелкните на кнопке Define Ranges.

Рис. 4.13. Диалоговое окно Define Variable Ranges

На экране появится новое диалоговое окно Define Variable Ranges (рис. 4.13). В нем в соответствующих полях следует указать минимальное Minimum и максимальное Maximum значения, которые может принимать данная переменная. В нашем случае пол респондентов может быть либо мужским (код 1), либо женским (код 2). Поэтому введите 1 в качестве минимального значения, а 2 — в качестве максимального и щелкните на кнопке Continue для того, чтобы закрыть это диалоговое окно.

Необходимо отметить, что переменные, участвующие в рассматриваемом статистическом анализе, для которых указываются интервалы допустимых значений, должны принимать только целые значения (дробные SPSS будет игнорировать). Это связано с ограничением при использовании в кросстабуляциях по многовариантным вопросам переменных с интервальной шкалой. Такие переменные могут использоваться, только если они принимают целые значения.

Щелкните на кнопке Options. Открывшееся диалоговое окно (рис. 4.14) позволяет указать, нужно ли выводить проценты (по строкам — Row, по столбцам — Column или общие — Total), а также определить, что является базой для расчета процентов: количество респондентов (Cases) или количество ответов на вопрос (Responses)1.

Рис. 4.14. Диалоговое окно Options

Давайте выведем проценты по строкам (то есть доли респондентов, предпочитающих разный вид сметаны в каждом из пяти рассматриваемых типов торговых точек). Оставьте выбранный по умолчанию параметр Cases в области Percentages Based on — это позволит вам рассчитать проценты от общего числа респондентов (гистограмма), а не от количества ответов на вопрос (сектограмма). Щелкните на кнопке Continue для того, чтобы закрыть диалоговое окно, и запустите процедуру построения перекрестного распределения при помощи щелчка на кнопке О К в главном диалоговом окне программы.

В окне SPSS Viewer будет выведена перекрестная таблица с результатами расчетов. Обратите внимание, что таблица разбита на две части: первая содержит результаты построения перекрестного распределения предпочтений сметаны и места покупки для мужчин (рис. 4.15), а вторая — для женщин (рис. 4.16). Таким образом, можно сказать, что собственно построения перекрестного распределения по трем заданным переменным (включая переменную Пол) не происходит.

Переменная, указанная в качестве слоя (Layer), не отображается в таблице. Вместо этого ее значение (для каждого из вариантов ответа, в нашем случае — мужчины и женщины) отображается в верхней части каждой кросстабуляции как текст Category = 1 Мужчины (для мужчин) и Category = 2 Женщины (для женщин).

Рис. 4.16. Таблица Crosstabulation для женщин

В нижней части под всеми таблицами расположены две строки, содержащие информацию об общих параметрах построения перекрестных распределений. Так, в нашем случае мы видим, что все проценты, представленные в таблицах, рассчитаны от общего числа респондентов (Percents and totals based on respondents). Во второй строке отражаются:

¦ количество результативных анкет (то есть анкет, в которых респонденты ответили на три вопроса) — 940 valid cases;

¦ количество анкет, не включенных в анализ (респонденты не дали ответа хотя бы на один из трех вопросов), — 63 missing cases.

Общий размер выборки равен сумме результативных и исключенных анкет: 1003 = 940 + 63. В таблицах приведены результаты построения перекрестного распределения предпочтений респондентов по типу сметаны в зависимости от места покупки. Необходимо отметить, что проценты в ячейках таблицы отражают доли покупателей, предпочитающих сметану в упаковке и развесную для каждого из рассматриваемых мест покупки. Например, 75,5% мужчин, покупающих сметану в продовольственных магазинах, предпочитают сметану в упаковке, а 24,5% — развесную1.

Проценты в строке Column Total отражают доли респондентов, предпочитающих сметану в упаковке или развесную, от общего числа респондентов (в нашем случае мужского или женского пола), ответивших на рассматриваемые вопросы. Например, 79% мужчин, ответивших на рассматриваемые вопросы, предпочитают упакованную сметану, а 21% — развесную.

Проценты в столбце Row Total отражают доли респондентов, покупающих сметану в различных торговых точках. На рис. 4.15 вы видите, что 51,9% мужчин, ответивших на рассматриваемые вопросы, покупают сметану в продовольственных магазинах. Значения на пересечении строки Column Total и столбца Row Total показывают общее количество респондентов мужского пола, ответивших на вопросы о предпочтениях сметаны и месте покупки (как и всегда, в абсолютных и относительных величинах). В нашем случае на рассматриваемые вопросы ответил 181 мужчина. Обратите внимание, что длинные таблицы, выводимые в виде текста, могут по умолчанию не отражаться полностью в окне SPSS Viewer. Чтобы убедиться, что вы видите таблицу целиком, дважды щелкните мышью на ней. Откроется специальная область с возможностью прокрутки, в которой вы можете увидеть все построенные таблицы.