«Кореляційний аналіз в SPSS». Лабораторна робота з маркетингові дослідження. Робота № 532001

Перехід до торгівельного партнера Binance

«Кореляційний аналіз в SPSS»

Інформація про навчальний заклад

ВУЗ:

Національний університет Львівська політехніка

Інститут:

ІНЕМ

Факультет:

Маркетинг

Кафедра:

Кафедра маркетингу і логістики

Інформація про роботу

Рік:

2025

Тип роботи:

Лабораторна робота

Предмет:

маркетингові дослідження

Група:

МЕ 12

Варіант:

Завантажити

Частина тексту файла (без зображень, графіків і формул):

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ «ЛЬВІВСЬКА ПОЛІТЕХНІКА» Навчально-науковий інститут економіки і менеджменту Кафедра маркетингу і логістики / Лабораторна робота №4 «Кореляційний аналіз в SPSS» Львів - 2025 Мета: дослідити взаємозв'язки між соціально-економічними та поведінковими факторами (зацікавленість модою, витрати на одяг, дохід, вік, частота купівлі одягу) за допомогою кореляційного аналізу в програмі SPSS. Визначити силу, форму та напрямок кореляційних зв'язків, перевірити наявність "хибної" кореляції та оцінити вплив сторонніх змінних (наприклад, віку) на взаємозв'язки між основними показниками. Оволодіти навичками використання різних методів кореляційного аналізу (Пірсона, Спірмена, Кендала) та інтерпретації їх результатів. Завдання Перевірте наявність залежності між зацікавленістю модою і витрат респондента на одяг щомісяця. Перевірте наявність залежності між доходом респондента і витрат на одяг щомісяця. Перевірте наявність залежності між віком і респондента і частотою купівлі одягу. Зробіть висновки про силу, форму та напрям кореляційного зв’язку. Перевірте наявність «хибної» кореляції між доходом респондента і витрат на одяг щомісяця через змінну вік респондента. 2 , 3, 4 завдання виконати за своїм варіантом − варіант з 11-20 вибирає кореляцію між такими показниками: питання 2 Як часто Ви купуєте собі одяг? та стать, розраховує лише критерій Спірмена (в третьому завданні) Хід роботи Завдання 1. Дослідження зв’язку між зацікавленістю модою та витратами на одяг Для аналізу взаємозв’язку між змінними «Зацікавленість модою» та «Витрати на одяг» я застосовую три методи в SPSS, щоб отримати максимально повну картину: Перший метод Таблиці спряженості (Crosstabs) з коефіцієнтами кореляції Обраю Analyze (Аналіз) → Descriptive Statistics (Описові статистики)→ Crosstabs (Таблиці спряженості) (див.рис.1) / Рис. 1. Обирання таблиці спряженості Змінну «Зацікавленість модою» поміщаю в Rows (Рядки), «Витрати на одяг» — в Columns (Стовпчики). (див.рис.2) / Рис. 2. Переміщення в рядки та стовпчики У Statistics (Статистика) обираю позначку «Correlations». (див.рис.3) / Рис. 3. Обирання позначки для кореляції Отриманий результат можна побачити у вигляді таблиці на рисунку 4. / / Рис. 4 Отриманий результат таблиці спряженості На основі проведеного кореляційного аналізу за допомогою таблиць спряженості (Crosstabs) у програмі SPSS було встановлено, що між рівнем зацікавленості модою та щомісячними витратами на одяг існує слабкий статистично значущий зв’язок. Коефіцієнт кореляції Пірсона становить 0.259 (p < 0.05), що свідчить про незначний позитивний лінійний взаємозв’язок. Коефіцієнт Спірмена (0.344, p < 0.01) підтверджує слабку, але більш виражену нелінійну залежність. Ці результати дозволяють зробити висновок, що зацікавленість модою дійсно може впливати на витрати на одяг, проте цей вплив є обмеженим. Відсутність сильної кореляції може пояснюватися впливом інших факторів, які не були враховані в даному етапі аналізу, наприклад, рівнем доходу, віком або індивідуальними уподобаннями респондентів. Варіант другий. Парний кореляційний аналіз (Bivariate Correlations) Обраю Analyze (Аналіз) → Correlate (Корелювати) → Bivariate (Парні) (див.рис.5) / Рис. 5. Здійснення парного кореляційного аназу Додано обидві змінні - «Зацікавленість модою» та «Витрати на одяг» у поле «Змінні» (Variables), відзначаю розрахунок необхідних коефіцієнтів Пірсона та Спірмена. (див.рис.6) / Рис. 6. Додавання обидвох змінних у відповідне поле для аналізу Обраю двосторонній тест (two-tailed) з позначкою значущих кореляцій ((Flag significant correlations) в підсумковій кореляційної таблиці будуть відзначені статистично значущі коефіцієнти: на рівні 0,05 (тобто, ймовірність того, що кореляція випадкова 5%) і менше - однією зірочкою (*), а на рівні 0,01 - двома зірочками (**). (див.рис.7) / Рис. 7. Обирання двостороннього тесту Для кореляції Пірсона маю можливість обрати відповідні «Параметри» (Options) виключення пропущених значень, а саме: виключати попарно (може призвести до розрахунку коефіцієнтів кореляції для різної кількості спостережень) (див.рис.8) / Рис.8. Вибір галочки Exclude cases pairwise Отриманий результат можна побачити у вигляді таблиці на рисунку 9. / Рис.9. Парний кореляційний аналіз (Bivariate Correlations) Отримані дані свідчать про наявність слабкого, але статистично значущого зв’язку між цими двома показниками. Коефіцієнт кореляції Пірсона становить 0.259 (p < 0.05), що вказує на незначний позитивний лінійний взаємозв’язок. Це означає, що зі зростанням зацікавленості модою витрати на одяг мають тенденцію до збільшення, проте ця залежність є слабкою та не визначальною. Коефіцієнт Спірмена (0.344, p < 0.01) підтверджує слабкий, але більш виражений нелінійний зв’язок, що може свідчити про те, що зацікавленість модою частково впливає на витрати, але цей вплив не є прямим або однорідним. Обидва коефіцієнти є статистично значущими, що підтверджує надійність результатів. Варіант третій. Створюю діаграму розсіювання Обираю Graphs (Графіки)→ Chart Builder (Конструктор діаграм) → Scatter/Dot (Діаграма розсіювання) (див.рис.10) / / Рис.10. Кроки для створення діаграми розсіювання На осі X розміщую «Зацікавленість модою», на осі Y — «Витрати на одяг». (див.рис.11) / Рис.11. Діалогове вікно «Проста діаграма розсіювання» Отриманий результат можна побачити у вигляді таблиці на рисунку 12. / Рис.12. Результат створення діаграми розсіювання Діаграма підтверджує слабкий зв’язок, виявлений у попередніх тестах, і наочно демонструє, що зацікавленість модою — не головний чинник витрат на одяг для більшості респондентів. Завдання 2. Аналізую зв’язок статті та частоту купівлі одягу? Вибираю у верхній частині меню Analyze (Аналіз) –Correlate (Корелювати) – Bivariate (Парна). (див.рис.13) / Рис.13. Кроки для аналізу зв’язка доходу та витрат на одяг Поміщаю змінні «Стать» та «Частоту купівлі одягу» у поле Variables Змінні (Змінні), відзначаю розрахунок коефіцієнтів кореляції (Пірсона, Спірмена, Кендала) (див.рис.14) / Рис.14. Змінні «Стать» та «Частоту купівлі одягу» у полі Variables Зазначаю проведення кореляції через двосторонній тест та виведення позначення значущих кореляцій. (див.рис.15) / Рис.15. Зазначення кореляції через двосторонній тест Отриманий результат можна побачити у вигляді таблиці на рисунку 16. / Рис.16. Результат пророблених кроків Отримані коефіцієнти кореляції вказують на те, що між досліджуваними змінними існує слабкий позитивний зв’язок. Значення коефіцієнта Пірсона (0.320) показують, що зв’язок між змінними хоча і є, але він незначний. Це означає, що зростання однієї змінної може супроводжуватися невеликим зростанням іншої, проте ця залежність дуже слабка і не є визначальною. Коефіцієнти Спірмена (0.324) і Кендала (0.292) підтверджують цей висновок, демонструючи схожі результати. Вони також вказують на слабку залежність, яка не є достатньо сильною, щоб робити якісь серйозні висновки. Завдання 3. Досліджую зв’язок віку та частоти купівлі одягу Поміщаю «Вік» та «Частота купівлі» у поле «Змінні» для розрахунку коефіцієнта кореляції Спірмена. Інші налаштування аналогічні попередньому завданню. (див.рис.17) / Рис.17. Переміщення Віку та Частоти купівлі у відповідне поле Отриманий результат можна побачити у вигляді таблиці на рисунку 18 / Рис.18. Отримана таблиця з результатами Отриманий коефіцієнт 0.400 вказує на помірний позитивний зв'язок між віком респондента і частотою купівлі одягу. Це означає, що зі збільшенням віку спостерігається помітне, але не надто сильне зростання частоти покупок одягу. Значення коефіцієнта знаходиться в діапазоні 0.4-0.6, що вважається середньою силою зв'язку. Подвійна зірочка (**) біля значення коефіцієнта свідчить про високий рівень статистичної значущості (p < 0.01). Це означає, що ймовірність випадковості такого зв'язку менше 1%, тому результат можна вважати надійним. Завдання 4. Вибираю у верхній частині меню Analyze (Аналіз) –Correlate (Корелювати) – Partial (Частинні); Поміщаю змінні «Дохід» та «Частоту купівлі одягу» у поле «Змінні» (Variables), та змінну «Стать» у поле «Контроль для» (Controlling for); (див.рис.19) / / Рис.19. Поміщення доходу, частоти та статі у відповідні поля Отриманий результат можна побачити у вигляді таблиці на рисунку 20 / Рис.20. Отриманий результат частинної кореляції Коефіцієнт 0.154 вказує на дуже слабкий позитивний зв'язок між доходом і частотою купівлі одягу після контролю статі. Дохід майже не впливає на частоту купівлі одягу, коли ми "виключаємо" вплив статі. Лише ~2.4% дисперсії частоти покупок пояснюється доходом (R² = 0.154² = 0.024). p=0.030 < 0.05: зв'язок є статистично значущим на 5% рівні, але не на більш строгому 1% (p < 0.01). Ступінь свободи (df=197) вказує на великий обсяг вибірки (близько 200 спостережень), що підвищує надійність аналізу, але не змінює слабкої природи зв'язку. Поміщаю змінні «Дохід» та «Стать» у поле «Змінні» (Variables), та змінну «Вік» у поле «Контроль для» (Controlling for); (див.рис.21) / Рис.21. Поміщення доходу, статі та віку у відповідні поля Отриманий результат можна побачити у вигляді таблиці на рисунку 22 / Рис.22. Отриманий результат частинної кореляції Коефіцієнт 0.208 вказує на слабкий позитивний зв'язок між доходом і статтю після виключення впливу віку. Лише ~4.3% варіації доходу пояснюється статтю (R² = 0.208² = 0.043). p = 0.003 (p < 0.01) — зв'язок дуже значимий на 1% рівні. Але! слабка сила кореляції (0.208) обмежує практичну цінність, навіть якщо результат статистично надійний. Поміщаю змінні «Стать» та «Вік» у поле «Змінні» (Variables), та змінну «Мода» у поле «Контроль для» (Controlling for); (див.рис.23) / Рис.23. Поміщення статі, віку та моди у відповідні поля Отриманий результат можна побачити у вигляді таблиці на рисунку 24 / Рис.24. Отримані результати Віку та моди Значення близьке до 0 вказує на практичну відсутність зв'язку між статтю та віком після виключення впливу моди. Лише 0.5% варіації (0.071² = 0.005) пояснюється цим зв'язком. p=0.320 > 0.05 - зв'язок не є статистично значимим. Результат показує, що зацікавленість модою не є суттєвим фактором, який спотворював би зв'язок між статтю та віком. Якби без контролю моди кореляція була сильною, а після контролю зникла - це вказувало б, що мода була прихованим фактором. Висновок У ході виконання лабораторної роботи було досліджено взаємозв'язки між соціально-економічними та поведінковими факторами, пов'язаними з покупкою одягу, за допомогою кореляційного аналізу в програмі SPSS. Зв'язок між зацікавленістю модою та витратами на одяг Виявлено слабкий, але статистично значущий позитивний зв'язок (коефіцієнт Пірсона 0.259, p < 0.05; Спірмена 0.344, p < 0.01). Це свідчить про те, що зростання зацікавленості модою супроводжується незначним збільшенням витрат на одяг. Однак цей зв'язок є обмеженим, що може пояснюватися впливом інших факторів, таких як дохід або індивідуальні уподобання. Зв'язок між доходом і витратами на одяг Після контролю статі виявлено дуже слабкий зв'язок (r = 0.154, p = 0.030), який є статистично значущим, але малоприйнятним для практичного застосування. Лише 2.4% варіації витрат пояснюється доходом, що вказує на наявність інших важливих факторів. Зв'язок між статтю та частотою купівлі одягу Результати показали слабкий позитивний зв'язок (коефіцієнти Пірсона 0.320, Спірмена 0.324). Це свідчить про те, що стать впливає на частоту купівлі, але цей вплив не є визначальним. Зв'язок між віком і частотою купівлі одягу Виявлено помірний позитивний зв'язок (r = 0.400, p < 0.01), що означає, що зі збільшенням віку частота купівлі одягу має тенденцію до зростання. Цей результат є статистично надійним і може бути пов'язаний із соціальними або фінансовими чинниками. Частинна кореляція для виявлення хибних зв'язків Після контролю статі зв'язок між доходом і частотою купівлі залишився слабким (r = 0.154), що підтверджує обмежений вплив доходу. Після контролю віку зв'язок між доходом і статтю також виявився слабким (r = 0.208), але статистично значущим (p = 0.003). Зв'язок між статтю та віком після контролю зацікавленості модою виявився незначущим (r = 0.071, p = 0.320), що свідчить про відсутність взаємозв'язку між цими змінними. Список використаних джерел Global Market Research : An ESOMAR Industry Report Європейського співтовариства з вивчення суспільної думки й маркетингових досліджень – Режим доступу : https://www.esomar.org/uploads/industry/reports/global-market-research2014/ESOMAR-GMR2014-Preview.pdf Definition of Marketing [Електронний ресурс] : сайт Американської асоціації маркетингу – Режим доступу : http://www.ama.org/AboutAMA/Pages/ Definition-of-Marketing.aspx Крайнюченко О.Ф. Маркетингові дослідження [Електронний ресурс]: конспект лекцій для студ. галузі знань 0306 «Менеджмент і адміністрування» напряму підготовки 6.030601 «Менеджмент» денної та заочної форм навч. / О.Ф. Крайнюченко, Т.Г. Бєлова. – К.: НУХТ, 2015. – 179 С. Крикавський, Є. В. Маркетингові дослідження [Текст]: навч. посіб. / Є.В. Крикавський, Н.С. Косар, О.Б. Мних, О.А. Сорока. – Львів: Нац. Університет «Львівська політехніка» (ІВЦ «Інтелект» + ІПДО), «Інтелектзахід», 2004. – 288 С. How to Use Spss: A Step-By-Step Guide to Analysis & Interpretation. 2nd ed. Pyrczak Publishing, 2002. 114 p.

Лабораторна робота маркетингові дослідження

nadadika

19.09.2025 14:09-

Коментарі

Ви не можете залишити коментар. Для цього, будь ласка, або зареєструйтесь.

Ділись своїми роботами та отримуй миттєві бонуси!

Маєш корисні навчальні матеріали, які припадають пилом на твоєму комп'ютері? Розрахункові, лабораторні, практичні чи контрольні роботи — завантажуй їх прямо зараз і одразу отримуй бали на свій рахунок! Заархівуй всі файли в один .zip (до 100 МБ) або завантажуй кожен файл окремо. Внесок у спільноту – це легкий спосіб допомогти іншим та отримати додаткові можливості на сайті. Твої старі роботи можуть приносити тобі нові нагороди!

поділитись