krydstabuleret analyse er et værktøj til markedsanalyse , der har til formål at vise forholdet - eller mangel på samme - mellem nogle forudindstillede variabler. For eksempel, hvis du adspurgte 1.000 mennesker om deres foretrukne morgenmadsprodukt kan du oprette en tabel cross- tabulating korn valg med aldersgruppe af de mennesker , du adspurgte , at se, hvordan alder kan påvirke morgenmad præference. Cross- tabelopstilling til store datasæt er nemmere når det er gjort på en computer. Optioner
Du behøver ikke at stoppe ved en krydstabulering table - skabe så mange tabeller , som der er relationer mellem variabler, som du ønsker at undersøge. Ud over at tabulating korn præferencer efter alder , for eksempel, kan du også tabulate valg ved indkomst, race, geografi og uddannelsesniveau. Den eneste begrænsning er , at du indsamlede data om variabler i din oprindelige undersøgelse . Cross- tabulating data kan vise, at variable er stærkt korrelerede, men det undertiden viser, at de ikke har nogen egentlig relation.
Chi -Square
Selv hvis du tror, du ser en forholdet mellem variabler , kan det være et lykketræf . Chi- test er en matematisk metode, der sammenligner resultaterne på tværs af tabulering til dem, du ville observere, hvis resultaterne var helt tilfældigt , og de to variabler ikke påvirker hinanden. Flere software programmer på markedet , som i denne publikation kan håndtere talknusning involveret. Dette reducerer arbejdet med at analysere store undersøgelser med mange variabler til at krydse - tabulate .
Hypoteser
En computer kan knuse tal , print op i tabeller og beregne chi -square , men det kan ikke fortælle dig, hvilke oplysninger der er vigtige for dit projekt. Før du indsamle data , formulere en hypotese du vil teste - børn som sukkerholdige korn mere end voksne gør, for eksempel - så sørg undersøgelsen indsamler de oplysninger, du har brug for at bekræfte eller forkaste hypotesen . Må ikke forpligte dig til en uprøvet hypotese : Hvis oplysningerne viser, at det er forkert, er du nødt til at acceptere det. [ REF3
Forsigtig
Udvis forsigtighed , når du drage konklusioner fra krydstabulering . Selv hvis computeren viser en meget stærk sammenhæng mellem alder og morgenmad smag, som måske ikke betyde meget, hvis du kun har et halvt dusin respondenterne under 12 år. Små tal er mere sårbare over for prøveudtagning ikter , som at du lige er sket at undersøge seks børn , der deler den samme smag , en større prøve i et sådant tilfælde kunne krydstjekke tabulate anderledes. Dette er et eksempel på, hvordan analyserer computerens oplysninger kræver brug af dommen ikke bare statistik.