Т-тесты
Т-тесты предназначены для установления различий между двумя группами респондентов. При этом сравниваются только два средних значения. SPSS предлагает три основных типа t-тестов:
■ для двух независимых выборок;
■ для двух зависимых выборок;
■ для одной выборки.
В последующих разделах мы подробно расскажем о каждом из них, но сначала приведем основные характеристики переменных, участвующих в t-тестах (табл. 3.1).
| Т-тесты для независимых выборок | |||
| Зависимые переменные | Независимые переменные | ||
| Количество | Тип | Количество | Тип |
| Одна | Дихотомическая интервальная | Любое | Интервальная |
| Т-тесты для зависимых выборок | |||
| Зависимые переменные | Независимые переменные | ||
| Количество | Тип | Количество | Тип |
| - | - | Две | Интервальная |
| Т-тесты для одной выборки | |||
| Зависимые переменные | Независимые переменные | ||
| Количество | Тип | Количество | Тип |
| - | - | Любое | Интервальная |
Обратите внимание: зависимая переменная есть только для t-тестов независимых выборок. Для других видов t-тестов (зависимых выборок и одной выборки) зависимая переменная отсутствует. Это связано с тем, что в последнем случае анализу подвергается фактически одна и та же выборка респондентов. В качестве тестируемых независимых переменных во всех случаях используются только переменные с интервальной шкалой. Порядковые переменные могут использоваться только после преобразования их к интервальному виду (см. раздел 2.1).
3.1.1. Т-тесты для независимых выборок
В случае t-тестов для независимых выборок под независимыми выборками понимаются бинарные категории (то есть варианты ответа) какой-либо переменной. Например, мужчины и женщины (вопрос Пол респондента), покупатели и не покупатели какого-либо продукта (вопрос Покупаете ли Вы данный продукт?) и т. д. То есть когда есть два уровня группирующей (зависимой) переменной и несколько независимых переменных, на основании которых и будет выполняться различие между группами зависимой переменной.
Рассмотрим методику проведения t-тестов для независимых выборок на следующем примере. Предположим, что мы оцениваем различия в частоте посещения игровых клубов между посетителями заведений марки X и других марок. Откройте диалоговое окно Independent-Samples T Test при помощи меню Analyze ► Compare Means ► Independent-Samples T Test (рис. 3.1). В область Test Variable(s) поместите переменные, являющиеся критерием для установления различий (в нашем случае это ql8_i Частота посещения). Затем в поле Grouping Variable переместите переменную, которая будет являться группирующей (зависимой). В нашем случае это переменная ql_8, кодирующая категории респондентов, посещающих/не посещающих игровые залы марки X.
|
 |
Так как данная переменная является вариантом ответа на многовариантный вопрос Какие игровые клубы Вы посещаете?, она может принимать два значения:
■ 1 — посещают клубы X;
■ 0 — не посещают клубы X.
 |
Эти два значения необходимо указать в специальном диалоговом окне Define Groups, вызываемом одноименной кнопкой (рис. 3.2). Обратите внимание, что если вместо дихотомии мы имеем группирующую переменную с интервальной шкалой, это диалоговое окно позволяет установить точку отсечения Cut point, которая буде! разделять все возможные значения данной переменной на две группы.
|
С помощью кнопки Options в главном диалоговом окне рассматриваемой процедуры можно установить доверительный уровень для результатов расчета t-теста (рис. 3.3). По умолчанию установлен уровень доверия 95 %. Как было показано выше в разделе 1.2, этот уровень точности (достоверности) результатов является достаточным при проведении статистического анализа в маркетинговых исследованиях.
 |
|
После завершения процедуры расчета t-теста в окне SPSS Viewer будут отражены результаты (рис. 3.4). В первой таблице Group Statistics вы видите средние значения тестируемой переменной (частота посещения клубов) для обеих групп зависимой переменной X. Как следует из рисунка, для респондентов, посещающих игровые залы марки X, средняя частота посещения составляет 11,9 раз в месяц. Для респондентов, не посещающих данные залы, это значение равно 11,5. Вторая таблица Independent Samples Test позволяет установить статистическое различие между данными значениями.
|
| X | N | Mean | Std. Deviation | Std. Emor Mean | |
| Частота посещения | 11,9288 | 10,43081 | 1,49140 | ||
| 11,5048 | 9,98682 | ,43546 |
|
| Levene’s Test for Equality of Variances | t-test for Equality of Means | |||||||||
| F | Sug. | t | df | Sig. (2-talid) | Mean Difference | Std. Emor Difference | ||||
| Lower | Upper | |||||||||
| Частота посеще-ния | Equal variances assumed | ,382 | ,547 | ,283 | ,777 | ,4238 | 1,49745 | -2,61734 | 3,36497 | |
| Equal variances not assumed | ,273 | 56,495 | ,786 | ,4230 | 1,55367 | -2,68795 | 3,51559 |
|
Анализ этой таблицы начинается с определения значимости теста Ливина (Levene). Данный тест служит для тестирования гипотезы о равенстве дисперсий в тестируемых переменных. Если значение в столбце Sig. столбца Levene's Test for Equality of Variances показывает статистическую незначимость теста (в нашем случае — 0,547), то различие между двумя анализируемыми средними определяется из строки Equal variances assumed. В противном случае, если тест Levene статистически значим, различие между двумя средними определяется из строки Equal variances not assumed.
Поскольку в нашем примере тест Ливина является статистически незначимым, то определить значимость различия между двумя тестируемыми группами можно при помощи значения, находящегося на пересечении первой строки и столбца Sig. (2-tailed). Значение 0,777 говорит о том, что различие в частоте посещения игровых залов респондентами, посещающими и не посещающими клубы марки X, является статистически незначимым.
Дата добавления: 2015-04-25; просмотров: 1485;