Ранг градации

Рис. 4.4. Пример неравномерного распределения ответов по шкале

Аналогичная картина наблюдается и в том случае, когда респон­денту предлагают шкалу, имеющую слишком большую дробность: будучи не в состоянии оперировать всеми градациями шкалы, респондент выби­рает лишь несколько базовых. Например, зачастую десятибалльную шка­лу респонденты расценивают как некоторую модификацию пятибалль­ной, предполагая, что «десять» соответствует «пяти», «восемь» — «четы­рем», «пять» — «трем» и т.д. При этом базовые оценки используются зна­чительно чаще, чем другие.

Для выявления указанных аномалий равномерного распределения по шкале можно предложить следующее правило: для достаточно боль­шой доверительной вероятности (1—α ³ 0,99) и, следовательно, в доста­точно широких границах наполнение каждого значения не должно суще­ственно отличаться от среднего из соседних наполнений. Для чего ис­пользуется критерий хи-квадрат [19].

Определениегрубых ошибок. В процессе измерения иногда возни­кают грубые ошибки, причиной которых могут быть неправильные запи­си исходных данных, плохие расчеты, неквалифицированное использова­ние измерительных средств и т. п. Это обнаруживается в том, что в рядах измерений попадаются данные, резко отличающиеся от совокупности всех остальных значений. Чтобы выяснить, нужно ли эти значения при­знать грубыми ошибками, устанавливают критическую границу, так что­бы вероятность того, что крайние значения превысят ее, была бы доста­точно малой и соответствовала бы некоторому уровню значимости а. Это правило основано на том, что появление в выборке чрезмерно больших значений хотя и возможно как следствие естественной вариабельности значений, но маловероятно.

Если окажется, что какие-то крайние значения совокупности при­надлежат ей с очень малой вероятностью, то такие значения признаются грубыми ошибками и исключаются из дальнейшего рассмотрения, Выявление грубых ошибок особенно важно проводить для выборок малых объемов: не будучи исключенными из анализа, они существенно искажа­ют параметры выборки. Для этого используются специальные статистиче­ские критерии определения грубых ошибок [19].

Итак, дифференцирующая способность шкалы как первая сущест­венная характеристика ее надежности предполагает: обеспечение доста­точного разброса данных; выявление фактического использования рес­пондентом предложенной протяженности шкалы; анализ отдельных «выпадающих» значений; исключение грубых ошибок. После того как установлена относительная приемлемость используемых шкал в указан­ных аспектах, следует переходить к выявлению устойчивости измерения по этой шкале.

Существует несколько методов оценки устойчивости измерений: повторное тестирование; включение в анкету эквивалентных вопросов и разделение выборки на две части.

Метод повторного тестирования был охарактеризован выше.

Часто интервьюеры в конце опроса частично его повторяют, гово­ря при этом: «Заканчивая нашу работу, вновь коротко пройдемся по во­просам анкеты, чтобы я мог проверить, все ли я правильно записал из ваших ответов». Конечно, речь идет не о повторении всех вопросов, а только критических из их числа. При этом надо помнить, что если ин­тервал времени между тестированием и повторным тестированием слиш­ком короткий, то респондент просто может помнить первоначальные ответы. Если интервал слишком велик, то могут иметь место некоторые реальные изменения.

Включение в анкету эквивалентных вопросов предполагает исполь­зование в одной анкете вопросов по той же проблеме, но сформулиро­ванных по-другому. Их респондент должен воспринимать как разные вопросы. Главная опасность данного метода заключается в степени экви­валентности вопросов; если это не достигается, то респондент отвечает на разные вопросы.

Разделение выборки на две части основано на сравнении ответов на вопросы двух групп респондентов. Предполагается, что эти две группы являются идентичными по своей композиции и что средние оценки отве­тов для этих двух групп являются очень близкими. Все сравнения дела­ются только на групповой основе, поэтому сравнение внутри группы проводить невозможно. Например, среди студентов колледжа с помощью модифицированной шкалы Лайкерта с пятью градациями был проведен опрос относительно их будущей карьеры. В анкете приводилось утвер­ждение: «Я считаю, что меня ожидает блестящая карьера». Ответы были обобщены, начиная с «сильно не согласен» (1 балл) и кончая «сильно согласен» (5 баллов). Затем общая выборка опрошенных была разделена на две группы и были вычислены средние оценки для этих групп. Сред­няя оценка была одинаковой для каждой группы и равнялась 3-м баллам. Данные результаты дали основание считать измерение надежным. Когда же групповые ответы были проанализированы более внимательно, то оказалось, что в одной группе все студенты ответили «и согласен и не согласен», а в другой — 50% ответили «сильно не согласен», а другие 50% — «сильно согласен». Как видно, более глубокий анализ показал, что ответы не являются идентичными.

Вследствие данного недостатка этот метод оценки устойчивости измерений является наименее популярным.

О высокой надежности шкалы можно говорить лишь в том случае, если повторные измерения при ее помощи одних и тех же объектов дают сходные результаты. Если устойчивость проверяют на одной и той же вы­борке, то часто оказывается достаточным сделать два последовательных замера с определенным временным интервалом — таким, чтобы этот про­межуток не был слишком велик, чтобы сказалось изменение самого объ­екта, но и не слишком мал, чтобы респондент мог по памяти «подтяги­вать» данные второго замера к предыдущему (т. е. его протяженность за­висит от объекта изучения и колеблется от двух до трех недель).

Существуют различные показатели оценки устойчивости измере­ний. Среди них чаще всего используется средняя квадратическая ошибка (см. ниже).

До сих пор речь шла об абсолютных ошибках, размер которых вы­ражался в тех же единицах, что и сама измеряемая величина. Это не по­зволяет сравнивать ошибки измерения разных признаков по разным шкалам. Следовательно, помимо абсолютных, нужны относительные по­казатели ошибок измерения.

В качестве показателя для нормирования абсолютной ошибки можно использовать максимально возможную ошибку в рассматриваемой шкале (x_max).

Если число делений шкалы k, тогда x_max, равное разнице между крайними значениями шкалы (x_max ^— x_min), будет k — 1 и относительная ошибка окажется такой:

(здесь х — средняя арифметическая ошибка измерения).

Однако зачастую этот показатель «плохо работает» из-за того, что шкала не используется на всей ее протяженности. Поэтому более показа­тельными являются относительные ошибки, рассчитанные по фактически используемой части шкалы.

Если число градаций в «работающей» части шкалы обозначить k¹, то тогда

а если в качестве абсолютной ошибки использовалась средняя квадрати­ческая ошибка S, то показатель относительной ошибки

Дляповышения устойчивости измерения необходимо выяснить раз­личительные возможности пунктов используемой шкалы, что предполага­ет четкую фиксацию респондентами отдельных значений: каждая оценка должна быть строго отделена от соседней. На практике это означает, что в последовательных пробах респонденты четко повторяют свои оценки. Следовательно, высокой различимости делений шкалы должна соответст­вовать малая ошибка.

Эту же задачу можно описать в терминах чувствительности шкалы, которая характеризуется количеством делений, приходящихся на одну и ту же разность в значениях измеряемой величины, т. е. чем больше гра­даций в шкале, тем больше ее чувствительность. Однако чувствитель­ность нельзя повышать простым увеличением дробности, ибо высокая чувствительность при низкой устойчивости является излишней (напри­мер, шкала в 100 баллов, а ошибка измерения ±10 баллов).

Но и при малом числе градаций, т. е. при низкой чувствительно­сти, может быть низкая устойчивость, и тогда следует увеличить дроб­ность шкалы. Так бывает, когда респонденту навязывают категорические ответы «да», «нет», а он предпочел бы менее жесткие оценки. И потому он выбирает в повторных испытаниях иногда «да», иногда «нет».

Итак, следует найти некоторое оптимальное соотношение между чувствительностью и устойчивостью. Рекомендуется использовать столько градаций в шкале, чтобы ее ошибка была меньше 0,5 балла.

Если ошибка меньше 0,5 балла, то в последовательных опросах от­веты в среднем будут совпадать. При 1 x 1 ≥ 0,5 балла ответы в последовательных опросах будут в среднем отличаться на 1 балл (и выше).

Существуют способы, позволяющие добиться требуемой чувстви­тельности [19].

На основе данных двух последовательных проб определяют пороги различаемости градаций шкалы. В том случае, если обнаружено смеше­ние градаций, применяют один из двух способов.

Первый способ. В итоговом варианте уменьшают дробность шкалы (например, из шкалы в 7 интервалов переходят на шкалу в 3 интервала).

Второй способ. Для предъявления респонденту сохраняют прежнюю дробность шкалы и только при обработке укрупняют соответствующие ее пункты.

Второй способ кажется предпочтительнее, поскольку, как правило, большая дробность шкалы побуждает респондента и к более активной реакции. При обработке данных информацию следует перекодировать в соответствии с проведенным анализом различительной способности ис­ходной шкалы.

Итак, предложенные способы анализа целесообразны при отработ­ке окончательного варианта методики. Анализ устойчивости отдельных вопросов шкалы позволяет: а) выявить плохо сформулированные вопро­сы, их неадекватное понимание разными респондентами; б) уточнить интерпретацию шкалы, предложенной для оценки того или иного явле­ния, и выявить более оптимальный вариант дробности значений шкалы.

Изучение устойчивости окончательного варианта методики даст представление о надежности данных (связанной с устойчивостью), кото­рые будут получены в основном исследовании.

Обоснованность измерения. Проверка обоснованности шкалы пред­принимается лишь после того, как установлены достаточные правиль­ность и устойчивость измерения исходных данных. Как уже отмечалось, проверка обоснованности — достаточно сложный процесс и, как правило, не до конца разрешимый. И поэтому нецелесообразно сначала применять трудоемкую технику для выявления обоснованности, а после этого убеж­даться в неприемлемости данных вследствие их низкой устойчивости.

Обоснованность данных измерения — это доказательство соответ­ствия между тем, что измерено, и тем, что должно было быть измерено. Некоторые исследователи предпочитают исходить из так называемой на­личной обоснованности, т. е. обоснованности в понятиях использован­ной процедуры. Например, считают, что удовлетворенность товаром — это то свойство, которое содержится в ответах на вопрос: «Удовлетворе­ны ли вы товаром?». В серьезном маркетинговом исследовании такой сугубо эмпирический подход может оказаться неприемлемым.

Остановимся на возможных формальных подходах к выяснению уровня обоснованности методики. Их можно разделить на три группы: 1) конструирование типологии в соответствии с целями исследования на базе нескольких признаков; 2) использование параллельных данных; 3) судейские процедуры.

Первый вариант нельзя считать полностью формальным методом — это всего лишь некоторая схематизация логических рассуждений, начало процедуры обоснования, которая может быть на этом и закончена, а мо­жет быть подкреплена более мощными средствами.

Второй вариант требует использования по крайней мере двух ис­точников для выявления одного и того же свойства. Обоснованность оп­ределяется степенью согласованности соответствующих данных.

В последнем случае мы полагаемся на компетентность судей, кото­рым предлагается определить, измеряем ли мы нужное нам свойство или что-то иное.

Конструированная типология. Один из способов — использование контрольных вопросов, которые в совокупности с основными дают большее приближение к содержанию изучаемого свойства, раскрывая различные его стороны.

Например, можно определять удовлетворенность используемой мо­делью автомобиля лобовым вопросом: «Устраивает ли вас ваша нынеш­няя модель автомобиля?» Комбинация его с двумя другими косвенными: «Хотите ли вы перейти на другую модель?» и «Рекомендуете ли вы своему другу купить данную модель автомобиля?» позволяет произвести более надежную дифференциацию респондентов. Типология по пяти упорядо­ченным группам от наиболее удовлетворенных автомобилем до наименее удовлетворенных проводится с помощью «логического квадрата».

Обоснованность в подобного рода типологии не доказывается ка­ким-либо формальным критерием и опирается на логические доводы.

Единственное требование, которое может быть выдвинуто при конструировании такого рода типологии, — это положительная корреля­ция между составляющими ее признаками. Отсутствие положительной взаимосвязи между вопросами может свидетельствовать о том, что мы не понимаем сущности измеряемого явления.

Параллельные данные. Нередко целесообразно разработать два рав­ноправных приема измерений заданного признака, что позволяет устано­вить обоснованность методов относительно друг друга, т. е. повысить об­щую обоснованность путем сопоставления двух независимых результатов.

Классифицируем параллельные процедуры в зависимости от соот­ношения методов и исполнителей: а) несколько методов — один испол­нитель; б) один метод — несколько исполнителей; в) несколько мето­дов — несколько исполнителей.

Несколько методов — один исполнитель. Здесь один и тот же испол­нитель использует два или более различных методов для измерения од­ного и того же свойства.

Рассмотрим различные способы использования этого метода и прежде всего — эквивалентные шкалы. Возможны равнозначные выборки признаков для описания измерения поведения, отношения, ценностной ориентации, т.е. какой-то установки. Эти выборки и образуют параллель­ные шкалы, обеспечивая параллельную надежность.

Каждую шкалу рассматриваем как способ измерения некоторого свойства и в зависимости от числа параллельных шкал имеем ряд спосо­бов измерении. В качестве исполнителя выступает респондент, дающий ответы одновременно по всем параллельным шкалам. Все ответы сорти­руются в зависимости от принадлежности к шкале, и таким образом по­лучаем параллельные данные.

При обработке такого рода данных следует выяснить два момента: 1) непротиворечивость пунктов отдельной шкалы; 2) согласованность оценок по разным шкалам.

Первая проблема возникает в связи с тем, что модели ответов не представляют идеальной картины; ответы нередко противоречат друг другу. Поэтому встает вопрос, что принимать за истинное значение оценки респондента на данной шкале.

Вторая проблема непосредственно касается сопоставления парал­лельных данных.

Рассмотрим пример неудавшейся попытки повысить надежность измерения признака «удовлетворенность автомобилем» с помощью трех параллельных порядковых шкал. Приведем две из них:

Пятнадцать суждений (в порядке, обозначенном слева, в начале каждой строки) предъявляются респонденту общим списком, и он дол­жен выразить свое согласие или несогласие с каждым из них. Каждому суждению присваивается оценка, соответствующая его рангу в указанной пятибалльной шкале (справа). (Например, согласие с суждением 4 дает оценку «1», согласие с суждением 11 — оценку «5» и т. д.)

Рассматриваемый здесь способ предъявления суждений списком дает возможность проанализировать пункты шкалы на непротиворечи­вость. При использовании упорядоченных шкал наименований обычно считается, что пункты, образующие шкалу, взаимно исключают друг друга и респондент легко найдет тот из них, который ему подходит.

Изучение распределений ответов показывает, что респонденты вы­ражают согласие с противоречивыми (с точки зрения исходной гипотезы) суждениями. Например, по шкале «В» 42 человека из 100 одновременно согласились с суждениями 13 и 12, т. е. с двумя противоположными суж­дениями.

Наличие в ответе противоречивых суждений приводит к необходи­мости вычислять ошибку противоречивости. Это будет разница в рангах, наиболее противоположных для данной шкалы суждений в ответе рес­пондента.

Итак, средние ошибки, характеризующие противоречивость для рассматриваемых шкал, оказались равными

Ошибка в 1,57 балла при пятибалльной оценке, видимо, слишком велика, чтобы считать шкалу приемлемой.

Данный подход повышения надежности шкалы является весьма сложным. Поэтому его можно рекомендовать лишь при разработке ответ­ственных тестов или методик, предназначенных для массового употреб­ления или панельных исследований.

Один метод — несколько исполнителей. Если метод надежен, то раз­ные исполнители дадут совпадающую информацию, но если их результа­ты плохо согласуются, то либо измерения ненадежны, либо результаты отдельных исполнителей нельзя считать равноценными. В последнем случае надо установить, нельзя ли рассматривать какую-либо группу ре­зультатов заслуживающей большего доверия. Решение этой задачи тем более важно, если предполагается, что одинаково допустимо получение информации любым из рассматриваемых методов (например, использо­вание самооценок против оценок). Анализ параллельных данных с по­мощью описанных ниже процедур позволит установить правильность такого предположения.

Для количественных признаков при решении вопроса о согласо­ванности оценок нескольких исполнителей предлагается выявить ошибки соответствия одним из приемов, рассмотренных при изучении устойчи­вости. Прежде всего, поскольку мы имеем здесь случай прямых группо­вых наблюдений, наиболее адекватной оценкой совпадения данных явля­ется средняя квадратическая ошибка.

Тем же способом можно изучать совпадения оценок и самооценок. Если согласованность оценок со стороны «судей» и соответствующих самооценок респондентов будет достаточно высокой, это может означать, что методика достаточно обоснована. Во всяком случае, одновременное использование оценок и самооценок дает возможность глубже понять сущность измеряемых признаков, уточнить их смысл.

Несколько методов — несколько исполнителей. Одним из способов установления обоснованности измерения некоторого качества у одного и того же респондента (объекта) является фиксирование данного свойства разными исполнителями, владеющими разными методами. Как и в пре­дыдущих случаях, здесь нельзя установить некую абсолютную обоснован­ность, поэтому рассматривается лишь обоснованность одного способа относительно другого.

Использование параллельных методов измерения одного и того же свойства сталкивается с целым рядом трудностей.

Во-первых, неясно, в какой мере оба метода измеряют одно и то же качество объекта, причем, как правило, формальных критериев для проверки такой гипотезы не существует. Следовательно, необходимо прибегнуть к содержательному (логико-теоретическому) обоснованию того или иного метода.

Во-вторых, если обнаруживается, что параллельные процедуры из­меряют общее свойство (данные существенно не различаются), остается вопрос о теоретико-содержательном соответствии этих процедур.

Нельзя не признать, что сам принцип использования параллельных процедур оказывается не формальным, а скорее содержательным прин­ципом и решение остается за теоретико-методологической концепцией исследования.

Метод судейства при обосновании процедур измерения. Один из ши­роко распространенных подходов к установлению обоснованности — это использование так называемых судей, экспертов. Исследователи обраща­ются к определенной группе людей с просьбой выступить в качестве компетентных лиц. Им предлагают набор признаков, предназначенный для измерения изучаемого явления, и просят оценить правильность отне­сения каждого из признаков к этому объекту. Совместная обработка мнений судей позволит присвоить признакам веса или, что то же самое, шкальные оценки в измерении изучаемого явления. В качестве набора признаков могут выступить список отдельных суждений, характеристики явления и т. д.

Процедуры судейства многообразны. В основе их могут лежать ме­тоды парных сравнений, ранжирования, последовательных интервалов и т.д.

Вопрос о том, кого следует считать судьями, достаточно дискус­сионен. Судьи, выбираемые в качестве представителей изучаемой сово­купности, так или иначе должны представлять ее микромодель: по оцен­кам судей исследователь определяет, насколько адекватно будут истолко­ваны респондентами те или иные пункты опросной процедуры или дру­гие, обращенные к респонденту, стимулы.

Однако при отборе судей возникает трудноразрешимый вопрос, каково влияние собственных установок судей на их оценки, ведь эти ус­тановки могут существенно отличаться от установок обследуемых в от­ношении того же самого объекта.

Ясно, что в каждом конкретном случае следует осуществлять кон­троль такого рода ошибок применительно к данной выборке судей. Так, используя мужчин и женщин в качестве судей для оценки различных занятий на досуге, нашли, что установки мужчин существенно отличают­ся от установок судей-женщин. Более того, оценка зависит от того, увле­кается ли сам судящий данным видом досуга.

В общем виде решение проблемы состоит в том, чтобы: а) внима­тельно проанализировать состав судей с точки зрения адекватности их жизненного опыта и признаков социального статуса соответствующим показателям обследуемой генеральной совокупности; б) выявить эффект индивидуальных отклонений в оценках судей относительно общего рас­пределения оценок. Наконец, следует оценить не только качество, но и объем выборочной совокупности судей.

С одной стороны, это количество определяется согласованностью: если согласованность мнений судей достаточно высока и, соответствен­но, ошибка измерения мала, численность судей может быть небольшой. Нужно задать значение допустимой ошибки и на основании ее рассчи­тать требуемый объем выборки.

При обнаружении полной неопределенности объекта, т. е. в слу­чае, когда мнения судей распределятся равномерно по всем категориям оценки, никакое увеличение объема выборки судей не спасет ситуацию и не выведет объект из состояния неопределенности.

Здесь возникает проблема точности (устойчивости) измерения. Рассмотрим с этой точки зрения принципиально разные варианты судей­ства:

1) производится классификация состояний объекта (сам объект имеет качественные градации);

2) находится количественная оценка изменяющихся состояний объекта, представляющих собой континуум.

В первом случае при определении объема выборки судей необхо­димо задать некоторый уровень определенности в их мнениях, т. е. раз­брос распределения оценок должен быть не выше некоторого порогового значения. Во втором — задается уровень допустимой ошибки. Далее воз­никает вопрос о численности градаций в судейских оценках, что отно­сится к чувствительности любой измерительной процедуры. В общем случае речь идет не о чем ином, как о чувствительности измерения, зави­сящего и от изменчивости объекта, и от устойчивости инструмента изме­рения. Основной способ определения дробности судейских оценок — выявление их устойчивости путем двух последовательных (с временным интервалом) судейств по единой процедуре. Эта операция уже рассматри­валась выше в разделе об устойчивости.

Если объект достаточно неопределенен, то большое число градаций только внесет дополнительные помехи в работу судей и не принесет более точной информации. Нужно выявить устойчивость судейских мнений с по­мощью повторной пробы и, соответственно, сузить число градаций.

Выбор того или иного конкретного способа, метода или техники проверки на обоснованность зависит от многих обстоятельств.

Прежде всего следует четко установить, возможны ли какие-то су­щественные отклонения от запланированного предмета измерения. Если программа исследования ставит жесткие рамки, следует использовать не один, а несколько приемов проверки данных на обоснованность, с тем чтобы четко определить границы достоверности заключения по гипотезе.

Во-вторых, нужно иметь в виду, что уровни устойчивости и обос­нованности данных тесно взаимосвязаны. Неустойчивая информация уже в силу недостаточной надежности по этому критерию не требует слиш­ком строгой проверки на обоснованность. Следует обеспечить достаточ­ную устойчивость и уже затем принять соответствующие меры для уточ­нения границ интерпретации данных (т. е. выявить уровень обоснован­ности).

Выбор конкретной техники проверки данных на обоснованность — задача скорее содержательная, чем формальная.

Многочисленные эксперименты по выявлению уровня надежности позволяют заключить, что в процессе отработки инструментов измерений со стороны их надежности целесообразна следующая последовательность основных этапов работы:

а) Предварительный контроль обоснованности методов измерения первичных данных на стадии проб методики. Здесь проверяется, на­сколько информация отвечает своему назначению по существу и каковы пределы последующей интерпретации данных. Для этой цели достаточны небольшие выборки в 10—20 наблюдений с последующей корректировкой структуры методики.

б) Второй этап — пилотаж методики и тщательная проверка устой­чивости исходных данных, в особенности итоговых показателей индек­сов, многомерных шкал и т. п. На этом этапе нужна выборка не менее 100 человек, представляющая микромодель реальной совокупности об­следуемых с учетом представительства по существенным характеристикам объекта исследования.

в) В период этого же общего пилотажа осуществляются все необхо­димые операции, относящиеся к проверке уровня обоснованности. Ре­зультаты анализа данных генерального пилотажа приводят к усовершен­ствованию методики, к доработке всех ее деталей и в итоге — к получе­нию окончательного варианта методики для основного исследования.

г) В начале основного исследования желательно провести проверку используемого варианта методики на устойчивость, с тем чтобы рассчи­тать точные показатели ее устойчивости. Последующее уточнение границ обоснованности проходит через весь анализ результатов самого исследо­вания.

Вне зависимости от использованного метода оценки надежности у исследователя имеется четыре последовательных шага по повышению надежности результатов измерений.

Во-первых, в случае чрезвычайно низкой надежности измерений некоторые вопросы просто выбрасываются из анкеты, особенно когда степень надежности можно определить в процессе разработки анкеты.

Во-вторых, исследователь может «свернуть» шкалы и использовать меньше градаций. Скажем, шкала Лайкерта в этом случае может вклю­чать только следующие градации: «согласен», «не согласен», «не имею мнения». Обычно так поступают, когда пройден первый шаг и обследо­вание уже было проведено.

В-третьих, как альтернатива второму варианту оценка надежности проводится на индивидуальной основе, т.е. осуществляется оценка на­дежности ответов отдельных экспертов (особенно если использовался метод повторного тестирования) двух групп.

Ответы ненадежных респондентов просто не учитываются при проведении заключительного анализа. Данный подход может рассматри­ваться и как дополнение ко второму шагу.

Наконец, после того как первые три шага были проведены,можнооценить уровень надежности измерений. Обычно надежность измерений характеризуется коэффициентом, изменяющимся от нуля до единицы, где единица характеризует максимальную надежность.

Обычно считается, что минимально приемлемый уровень надежно­сти характеризуют цифры 0,65—0,70, особенно если измерения проводи­лись впервые.

Очевидно, что в процессе проведения разными фирмами разнооб­разных и многочисленных маркетинговых исследований имела место по­следовательная адаптация шкал измерений и методик их проведения к целям и задачам конкретных маркетинговых исследований. Это облегчает решение задач, рассмотренных в данном разделе, и делает их примене­ние скорее необходимым при проведении оригинальных маркетинговых исследований.

Достоверность измерений характеризует совершенно другие аспек­ты, чем надежность измерений. Измерение может быть надежным, но не достоверным. Последнее характеризует точность измерений по отноше­нию к тому, что существует в реальности. Например, респонденту задали вопрос о его годовом доходе, который составляет менее 25 000 долларов. Не желая называть интервьюеру истинную цифру, респондент указал доход «более 100 000 долларов». При повторном тестировании он снова назвал данную цифру, демонстрируя высокий уровень надежности изме­рений. Ложь не является единственной причиной низкого уровня досто­верности измерений. Можно также назвать плохую память, плохое зна­ние респондентом действительности и т.п.

Главное направление проверки достоверности измерений заключа­ется в получении информации из различных источников. Это может быть осуществлено различными методами, среди которых прежде всего следует отметить следующее.

Надо стремиться составлять вопросы таким образом, чтобы их формулировки способствовали получению достоверных ответов. Далее, в анкету могут включаться вопросы, связанные друг с другом.

Например, в анкету помещается вопрос о том, в какой степени респонденту нравится какой-то продукт питания определенной марки. И далее спрашивается, какое количество данного товара было куплено рес­пондентом за последний месяц. Второй вопрос направлен на проверку достоверности ответа на первый вопрос.

Часто для оценки достоверности измерений используется два раз­личных метода или источников получения информации. Например, после письменного заполнения анкет ряду респондентов из первоначальной выборки дополнительно задаются те же вопросы по телефону. По схоже­сти ответов судят о степени их достоверности.

Иногда образуют на основе одних и тех же требований две выбор­ки респондентов и для оценки степени достоверности сравнивают их ответы.