1 / 16

Osnove analize podataka

Osnove analize podataka. PROCES PRIPREMANJA PODATAKA ZA ANALIZU. Preliminarni plan analize podataka Pregled upitnika i validacija podataka ( nepotpuni delovi upitnika, neodgovarajući uzorak, mala varijansa odgovora, kasnije primljen upitnik, kvalitet podataka, ponovni poziv)

savannah
Télécharger la présentation

Osnove analize podataka

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Osnove analize podataka

  2. PROCES PRIPREMANJA PODATAKA ZA ANALIZU • Preliminarni plan analize podataka • Pregled upitnika i validacija podataka (nepotpuni delovi upitnika, neodgovarajući uzorak, mala varijansa odgovora, kasnije primljen upitnik, kvalitet podataka, ponovni poziv) • Editovanje podataka (otkrivanje grešaka i njihova korekcija) • Kodiranje podataka (vrste pitanja, isključivost i potpunost) • Unos podataka(tastature, optički čitači....) • Prečišćavanje i statističko modifikovanje podataka(ponderisanje, respecifikacija varijabli, transformacija) • Tabeliranje podataka (tabele frekvencija, grafički prikaz, deskriptivne mere) • Selekcija strategije analize podataka

  3. Editovanje podataka Ko vrši editovanje podataka? • Anketar i istraživač. Koji su mogući problemi koje treba identifikovati prilikom editovanja podataka? • Greške anketara, nedostajuće odgovore, nejasnost, neusklađenost, nedovoljna kooperativnost, neodgovarajući ispitanik. Koje su alternative za rešavanje ovih problema? • Ponovni kontakt, baciti ceo upitnik, odbaciti problematično pitanje, kodirati u kategoriju “ne znam”.

  4. Kodiranje podataka Koje vrste pitanja postoje? • Otvorena, zatvorena i poluotvorena. Primer: Da li samostalno brinete o neophodnom održavanju Vašeg automobila? Da Ne 1-DA 2-NE 9- bez odgovora

  5. Statističko prilagođavanje podataka 1.Ponderisanje podataka, 2.Respecifikacija (prekodiranje) promenljivih 3.Transformacija podataka • Ponderisanjepodataka ... je procedura po kojoj se svakom odgovoru iz baze podataka, dodeljuje određeni broj (ponder) u skladu sa prethodno utvrđenim pravilom. ... koristi se i za prilagođavanje uzorka. Primer: cilj marketinškog ispitivanja je da se prouči kakve se promene mogu uraditi na određenom proizvodu da bi se pospešila prodaja: vernim potrošačimaproizvoda -ponder 3, umerenim (srednjim) potrošačima-ponder 2, povremenimpotrošačima ponder -1 nepotrošačima (ispitanicima koji uopšte ne koriste) –ponder 0

  6. 2. Respecifikacija (prekodiranje) promenljivih Razlozi kupovine kozmetičkog proizvoda Originalna promenljiva: Nova promenljiva: 1. povoljna cena 2. u trendu je 1. niska cena 3. jeftin respecifikacija 2. modni trend 4. lako se primenjuje 3.jednostavna primena 5. moderan 6. jednostavno se nanosi Pol StarostNova promenljiva: “žene”“mlađi”“mlađe žene” “muškarci”“stariji”“starije žene” “mlađi muškarci” “stariji muškarci”

  7. 2. Respecifikacija (prekodiranje) promenljivihveštačke promenljive (dummy variables) Opšte pravilo za formiranje veštačke promenljive jeste: kategorijska promenljiva ima Kkategorija, koristi se K-1veštačkih promenljivih.

  8. Statističko prilagođavanje podataka 3. transformacija podatakamerenih na različitim mernim skalama. Na primer, standardizacija -neka se posmatraju dve promenljive: obim prodaje određenog proizvoda izražen u dolarima i cenaproizvoda izražena u centima. Da bi se obezbedila uporedivost njihovog varijabiliteta neophodno je da se obe promenljive izraze zajedničkom jedinicom mere.

  9. Faktori koji utiču na izbor statističkih tehnika • Tip podataka • Dizajn istraživanja • međusobna ne/zavisnost opservacija, • broj grupa koje se posmatraju, • broj merenja po jednom objektu posmatranja u istraživanju –broj promenljivih • mogućnost kontrole posmatranih promenljivih. • Pretpostavke primene određenih testova (modela)

More Related