გამოკითხვის მონაცემთა დამუშავების ტექნიკა ძირითადი სტატისტიკის გამოყენებით
გამოკითხვები რესპონდენტებისგან მონაცემების შეგროვების ერთ-ერთი ყველაზე გავრცელებული მეთოდია, იქნება ეს აკადემიური კვლევის, მომსახურების შეფასების, ბაზრის კვლევის თუ ორგანიზაციული გადაწყვეტილების მიღების მიზნით. თუმცა, გამოკითხვის მონაცემები აზრს კარგავს, თუ სისტემატურად არ დამუშავდება. სწორედ აქ ერთვება საქმეში ძირითადი სტატისტიკა: ის ეხმარება მკვლევარებს მონაცემების შეჯამებაში, ნიმუშების იდენტიფიცირებაში, ტენდენციების შეფასებასა და წინასწარი, გაზომვადი დასკვნების გამოტანაში. ეს სტატია განიხილავს გამოკითხვის მონაცემების დამუშავების ტექნიკას ძირითადი სტატისტიკის გამოყენებით, მონაცემების მომზადებიდან შედეგების ინტერპრეტაციამდე.
1. გამოკითხვის მონაცემთა ტიპების გაგება
მონაცემთა დამუშავებამდე პირველი ნაბიჯი არის შეგროვებული მონაცემების ტიპის გაგება. ზოგადად, გამოკითხვის მონაცემები შეიძლება მოიცავდეს:
1. კატეგორიული (თვისებრივი) მონაცემები
მაგალითები: სქესი, ბრენდის უპირატესობა, დასაქმების სტატუსი. ეს მონაცემები, როგორც წესი, გაანალიზებულია სიხშირისა და პროცენტული მაჩვენებლების გამოყენებით.
2. რიგითი მონაცემები
მაგალითები: კმაყოფილების შკალა (ძალიან უკმაყოფილო - ძალიან კმაყოფილი), თანხმობის დონე (კატეგორიულად არ ვეთანხმები - კატეგორიულად ვეთანხმები). რიგობით მონაცემებს აქვთ თანმიმდევრობა, მაგრამ კატეგორიებს შორის მანძილი არ არის აუცილებლად იგივე.
3. რიცხვითი (რაოდენობრივი) მონაცემები
მაგალითები: ასაკი, შემოსავალი, შესყიდვების რაოდენობა. ამ მონაცემების ანალიზი შესაძლებელია ცენტრალური ტენდენციის, დისპერსიის და სხვადასხვა ტექნიკის გამოყენებით.
გაზომვის შკალების (ნომინალური, რიგითი, ინტერვალური, თანაფარდობის) გაგება მნიშვნელოვანია, რადგან ის განსაზღვრავს შესაბამის სტატისტიკურ ტექნიკას და შედეგების წარმოდგენის წესს.
2. მომზადების ეტაპი: მონაცემების რედაქტირება და გაწმენდა
გამოკითხვის მონაცემები ხშირად შეიცავს შეცდომებს, დუბლირებას ან შეუსაბამო პასუხებს. ამიტომ, აუცილებელია ორი მნიშვნელოვანი ნაბიჯის გადადგმა:
ა. რედაქტირება
შეამოწმეთ რესპონდენტის პასუხების სისრულე და თანმიმდევრულობა. მაგალითად, თუ რესპონდენტის ასაკი 8 წელია, მაგრამ მისი დასაქმების სტატუსია „დასაქმებული“, ეს გადახედვას საჭიროებს.
ბ. დასუფთავება
მონაცემების გაწმენდა შემდეგიდან:
– დაკარგული მონაცემები (დაკარგული მნიშვნელობები): რესპონდენტებმა ზოგიერთ კითხვას არ უპასუხეს.
– უკიდურესი მნიშვნელობა: ექსტრემალური მნიშვნელობა, რომელიც აზრს მოკლებულია, მაგალითად, ზოგადი მოსახლეობის ყოველთვიური შემოსავალი 1 მილიარდი დოლარი.
– პასუხების დუბლირება: რესპონდენტები გამოკითხვას ერთზე მეტჯერ ავსებენ.
დაკარგული მნიშვნელობების დამუშავება შესაძლებელია ჩანაწერების წაშლით, მათი საშუალო/მედიანური მნიშვნელობით ჩანაცვლებით (რიცხვითი მონაცემებისთვის) ან კატეგორიული მონაცემებისთვის „პასუხი არ გამიცია“ კატეგორიის გამოყენებით — ანალიზის მიზნისა და დაკარგული მონაცემების პროპორციის მიხედვით.
3. კოდირება და მონაცემთა შეყვანა
მონაცემების გასუფთავების შემდეგ, დააკოპირეთ ისინი, რაც ნიშნავს პასუხების გადაყვანას ისეთ ფორმატში, რომლის დამუშავებაც მარტივია. მაგალითად:
– სქესი: მამრობითი=1, მდედრობითი=2
– ლიკერტის შკალა: კატეგორიულად არ ვეთანხმები = 1-დან კატეგორიულად ვეთანხმები = 5-მდე
კოდირება აადვილებს მონაცემების შეყვანას ისეთ პროგრამულ უზრუნველყოფაში, როგორიცაა Excel, SPSS, R ან Python. აუცილებლად შექმენით კოდების წიგნი (დოკუმენტი, რომელიც შეიცავს ცვლადებს, განმარტებებს და კოდს), რათა თქვენი ანალიზი სხვებმა შეძლონ მისი რეპლიკაცია და გაგება.
4. აღწერითი სტატისტიკა: გამოკითხვის მონაცემების შეჯამება
აღწერითი სტატისტიკა მონაცემთა საწყისი დამუშავების ბირთვს წარმოადგენს. მათი მიზანი არ არის თეორიების შემოწმება, არამედ მონაცემთა მახასიათებლების ზოგადი მიმოხილვის მიწოდება.
ა. სიხშირე და პროცენტული განაწილება
კატეგორიული და რიგითი მონაცემებისთვის, გამოთვალეთ:
– სიხშირე (პასუხების რაოდენობა)
– პროცენტი (სულ პასუხების პროპორცია)
მაგალითის შედეგები:
„გამოკითხულთა 60%-მა აირჩია სერვისი A, 40%-მა კი სერვისი B.“
სიხშირის განაწილება, როგორც წესი, წარმოდგენილია ცხრილებისა და სვეტოვანი/წრიული დიაგრამების სახით, მარტივი გაგებისთვის.
ბ. ცენტრალური ტენდენციის საზომი
რიცხვითი მონაცემებისთვის გამოიყენეთ:
– საშუალო (საშუალო): ყველა მნიშვნელობის ჯამი გაყოფილი რესპონდენტთა რაოდენობაზე.
– მედიანა: საშუალო მნიშვნელობა მონაცემების დახარისხების შემდეგ.
– რეჟიმი: მნიშვნელობა, რომელიც ყველაზე ხშირად ჩნდება.
საშუალო მნიშვნელობები შესაფერისია შედარებით სიმეტრიული განაწილების მქონე მონაცემებისთვის, ხოლო მედიანა უფრო სტაბილურია, როდესაც არის გამონაკლისები ან ასიმეტრიული განაწილება. რეჟიმი ხშირად სასარგებლოა კატეგორიული მონაცემებისთვის ან როდესაც გსურთ ყველაზე გავრცელებული არჩევანის ნახვა.
გ. გავრცელების ზომა (ცვალებადობა)
დისპერსიის საზომები გვეხმარება იმის დადგენაში, თუ რამდენად განსხვავდება რესპონდენტების პასუხები:
– დიაპაზონი: მაქსიმალურ და მინიმალურ მნიშვნელობებს შორის სხვაობა.
– ვარიაცია: მნიშვნელობებსა და საშუალო მნიშვნელობას შორის სხვაობის საშუალო კვადრატი.
– სტანდარტული გადახრა: დისპერსიის კვადრატული ფესვი, რომლის ინტერპრეტაცია უფრო ადვილია, რადგან ერთეულები იგივეა, რაც ორიგინალური მონაცემები.
მაგალითად, ორ ჯგუფს შეიძლება ჰქონდეს ერთი და იგივე საშუალო კმაყოფილება, მაგრამ განსხვავებული სტანდარტული გადახრები - უფრო დიდი სტანდარტული გადახრის მქონე ჯგუფს ნიშნავს, რომ რესპონდენტების პასუხები უფრო მრავალფეროვანია.
5. მონაცემთა ვიზუალიზაცია
გრაფიკები ხელს უწყობს შედეგების სწრაფად და ნათლად გადმოცემას. გამოკითხვის მონაცემების ვიზუალიზაციის რამდენიმე გავრცელებული ტიპი:
– სვეტოვანი დიაგრამა: კატეგორიული/რიგითი მონაცემებისთვის.
– ჰისტოგრამა: რიცხვითი მონაცემების განაწილებისთვის.
– Boxplot: აჩვენებს მედიანას, კვარტილებს და გამონაკლისებს.
– ხაზოვანი დიაგრამა: თუ კვლევა პერიოდულად ტარდება (დროის სერიები).
კარგ ვიზუალიზაციას უნდა ჰქონდეს სათაური, ღერძის იარლიყები და მონაცემთა წყაროები, რათა თავიდან იქნას აცილებული არასწორი ინტერპრეტაცია.
6. კროსტაბული ანალიზი
კროსტაბულაცია გამოიყენება ორ კატეგორიულ ან რიგობით ცვლადს შორის ურთიერთობის სანახავად. მაგალითი:
– კმაყოფილება (კმაყოფილი/უკმაყოფილო) სქესის მიხედვით
- პროდუქტის შერჩევა ასაკობრივი ჯგუფის მიხედვით
კროსტაბული შედეგები, როგორც წესი, წარმოდგენილია თითო რიგში ან თითო სვეტში პროცენტული მაჩვენებლით. ეს სასარგებლოა ჯგუფებს შორის შაბლონური განსხვავებების დასადგენად.
მისალნია:
„კმაყოფილი რესპონდენტების პროცენტული მაჩვენებელი 26-35 წლის ასაკობრივ ჯგუფში უფრო მაღალი იყო, ვიდრე 18-25 წლის ასაკში.“
მიუხედავად იმისა, რომ ჯვარედინი ცხრილები კვლავ აღწერილობითი ხასიათისაა, შედეგები ხშირად შემდგომი ანალიზის საფუძველს წარმოადგენს.
7. ლიკერტის შკალების დამუშავება: ქულების მინიჭება და ინტერპრეტაცია
ბევრი გამოკითხვა იყენებს 1–5 ან 1–7 ლიკერტის შკალას. დამუშავების ტექნიკა მოიცავს:
1. გამოთვალეთ საშუალო ქულა თითო პუნქტზე
მაგალითად, „მომსახურების ხარისხის“ საშუალო შეფასება 5-დან 4,2-ია.
2. ინდექსის/კომპოზიტის შექმნა
თუ ერთი კონცეფციის გასაზომად რამდენიმე პუნქტია გამოყენებული (მაგალითად, „კმაყოფილება“ 5 კითხვისგან შედგება), ქულების შეჯამება ან საშუალოდ გამოთვლა შესაძლებელია ერთი ინდექსური მნიშვნელობის მისაღებად.
3. ქულების კატეგორიზაცია
ქულების გადაყვანა შესაძლებელია კატეგორიებად, როგორიცაა დაბალი-საშუალო-მაღალი, გარკვეული შეზღუდვებით.
ლიკერტის ინტერპრეტაციაში მნიშვნელოვანია გამოყენებული შკალის ხსენება და ქულების მნიშვნელობის ახსნა, რათა მკითხველმა გაიგოს კონტექსტი.
8. მარტივი საიმედოობის შემოწმება (არასავალდებულო)
თუ ინდექსს რამდენიმე კითხვიდან ადგენთ, კარგი იდეაა მისი შინაგანი თანმიმდევრულობის შემოწმება. ერთ-ერთი გავრცელებული საზომი კრონბახის ალფაა. მიუხედავად იმისა, რომ ეს ოდნავ სცილდება წმინდა „ძირითად სტატისტიკას“, კონცეფცია მაინც ხშირად გამოიყენება გამოკითხვის დამუშავებაში. უფრო მაღალი ალფა მნიშვნელობა (მაგ., ≥ 0,7) ზოგადად მიუთითებს, რომ პუნქტები საკმაოდ თანმიმდევრულად ზომავენ ერთსა და იმავე კონსტრუქტს.
9. შედეგების ინტერპრეტაცია და ანგარიშგება
მონაცემთა კარგი დამუშავება უნდა იწვევდეს მკაფიო ანგარიშგებას. თქვენს ანგარიშში აუცილებლად უნდა შეიტანოთ:
– რესპონდენტის პროფილი (მნიშვნელოვანი დემოგრაფიული მონაცემები)
– შედეგების შეჯამება ძირითადი ცვლადის მიხედვით
– შესაბამისი ცხრილები/გრაფიკები
– არაგაზვიადებული ინტერპრეტაცია
თუ გამოკითხვა მხოლოდ აღწერილობითია, მოერიდეთ „მიზეზ-შედეგობრივი კავშირის“ დასკვნების გამოტანას. უფრო ძლიერი კავშირის დასადგენად, საჭიროა შესაბამისი კვლევის დიზაინი და ინფერენციული სტატისტიკური ტესტები.
10. გავრცელებული შეცდომები, რომლებიც უნდა ავიცილოთ თავიდან
გამოკითხვის მონაცემების დამუშავებისას ხშირად გვხვდება რამდენიმე შეცდომა:
– არ ასუფთავებენ, ამიტომ შედეგები მიკერძოებულია
– არაორდინირებული კატეგორიული მონაცემების საშუალო მნიშვნელობის გამოყენება
– არ ხსნის გაზომვის შკალას
– დაკარგული ღირებულებების იგნორირება მკაფიო სტრატეგიის გარეშე
– გრაფიკების წარმოდგენა ეტიკეტებისა და კონტექსტის გარეშე
ამ შეცდომების თავიდან აცილებით, ანალიზის შედეგები უფრო ვალიდური და სანდო ხდება.
დახურვა
ძირითადი სტატისტიკის გამოყენებით გამოკითხვის მონაცემთა დამუშავების ტექნიკა მოიცავს აუცილებელ ნაბიჯებს: მონაცემთა ტიპების გაგებას, პასუხების გაწმენდას და კოდირებას, მონაცემების შეჯამებას აღწერითი სტატისტიკის საშუალებით, ინფორმაციის ვიზუალიზაციას და შედეგების ზუსტ ინტერპრეტაციას. ძირითადი სტატისტიკა არა მხოლოდ ხელს უწყობს მონაცემების უფრო „წაკითხვას“, არამედ აძლიერებს გამოკითხვაზე დაფუძნებული გადაწყვეტილებების ხარისხს. სუფთა და გამჭვირვალე პროცესით, გამოკითხვის მონაცემები შეიძლება გახდეს ღირებული და ზუსტი წყარო სხვადასხვა კვლევითი საჭიროებებისა და ორგანიზაციული პრაქტიკისთვის.
თუ გსურთ, ასევე შემიძლია დაგეხმაროთ ნიმუშების ცხრილების, გამოკითხვის შედეგების ანგარიშის ფორმატების ან გამოკითხვის მონაცემების დამუშავების ეტაპების შექმნაში Excel/SPSS-ში, ფორმულებისა და შაბლონების ჩათვლით.
