Documente Academic
Documente Profesional
Documente Cultură
x
= media calculat la nivelul eantionului ca estimaie
pentru media populaiei ()
Nivelul de ncredere exprim ansele ca valoarea parametrului
s se afle n intervalul estimat. Diferena dintre 100% i nivelul de
ncredere exprimat n procente, reprezint, n schimb, "neansa" sau
eroarea ca intervalul de estimare s nu conin parametrul estimat.
16
Dac vom nota cu d probabilitatea acestei erori, atunci d = 1
gradul de ncredere exprimat ca numr ntre 0 i 1 . Astfel, dac vom
opta pentru un nivel de ncredere de 95%, aceasta nseamn, n
acelai timp, o eroare de 5%, adic o neans de 5% de a avea o
medie de eantion care s nu se ncadreze n intervalul de ncredere
stabilit.
ntervalul de ncredere se poate determina avnd n vedere
dou tipuri de distribuie care pot interveni n calculul mrimii
abaterilor (erorilor) de la media populaiei.
n situaiile n care mrimea eantionului este n > 30 iar
abaterea standard a populaiei nu este cunoscut, se utilizeaz
(str'u#a t ,sau (str'u#a &tu(ent0. n acest caz intervalul de
ncredere va cuprinde valoarea t identificat din tabelul distribuiei t n
funcie de nivelul de semnificaie ales i numrul gradelor de libertate.
Distribuia t se aseamn cu distribuia normal, avnd, ca i
aceasta, media zero i uniti de abateri standard. Forma curbei
distribuiei t este influenat de numrul gradelor de libertate.
Prn nu+!r (e 1ra(e (e l'ertate se nelege numrul
observrilor minus numrul constrngerilor sau mrimii impuse,
necesare calculrii unui parametru statistic. Aceasta nseamn c o
observare (valoarea unui atribut) este liber dac valoarea ei nu este
nc determinat.
Pentru a cunoate care din cele dou distribuii, * sau t, este
cea mai indicat pentru determinarea intervalului de ncredere, sau,
aa cum vom sesiza ulterior, pentru realizarea unui test de
semnificaie statistic, avem dou repere:
a0 dac abaterea standard a populaiei este cunoscut, se
utilizeaz distribuia z indiferent de mrimea eantionului;
'0 dac abaterea standard a populaiei este necunoscut
-cazul cel mai frecvent n studiile de marketing- atunci, n
funcie de mrimea eantionului, putem alege:
- distribuia t dac n 30;
- distribuia z dac n > 30.
Cu ct mrimea eantionului sporete, cu att mai mult
distribuia t se apropie de distribuia z.
Est+area procentulu
17
ntervalul de ncredere n cazul n care avem n vedere un
procent, n cazul distribuiei z, se determin astfel:
p p
z p z p
+
2 / 2 /
unde p reprezint estimarea procentului n caz de succes sau a celor
care spun "DA, iar o
p
reprezint abaterea standard de la media
procentului n cazul populaiei. Cum pe o
p
practic nu-l putem
cunoate, se recurge la o estimare a acestuia. Aceast estimare a
abaterii standard de la media procentelor se determin astfel:
( )
( ) "
1 ( N
% ( N
1
100
)
n
p p
p
dac populaia este infinit iar N > 20 n
Mrimea eantionului n cazul mediilor
Pentru a determina mrimea unui eantion se impun a fi luai n
considerare trei factori:
a. dispersia sau variana;
'. eroarea acceptat;
c. nivelul de ncredere.
a. modalitatea statistic de evideniere a gradului de
omogenitate a populaiei n raport cu o anumit caracteristic, o
reprezint (spersa sau $aran#a. Pe baza ei putem determina
abaterea standard ca expresie sintetic a nivelului de omogenitate a
populaiei. O abatere standard mic indic un nivel ridicat de
omogenitate. Un nivel ridicat de omogenitate necesit un eantion de
dimensiuni mici i invers.
'. +!r+ea eror a(+se ,E0) pe baza creia determinm
intervalul de ncredere, ne arat nivelul de precizie al estimrii.
18
c. n$elul (e 3ncre(ere) care de cele mai multe ori este
stabilit la 95%, ne indic, dup cum tim, probabilitatea ca valorile
statisticii eantionului s se gseasc n intervalul de ncredere
stabilit.
Pornind de la relaia de calcul pentru intervalul de ncredere,
putem determina mrimea eantionului avnd n vedere un nivel de
ncredere dorit i o eroare impus de nivelul de precizie al cercetrii.
Inter$alul (e 3ncre(ere este.
n
z x
t
Ca mrime absolut,
n
z
E
z
n
E
z
n
unde:
z = valoarea rezultat din tabelul distribuiei z, n funcie
de nivelul de ncredere avut n vedere;
o = abaterea standard a populaiei exprimat ca
mrime absolut
E = eroarea admis, exprimat ca mrime absolut
Atunci cnd cunoatem dimensiunile populaiei cercetate, n
cazul unei selecii ntmpltoare nerepetate (a procedeului extragerii
19
fr ntoarcere), volumul eantionului se determin pe baza relaiei
urmtoare:
N
z
E
z
n
2 2
2
2 2
: rezult unde de
Deoarece (100 p) = q, mai putem scrie c:
2
2
E
q p z
n
unde: z
2
= ptratul coeficientului z corespunztor nivelului de
ncredere avut n vedere;
p = estimarea procentelor n caz de succes sau a celor
care spun "DA";
q = (100 - p), estimarea procentelor n caz de insucces
sau a celor care spun "NU";
E2 = ptratul erorii admise exprimat ca procente (E =
zSp)
Pentru a stabili mrimea eantionului n ipoteza n care nu
avem nici o informaie despre p, atunci se va lua n considerare
n$elul +a5+ pe care acesta l poate atinge, care este :;<.
Cap.1=. ANALI>A "NI6ARIATA A DATELOR DE
MAR?ETIN@
Dup obinerea i pregtirea datelor primare urmeaz procesul
de analiz a acestora.
Analiza datelor de marketing este un proces complex ce
presupune parcurgerea unor etape succesive de aprofundare a
cercetrii, care necesit utilizarea unui instrumentar tiinific adecvat.
Alegerea corect a metodelor de analiz a datelor primare
impune luarea n considerare, simultan, a patru criterii, i anume:
21
a. a nu+!rulu (e $ara'le care trebuie analizate simultan:
atunci cnd se are n vedere o singur variabil vor fi utilizate metode
specifice anal*e un$arate, cnd sunt dou variabile se va face
apel la metodele anal*e '$arate, iar atunci cnd sunt mai multe
variabile vor fi utilizate metodele anal*e +ult$arate.
Analiza univariat const n examinarea distribuiei modalitilor
de rspuns a unei variabile i ofer posibilitatea descrierii unui
eantion.
Analiza bivariat studiaz relaiile dintre dou variabile, luate
dou cte dou, precum i intensitatea acestor legturi.
Analiza multivariat are n vedere studierea ntr-o manier
sintetic a relaiilor pe grupe de variabile, dintre mai multe variabile,
(metodele descriptive) ct i a relaiilor dintre grupuri de variabile
(metodele explicative) [11, 317-318];
b. a ceea ce se (orete ca tp (e anal*!, adic fie o analiz
la nivelul eantionului avut n vedere, fie o caracterizare a populaiei
care a fcut obiectul cercetrii. n prima situaie se va realiza o
descriere a eantionului prin intermediul statstc (escrpt$e, iar n
a doua situaie se vor utiliza metodele statstc n%eren#ale;
c. a tpurlor (e scale utilizate n msurarea variabilelor
cercetrii. Variabilele calitative i, respectiv, variabilele metrice,
impun , fiecare n parte, anumite metode statistice de prelucrare a
datelor primare.
d. a nu+!rulu tpurlor (e eantoane; datele primare pot
proveni de la un singur eantion sau de la dou sau mai multe
eantioane.Cnd provin de la dou sau mai multe eantioane
acestea pot fi eantioane independente sau dependente.
Eantioanele sunt n(epen(ente cnd grupurile sau populaiile din
care provin sunt diferite. Eantioanele sunt (epen(ente sau perechi
cnd datele observate provin de la membrii aceluiai grup n
momente diferite de timp, ca n cazul experimentelor de marketing:
nainte de realizarea experimentului i dup realizarea acestuia.
Cea mai simpl procedur de analiz este aceea cnd se are
n vedere statstca (escrpt$! 3n ca*ul une sn1ure $ara'le a
22
unu sn1ur eanton. [15, 107-119] Aceasta nseamn o prelucrare
a datelor obinute din rspunsurile date la fiecare din ntrebrile
eantionului. n funcie de scala folosit n msurarea datelor, vor fi
utilizate, ca un prim nivel de aprofundare a investigaiei, urmtoarele
+eto(e (e anal*! un$arat!:
o dac variabila a fost msurat cu scala nominal, descrierea
acesteia se va realiza calculnd frecvenele absolute i
relative (inclusiv procentele) pe categorii, incluse ntr-un
tabel, i stabilind apoi modulul;
o dac variabila a fost msurat cu scala ordinal, analiza
acesteia va consta n realizarea unei ordonri pe baza
scorurilor medii, i apoi stabilirea medianei sau a intervalului
median;
o dac variabila a fost msurat cu scala interval, se va
determina media aritmetic, dispersia (variana) i abaterea
standard; pot fi utilizate i metodele anterioare specifice
variabilelor calitative;
o variabila msurat cu scala proporional, va oferi, n plus,
fa de metodele menionate anterior, i calculul mediei
geometrice sau a celei armonice. Rezult din menionrile
deja fcute c o scal mai evoluat permite utilizarea
statisticii descriptive specifice scalelor anterioare.
Un al doilea nivel de aprofundare a investigaiei datelor de
marketing este acela care presupune punerea n corelaie a unei
variabile cu o alt variabil. Aceast anal*! a le1!tur (ntre (ou!
$ara'le) care este o expresie a analizei bivariate, se poate face
avnd n vedere dou situaii, i anume:
- ca o analiz a unei legturi posibile ntre o variabil,
respectiv o ntrebare, i o alt variabil, respectiv o alt
ntrebare, alta dect o variabil de caracterizare a
subiecilor;
- ca o analiz a unei legturi posibile ntre o variabil a
cercetrii i o variabil de caracterizare a subiecilor (sex,
educaie, venituri, profesie, stare civil etc.)
Pentru evidenierea acestor legturi, ca statistic descriptiv, se
poate utiliza +eto(a ta'el!r 3ncrucate . Ea const n dispunerea
23
n cadrul unor tabele a datelor aferente celor dou variabile, pe
grupuri, categorii sau clase cu scopul de a face comparaii. Aceste
tabele se mai numesc ta'ele (e contn1en#! n msura n care
cuprind totalurile pe rnduri i pe coloane, datele respective fiind
exprimate, fie ca mrimi absolute, fie ca mrimi procentuale.
O alt metod de evideniere a legturii dintre dou variabile
+!surate +etrc, este ceea ce se numete 7arta e$alu!rlor sau
analiza cadranelor. n acest caz se realizeaz evaluarea
caracteristicilor cercetate sub forma mediilor, n cazul fiecrei
variabile n parte, i apoi se face amplasarea acestora ntr-unul din
cele patru cadrane pe care le are acest instrument de msur.
Amplasarea unei caracteristici ntr-un punct desemnat de cele dou
medii, n interiorul unui cadran, ofer informaii despre modul de
evaluare a acesteia de ctre subieci.
Pentru a sesiza mai uor rezultatele obinute n cazul acestei
analize preliminarii, ca statistic a eantionului, pot fi utilizate
repre*ent!rle 1ra%ce. Acestea sunt adecvate tipurilor de analiz i
se obin cel mai lesnicios de ctre calculator, ca de altfel i
prelucrarea statistic menionat anterior.
n prezent sunt o serie de programe specializate de prelucrare
a datelor de marketing ce acoper practic toate metodele de analiz
statistic a datelor de marketing. n acest sens, unul din cele mai
performante pachete de programe este SPSS sub diferitele sale
variante. Alte pachete de programe mai sunt:NCSS, EXCEL, SAS,
SYSTAT, MNTAB, EDUSTAT, STATPAK.
Cap.1: TE&TAREA IPOTE>ELOR CERCETRII
Cercetrile descriptive i cercetrile cauzale, bazate pe
eantioane probabiliste, reprezentative, impun cunoaterea
variabilelor cercetrii la nivelul populaiei cercetate. Aceast
cunoatere necesit realizarea inferenei sau extrapolrii rezultatelor
obinute n cadrul statisticii descriptive asupra populaiei din care a
provenit eantionul.
Statistica inferenial permite deci estimarea parametrilor
populaiei cu o anumit eroare i cu un anumit nivel de ncredere sau
24
probabilitate. De asemenea, ea permite testarea ipotezelor statistice
ale cercetrii, msurarea intensitii legturii dintre variabile,
compararea diferenelor existente ntre parametrii provenii de la
diferite grupuri sau populaii. Logica inferenei statistice se sprijin pe
testele statistice.
Testele statistice, foarte numeroase, pot fi clasificate pornind de
la mai multe criterii.[11, p.312-313] Cele mai importante trei criterii
sunt:
crterul para+etrc nepara+etrc. El are n vedere dac
variabilele cercetate au o distribuie normal sau un alt tip de
distribuie, cunoscut sau necunoscut precum i modul de
msurare i mrimea eantionului.
Un test este para+etrc dac observrile provin de la populaii
distribuite normal n raport cu un parametru sau altul, dac
populaiile avute n vedere au aceeai varian, dac datele sunt
msurate metric (interval sau proporional) i dac eantionul este
suficient de mare (n>30).
Un test este nepara+etrc dac distribuia populaiei este alta
dect cea normal sau nu poate fi cunoscut, dac variabilele sunt
msurate cu orice tip de scal i dac eantionul are o mrime
mic (n<30);
crterul nu+!rulu (e eantoane. Se pune deci problema dac
datele care fac obiectul analizei provin de la un singur eantion
sau de la mai multe eantioane. Atunci cnd provin de la dou sau
mai multe eantioane trebuie cunoscut dac eantioanele
respective sunt independente sau dependente (sau perechi).
crterul unlateral sau 'lateral. n cazul unui test unlateral
ipoteza nul are n vedere o inegalitate a crui sens se
anticipeaz. Spre exemplu, pornind de la valorile observate, se
caut s se afle dac o valoare care msoar un parametru al
populaiei este mai mare dect o alt valoare prag predeterminat,
plasat la una din extremitile curbei de distribuie. n acest sens,
va fi un test unilateral stnga sau un test unilateral dreapta. n
cazul unui test 'lateral ipoteza nul are n vedere dou regiuni
de respingere, adic se urmreste s se cunoasc dac o
valoare observat este mai mic sau mai mare comparativ cu o
valoare ce definete dou praguri de acceptare - respingere
plasate la cele dou extremiti ale curbei de distribuie.
25
A. Testarea pote*elor 3n ca*ul une +e(
Sunt dou modaliti de testare a ipotezei nule:
- prin utilizarea intervalului de ncredere;
- prin determinarea raportului critic.
a. "tl*area nter$alulu (e 3ncre(ere.
n cazul unui test bilateral, dac avem n vedere parametrul
media, ipotezele sunt:
H
0
: =
0
H
1
: =
0
Dac se are n vedere un test unilateral, ipotezele vor fi:
H
0
: =
0
H
1
: >
0
n cazul testului unilateral dreapta sau
H
1
: <
0
n cazul unui test unilateral stnga
unde reprezint media real a populaiei pentru variabila
avut n vedere, iar
0
reprezint media populaiei conform ipotezei
nule pe care am stabilit-o.
n cazul n care se va accepta un nivel de semnificaie d = 0,05,
iar n > 30, valoarea z 3n ca*ul unu test 'lateral, aa cum se
identific ea din tabelul distribuiei normale (distribuia z) va fi 1,96.
Considernd cunoscut abaterea standard a populaiei, o, se
determin abaterea standard de la medie, adic
n
x
. Ca urmare,
intervalul de ncredere va fi:
x x
+ 96 - 1 96 - 1
0 0
n aceste condiii, dac +e(a re*ultat! (n eanton se afl
n interiorul celor dou valori care definesc limita inferioar i limita
superioar a intervalului de ncredere, inclusiv acestea, atunci ipoteza
nul se accept. Dac media rezultat din eantion este mai mare
dect limita superioar sau mai mic dect limita inferioar, atunci
ipoteza nul se respinge i, ca atare, se accept ipoteza alternativ.
n cazul unui test unlateral (reapta ipoteza nul se accept
dac media rezultat din eantion are o valoare mai mic dect limita
26
superioar a intervalului. Dac ea este mai mare atunci ipoteza nul
se respinge. n cazul unui test unlateral st2n1a ipoteza nul se
accept dac media rezultat din eantion este mai mare dect limita
inferioar a intervalului de ncredere; dac va fi mai mic, ipoteza
nul se respinge i se accept ipoteza alternativ. De precizat c n
cazul testelor unlaterale $aloarea lu * este A 1)B=, ceea ce,
evident, va genera alte valori pentru cele dou limite ale intervalului,
comparativ cu cele ale unui test bilateral.
De cele mai multe ori nu se cunoate abaterea standard a
populaiei pentru parametrul i variabila avute n vedere. Ca atare o
se va estima prin abaterea standard a eantionului, s. n aceast
situaie abaterea standard de la medie a populaiei se va estima prin
abaterea standard de la medie a eantionului. Deci,
n
s
S
x x
)
Aceasta nseamn c intervalul de ncredere, n cazul
distribuiei z, se va determina astfel:
x x
S S + 96 . 1 96 - 1
0 0
n cazul n care avem o mrime redus a eantionului, se va
utiliza (str'u#a t n vederea determinrii intervalului de ncredere.
Valoarea 1,96 de mai sus va fi nlocuit cu valoarea lui t
corespunztoare unui test bilateral sau cu valoarea lui t
corespunztoare unui test unilateral, identificat n tabelul distribuiei
t n funcie de numrul gradelor de libertate i nivelul de semnificaie
ales. Regula de acceptare sau respingere a ipotezei nule rmne
aceeai.
a. Deter+narea raportulu crtc. Presupunem c avem n
vedere un test bilateral, unde:
H
0
: =
0
H
1
: =
0
Valoarea raportului critic n cazul distribuiei z dar i a
distribuiei t, n condiiile n care se are n vedere o estimare a abaterii
standard de la medie a populaiei
,
se va stabili astfel:
27
x
obs
S
x
z
0
.
iar
x
obs
S
x
t
0
.
p
obs
S
p
t
0
unde:
p = procentul din eantion
0
= procentul presupus din cadrul populaiei
S
p
= estimarea abaterii standard a procentelor
Deciziile privind ipoteza nul sunt identice cu cele stabilite n
cazul mediilor. Astfel, dac testul este bilateral, n cazul distribuiei z,
ipoteza nul se va accepta dac valoarea z
obs
va fi mai mic dect
valoarea lui z din cadrul tabelului distribuiei normale standardizate
avnd n vedere nivelul de semnificaie ales. Se va respinge ipoteza
nul i se va accepta ipoteza alternativ dac dac z
obs
va fi mai
mare dect valoarea lui z din tabelul distribuiei z. Se va proceda
corespunztor n cazul testelor unilaterale sau n situaia distribuiei t.
"tl*area (str'u#e C ca test statstc
Distribuia F (distribuia Fisher) are caracteristici proprii i
anume [ 23, p.320 ]:
o se manifest sub forma unor familii de distribuie F. Fiecare
membru al familiei este determinat de doi parametrii:
numrul gradelor de libertate de la numrtor i numrul
gradelor de libertate de la numitor. Forma curbei se schimb
n raport cu numrul gradelor de libertate;
o valoarea F nu poate fi negativ iar distribuia acestor valori
este continu;
o curba ce reprezint distribuia F este pozitiv asimetric;
o valorile lui F sunt cuprinse ntre 0 i infinit.
Distribuia F se poate utiliza ca test statistic pentru:
co+pararea $aran#elor a dou populaii independente
distribuite normal; testul F se utilizeaz astfel pentru testarea
pote*e e1alt!# a dou variane n cazul unor populaii
independente distribuite normal. n analiza bivariat, n cazul
comparrii diferenelor dintre medii sau procente, provenite de la
populaii independente distribuite normal, una din condiiile necesare
realizrii testului este aceea a existenei aceleeai variane la nivelul
30
celor dou populaii. Deci, logic, testul de comparare a mediilor sau
procentelor trebuie precedat de testul (e co+parare a $aran#elor.
validarea afirmaiilor n cazul unor teste statistice;
analiza varianei (ANOVA)
Cap. 1B ANALI>A 8I6ARIAT.
1B.1 ANALI>A LE@T"RII DINTRE DO" 6ARIA8ILE
Analiza bivariat const n studierea datelor i n testarea
ipotezelor cnd cercetarea are n vedere investigarea simultan a
relaiilor dintre dou variabile. Aceste relaii pot fi simetrice sau
asimetrice. n primul caz, se cerceteaz legtura dintre dou variabile
i intensitatea acesteia. Pentru inferen se face apel la testele
statistice corespunztoare. n al doilea caz, cercetarea legturii are n
vedere e5plcarea variaiilor unei variabile, numit variabil
dependent, prin variaiile altei variabile numit independent.
Analiza are n vedere cercetarea legturii dintre dou variabile ce pot
fi msurate cu aceleai scale sau, fiecare, cu scale diferite, precum i
analiza deosebirilor care pot exista ntre dou grupuri sau populaii
avnd n vedere o anumit variabil. Pentru a cunoate dac aceste
diferene (de atitudini, comportament, caracteristici etc.) sunt sau nu
semnificative din punct de vedere statistic se folosesc diferite teste.
Analiza bivariat poate fi considerat ca un al (olea n$el (e
apro%un(are a investigaiei datelor primare de marketing. Aceast
anal*! a le1!tur (ntre (ou! $ara'le se poate face avnd n
vedere dou situaii, i anume:
- o analiz a unei legturi posibile ntre o variabil, respectiv o
ntrebare, i o alt variabil, respectiv o alt ntrebare, alta
dect o variabil de caracterizare a subiecilor;
- o analiz a unei legturi posibile ntre o variabil a cercetrii
i o variabil de caracterizare a subiecilor (sex, educaie,
venituri, profesie, stare civil etc.)
31
Cea mai simpl metod de analiz a legturii dintre dou
variabile, amndou msurate nominal, o reprezint tabelarea
ncruciat. Ta'elarea 3ncrucat! const n dispunerea ntr-un tabel
a datelor observate, distinct, pe grupuri, categorii sau clase, cu
scopul de a face comparaii. Metoda tabelrii ncruciate se
concretizeaz n ta'elele (e contn1en#!, unde, att pentru rnduri
ct i pentru coloane sunt trecute totalul valorilor observate fa de
care se determin, de cele mai multe ori n procente, valorile
observate pentru categoriile sau nivelele variabilelor avute n vedere.
Pentru exemplificare, s pornim de la un exemplu ipotetic.
Presupunem c ne intereseaz s cunoatem legtura dintre (ou!
$ara'le +!surate no+nal i anume: dintre trei nivele de consum
lunar pentru produsul "P" i amplasarea geografic a consumatorilor
n trei mari zone ale rii: A, B, C. Legtura dintre consumatorii
fiecrei zone i nivelurile de consum, n condiiile unui eantion
format din 2.000 subieci, se prezint sub forma ta'el!r 3ncrucate
astfel:
Tabel 16.1 Tabel de contingen avnd n vedere dou
variabile : cantitatea cumprat din produsul P i
locuitorii celor trei zone
ale rii
Zona Cantitatea cumprat ( kg / lun) TOTAL
+c! ( sub 2
kg)
+o(erat!
(2 - 4 kg.)
+are
( peste 4 kg)
A
B
C
400
120
280
280
160
360
120
120
160
800
400
800
TOTAL 800 800 400 2.000
32
Datele cuprinse n tabelul de mai sus ne arat existena unor
diferene n privina nivelului consumului n cele trei zone ale rii.
Putem remarca, spre exemplu, c numrul consumatorilor care
cumpr n cantitate +are (peste 4 kg.) produsul P este mai mare n
zona C dect n zona A. sau B. Sau, n zona A, cei mai numeroi
consumatori sunt cei care consum n cantitate +c! (sub 2 kg.), pe
cnd n zona C, cei mai numeroi sunt cei care consum +o(erat
(ntre 2 - 4 kg).
Pentru a reliefa mai bine legturile dintre cele dou variabile se
recurge la +eto(a contn1ent!r sau a ta'el!r 3ncrucate pe
'a*! (e procente care presupune calcularea pentru fiecare zon a
structurii consumatorilor pe fiecare nivel de consum pornind de la
aprecierea logic c modul de repartizare a consumatorilor pe zone
determin o structur diferit a nivelului de consum.
Tabel 16.2 Tabel de contingen a locuitorilor zonelor rii n
raport cu cantitile cumprate
Zona Cantitatea cumprat ( kg) TOTAL
sub 2 2 - 4 peste 4
A 50% 35% 15% 100%
B 30% 40% 30% 100%
C 35% 45% 20% 100%
TOTAL 40% 40% 20% 100%
Din datele de mai sus rezult c pe total zone, 40% din
cumprtori cumpr sub 2 kg., 40% cumpr ntre 2 i 4 kg. i
numai 20% cumpr peste 4 kg. n schimb, aceast structur este
diferit de la o zon la alta i ea ne indic ce n$el (e cu+p!rare
pre(o+n! 3n %ecare *on!. Spre exemplu, n zona A, jumtate din
cumprtori cumpr o cantitate mic: sub 2 kg. n zona B i C sunt
mai numeroi consumatorii care cumpr moderat, ntre 2 i 4 kg.
Dac vom avea n vedere a doua variant de manifestare a
legturii dintre cele dou variabile, adic repartiia pe niveluri de
consum a zonelor n care se locuiete, atunci vom recurge la un al
doilea tabel de contingen ce ne ofer posibilitatea de a cunoate
structura pe zone a fiecrui nivel de consum.
33
Tabel 16.3 Tabel de contingen a nivelurilor de consum n raport cu
locuitorii
celor trei zone
Zona Cantitatea cumprat (kg) TOTAL
mic moderat mare
A 50% 35% 30% 40%
B 15% 20% 30% 20%
C 35% 45% 40% 40%
TOTAL 100% 100% 100% 100%
Pe baza datelor de mai sus putem vedea cum sunt "localizai"
cumprtorii fiecrui nivel de consum avut n vedere. Pe ansamblu,
se observ c, n totalul consumatorilor, 40% sunt localizai, la
egalitate, n zonele A i C i 20% n zona B. Pe n$ele (e consu+
localizarea este diferit. Se observ c n categoria celor care
consum peste 4 kg. ( "mari consumatori"), din totalul acestora, cei
mai numeroi sunt n zona C (40%). n categoria consumatorilor
mijlocii (2 - 4 kg.) cei mai numeroi sunt tot n zona C (45%). n fine,
n categoria micilor consumatorilor (sub 2 kg.) cei mai numeroi sunt
n zona A (50%).
Analiza pe care o ntreprindem prin intermediul tabelelor de
contingen trebuie fcut cu atenie deoarece nu n toate cazurile un
tabel de contingen cu dou variabile ne poate evidenia nu+a
relaia dintre cele dou variabile. Sunt situaii n care legtura care se
manifest ntre dou variabile se explic prin existena unei a treia
variabile care trebuie i ea inclus n tabel. Spre exemplu, n cazul
analizat mai sus, diferenele n nivelurile de consum pe zone pot fi
determinate ntr-o bun msur i de mrimea diferit a veniturilor
cumprtorilor din zonele respective.
O alt metod de evideniere a legturii dintre dou variabile,
de data aceasta +!surate +etrc, este ceea ce se numete 7arta
e$alu!rlor sau analiza prin cadrane [6, p.571]. n acest caz se
realizeaz evaluarea caracteristicilor cercetate sub forma mediilor, n
cazul fiecrei variabile n parte, i apoi se face amplasarea acestora
ntr-unul din cele patru cadrane pe care le are acest instrument de
msur care, pe vertical i pe orizontal, indic nivelele scalelor de
msur. Amplasarea unei caracteristici ntr-un punct desemnat de
34
cele dou medii calculate pentru fiecare variabil n parte, n interiorul
unui cadran, ofer informaii despre modul de evaluare a acesteia de
ctre subieci.
1B.2 TE&TE PENTR" COMPARAREA DICERENELOR
DINTRE MEDII I A DICERENELOR DINTRE
PROCENTE
Aceste teste au ca obiect cunoaterea deosebirilor, deci a
diferenelor de atitudine, de comportament, de caracteristici, dintre
indivizii care compun dou grupuri care pot fi independente sau
perechi. Testul une (%eren#e reprezint o cercetare a ipotezei care
indic c dou sau mai multe grupuri difer sub aspectul mrimii unei
variabile exprimat ca medie sau ca procent.
Tipurile de teste privind diferenele dintre dou grupuri se
difereniaz n raport cu modalitile de msurare a variabilei
cercetate i n raport cu tipul grupurilor (independente sau perechi).
Aceste teste pot fi parametrice i neparametrice.
A. Teste (e co+parare a (%eren#elor (ntre (ou! popula#
,1rupur0
a) Testul * i testul t de comparare a +e(lor provenite de
la dou eantoane n(epen(ente.
Se are n vedere cunoaterea semnificaiei statistice a
diferenei existente ntre cele dou medii, n cazul unei variabile
msurate +etrc. Eantioanele la nivelul crora se calculeaz cele
dou medii pot fi de dimensiuni mari (>30), situaie n care lum n
considerare distribuia z, sau de dimensiuni mici (> 30) cnd trebuie
s apelm la distribuia t.
S analizm prima situaie cnd cele dou eantioane sunt de
dimensiuni mari, respectiv n
1
i n
2
> 30 iar varianele populaiilor sunt
cunoscute i nu difer semnificativ ntre ele.
Se formuleaz ipoteza nul i se opteaz pentru una din cele
trei forme ale ipotezei alternative. poteza nul arat c ntre cele
dou medii provenite de la cele (ou! popula# n(epen(ente nu
exist nici o diferen; deci, populaiile sunt identice din punct de
vedere statistic avnd n vedere parametrul medie pentru variabila
cercetat:
35
H
0
:
1
=
2
H
1
:
1
=
2
H
1
:
1
>
2
H
1
:
1
<
2
Se determin raportul critic:
( ) ( )
2 1 2 1
2 1 2 1 2 1
.
x x x x
x x x x
C R
deoarece
1
-
2
= 0 cnd H
0
este adevrat. n relaia de mai
sus 2 1
/ x x
reprezint valorile medii ale primului i ale celui de al
doilea eantion iar
2 1
x x
2
2
2
1
2
1
2
x
1
x
)
unde s
1
i s
2
sunt abaterile standard calculate pe baza primului
i respectiv, celui de al doilea eantion; sau dispersiile (varianele)
celor dou eantioane, aa cum figureaz ele sub radicalul de mai
sus.
Dac optm pentru un nivel de semnificaie d = 0,05 i pentru
un test bilateral, atunci valorile z care vor delimita regiunea de
acceptare-respingere a ipotezei nule vor fi 1,96 i +1,96. Re1ula (e
(ec*e va fi:
- se accept H
0
dac valoarea raportului critic se va situa
ntre 1,96 i +1,96 inclusiv;
36
- se repige H
0
dac RC < -1,96 sau dac RC > 1,96.
n situaia n care cele dou eantioane independente sunt de
dimensiuni reduse (n
1
> 30 , n
2
>30) se va folosi (str'u#a t n
ipoteza c cele dou eantioane provin de la populaii repartizate
normal i n ipoteza c varianele celor dou populaii sunt egale. n
acest caz, raportul critic va fi:
2 1
2 1
x x
obs
x x
t
Deoarece este puin probabil s fie cunoscut abaterea
standard comun a diferenelor mediilor, se va realiza estimarea
acesteia pe baza relaiilor de mai jos:
2 1
1 1
)
2 1
n n
Sc
x x
+
unde
( ) ( )
2
1 1
2 1
2
2
2 1
2
1
+
+
n n
n s n s
Sc
n acest caz variabila definit mai sus urmeaz o repartiie
Student cu un numr de grade de libertate d.f.= n
1
+ n
2
- 2
Re1ula (e (ec*e va fi:
- se respinge ipoteza nul dac t
obs
> t
d; df
din tabelul
distribuiei t;
- se accept ipoteza nul dac t
obs
> t
d; df
Dac cele dou populaii au $aran#e (%erte iar cele dou
eantioane sunt mai mici dect 30, raportul critic se va determina pe
baza relaiei cunoscute. n acest caz a'aterea stan(ar( a
(%eren#elor +e(lor se va aproxima [2, p.239-240]:
2
2
2
1
2
1
2
x
1
x
n
s
n
s
+
)
De asemenea, n aceast situaie, nu+!rul 1ra(elor (e
l'ertate se va determina astfel:
37
d.f.=
1
1
1
1
]
1
+
1 n
r 1
1 n
r
1
2
2
1
2 iar
2
2
2
1
2
1
1
2
1
n
s
n
s
n
s
r
+
(13.1)
Vom recurge n continuare, la prelucrarea datelor cu programul
SPSS pornind de la urmtorul e5e+plu: din dou grupe de studeni
ai aceleiai specializri s-au constituit dou eantioane reduse (n
1
= 6
i n
2
= 7) studenii respectivi indicnd n ore ct timp aloc fiecare n
parte pentru studiul individual ntr-o sptmn normal de coal
(nu n preajma sau n timpul sesiunii). Se dorete a se cunoate dac
ntre studenii celor dou grupe se manifest diferene semnificative
n privina variabilei cercetate.
Evident, ipoteza nul va fi aceea c media timpului alocat
studiului individual de ctre studenii primei grupe este egal cu cea a
studenilor din a doua grup. poteza alternativ va consemna c cele
dou medii nu sunt egale. Nivelul de semnificaie este de 0,05.
Datele primare obinute sunt urmtoarele (n ore):
grupa 1 : 7; 9; 6; 11; 5; 8.
grupa 2 : 10; 8; 7; 6; 9; 12; 9.
Rezultatele prelucrrii SPSS sunt:
Tabel 16.4 Medii i abateri la nivelul grupelor
@roup &tatstcs
grupa N Mean
Std.
Deviation Std. Error Mean
ore alocate grupa 1 6 7.6667 2.16025 .88192
grupa 2 7 8.7143 1.97605 .74688
Se constat c media sptmnal a timpului individual de studiu
este 7,7 ore la prima grup i 8,7 ore la a doua grup.
Valoarea calculat a lui t se afl n tabelul urmtor:
Tabel 16.5 Rezultate ale testului t
In(epen(ent &a+ples Test
38
Levene's
Test for
Equality of
Variances
t4test %or EDualtE o% Means
F
Sig.
t
(%
Sig.
(2-
tailed)
Mean
Differenc
e
Std. Error
Differenc
e
95% Confidence
nterval of the
Difference
Lower Upper
ore
aloc
ate
Equal
variances
assumed
.092 .767 4.F19 11 .9G1 -1.047 1.147 -3.572 1.477
Equal
variances
not
assumed
4.F;B 10.320 .9G: -1.047 1.155 -3.611 1.516
Datele de mai sus, prin intermediul testului F, ne indic faptul
c varianele la nivelul celor dou grupe sunt egale deoarece nivelul
de semnificaie indicat (0,767) este mai mare dect nivelul de
semnificaie avut n vedere (0,05) i, ca urmare, trebuie s acceptm
ipoteza nul a varianelor egale. n acest context testul t va avea
valabilitate.
Datele ne mai indic c valorile t calculat sunt: 0,913 n
condiiile n care se presupune existena varianelor egale i 0,906
n condiiile n care se presupune inegalitatea varianelor.
Valoarea critic a lui t la nivelul de semnificaie de 0,05 i la 11
grade de libertate este 2,201.
Rezult c t calculat (- 0,913 sau 0,906) este mai mare dect
valoarea sa critic ( 2,201) i, ca atare, trebuie s acceptm ipoteza
nul.
Aceeai concluzie privind ipoteza nul o obinem i din datele
tabelului n condiiile n care comparm nivelul de semnificaie indicat
pentru valoarea calculat a lui t cu nivelul de semnificaie al testului
pe care l-am stabilit. Dac nivelul de semnificaie indicat (rezultat), n
cazul nostru 0,381, este mai mare dect nivelul de semificaie d =
0,05, atunci se accept ipoteza nul. Dac este mai mic, ipoteza nul
se respinge.
Acceptarea ipotezei nule, n exemplul de mai sus, ne indic
faptul c ntre studenii celor dou grupe nu se manifest deosebiri
semnificative sub aspectul timpului mediu alocat sptmnal pentru
studiul individual.
39
'. Testarea (%eren#elor (ntre +e( 3n ca*ul eantoanelor
perec7.
n acest caz exist observri realizate n dou momente
diferite de timp, provenite de la membrii aceluiai grup. Spre
exemplu, performanele sub forma unui scor mediu, pentru un grup
de persoane care au urmat o form de perfecionare, realizate nainte
i dup parcurgerea acesteia.
Realizarea testului presupune:
- formularea ipotezei nule care arat inexistena unei
diferene ntre performanele atinse nainte de parcurgerea
pregtirii respective i cele obinute dup : H
0
:
1
=
2
iar
H
1
:
1
=
2
;
- stabilirea diferenei d
i
dintre cele dou scoruri
corespunztoare fiecrui cuplu de observri din cele n
existente;
- calculul mediei i a dispersiei diferenelor:
n
d
d
n
i
i
1
( )
1
1
2
2
n
d d
s
n
i
i
d
- determinarea abaterii standard a diferenelor, s
d
, ca radical
din dispersie;
- calculul raportului critic pe baza relaiei:
( )
n
s
d
n
s
d
RC
d d
2 1
- stabilirea regulii de decizie privind ipoteza nul:
o se accept ipoteza nul dac valoarea raportului critic
determinat n contextul distribuiei z sau t este mai
mic dect valoarea teoretic din tabelul distribuiei
respective;
o se respinge ipoteza nul dac valoarea RC este mai
mare.
40
c. Testarea (%eren#elor (ntre (ou! procente
De la dou populaii independente, deci de la dou eantioane,
pot rezulta dou procente a celor care opteaz pentru ceva. Se pune
problema de a cunoate dac ntre cele dou populaii se manifest
diferene semnificative n cazul variabilei studiate.
Testul necesit urmtoarele determinri:
a)stabilirea ipotezei nule i a uneia din ipotezele alternative
posibile:
H
0
:
1
=
2
H
1
:
1
=
2
H
1
:
1
>
2
H
1
:
1
<
2
b) determinarea raportului critic:
( ) ( )
2 1 2 1
2 1 2 1 2 1
p p p p
p p p p
RC
deoarece :
1
2
= 0 cnd H
0
este adevrat
unde: p
1
= procentul din eantionul grupului 1
p
2
= procentul din eantionul grupului 2
1
-
2
= procentul presupus al populaiei 1 minus
procentul presupus al populaiei 2
2 1
p p
,
_
+
2 1
2 1 2 1
1 1
)
n n
q p S
p p p p
41
unde:
p
= estimarea comun a procentului de succes la nivelul
celor dou eantioane
( ) p q 100
arat estimarea comun a procentului de
insucces la nivelul celor dou eantioane
n
1
, n
2
, = mrimea eantionului pentru grupul 1 i pentru
grupul 2
Pentru a calcula estimatorul comun
p
se folosete relaia:
2 1
2 2 1 1
n n
p n p n
p
+
+
i!
E
determinarea valorii
2
calc.
( )
r
i
c
! i!
i! i!
c"#c
E
E $
1 1
2
2
unde: O
ij
= frecvena observat n celula ij
E
ij
= frecvena ateptat n celula ij
stabilirea regulii de decizie privind ipoteza nul. Aceasta
presupune compararea valorii
2
calc.
cu valoarea teoretic
2
;
df
din tabelul repartiiei
2
avnd n vedere nivelul de
semnificaie ales i numrul gradelor de libertate calculat
astfel: (r-1)(c-1) unde r reprezint numrul de rnduri iar c
numrul de coloane. Regula de decizie va fi:
- se accept H
0
dac
2
calc.
2
; df
- se respinge H
0
i se accept H
1
dac
2
calc.
>
2
; df
Precizri:
1. Testul 0
2
se poate folosi i n varianta univariabil, adic
atunci cnd avem n vedere o sn1ur! 3ntre'are care poate fi
msurat nominal, ordinal sau metric, i dorim s cunoatem dac
diferite categorii de subieci (dou sau mai mult de dou categorii) se
difereniaz ntre ele prin prisma rspunsurilor date.
Spre exemplu, dac o anumit categorie de subieci prefer
sau nu o anumit marc a unui produs. Dorim s aflm dac cei care
prefer se difereniaz semnificativ de situaia n care raportul dintre
cei care prefer i cei care nu prefer ar fi egal cu unu (sau, n
procente, 50% prefer, 50% nu prefer). n acest caz, exprimat prin
44
procentele din parantez, avem n vedere o anumit ipotez sau o
distribuie teoretic (ateptat) predeterminat. Metodologia de
testare este similar cu cea menionat mai nainte.
2. Testul 0
2
are anumite l+te (e aplcare i anume:
dac n tabelul de contingen sunt numai dou celule, n
ambele frecvenele ateptate trebuie s fie 5 sau mai mare
dect 5 pentru ca testul s fie posibil i corect;
pentru mai mult de dou celule testul hi ptrat nu se poate
aplica dac mai mult de 20% din celulele care conin
frecvenele ateptate au frecvene mai mici dect valoarea
5.
S e5e+pl%c!+ precizrile de mai sus, avnd n vedere trei
categorii de subieci, pornind de la o situaie ipotetic.
La disciplina MK studenii anului , din cele trei grupe, au
susinut un examen ce a presupus evaluarea lor pe patru mari
calificative: f. bine, bine, suficient, insuficient. Profesorul respectiv
dorete s afle dac ntre cele trei grupe exist deosebiri
semnificative sub aspectul nivelului de pregtire al studenilor.
Frecvenele observate i cele ateptate necesare determinrii
valorii 0
2
se afl n urmtorul tabel de contingen generat de
programul SPSS:
Tabel 16.6 Distribuia calificativelor pe membrii grupelor
nu+ar H cal%cat$ Crossta'ulaton
cal%cat$ Total
foarte bine bine satisfacat. insufic.
numar 1rupa 1 Count 3 6 7 6 22
Expected
Count
4.2 5.1 6.2 6.5 22.0
1rupa 2 Count 6 6 7 6 25
Expected
Count
4.7 5.7 7.1 7.4 25.0
1rupa 9 Count 5 5 7 10 27
Expected
Count
5.1 6.2 7.7 8.0 27.0
Total Count 14 17 21 22 74
Expected 14.0 17.0 21.0 22.0 74.0
45
Count
Se poate constata c din cele 12 celule ce conin frecvene
ateptate numai dou au valori mai mici dect 5.
De altfel, acest aspect este precizat n urmtoarea situaie care
red valoarea calculat a lui hi ptrat:
Tabel 16.7 Rezultate ale testului hi ptrat
C74&Duare Tests
Value df
Asymp. Sig.
(2-sided)
Pearson Chi-Square 2.046(a) 6 .915
Likelihood Ratio 2.044 6 .916
Linear-by-Linear
Association
.111 1 .739
N of Valid Cases
74
a. 2 4e!!# 516.767 8"9e e:+e4$ed 42*%$ !e## $8"% 5. T8e m%m*m e:+e4$ed 42*%$
# 4.16.
Valoarea calculat F
calc.
= 2,046 la un nivel de semnificaie de
0,915, s-a realizat n condiiile n care numai 2 celule, adic 16,75%
au coninut valori ateptate mai mici dect 5. Testul este valid n
aceste condiii.
Valoarea critic a lui hi ptrat din tabel, avnd n vedere un
nivel de semnificaie de 0,05 i 6 grade de libertate este 12,59.
Deoarece valoarea calculat este mai mic dect valoarea critic se
impune a accepta ipoteza nul. De asemenea, din tabel rezult c
nivelul de semnificaie indicat 0,915 este mai mare dect nivelul
acceptat de 0,05 ceea ce conduce la acceptarea ipotezei nule. Ca
urmare, se impune concluzia c performanele celor trei grupe de
studeni obinute la examenul MK. nu difer ntre ele.
Testul Ilco5on , testul se+nulu al ran1ulu0
Testul Wilcoxon se folosete pentru compararea mrimii
diferenelor dintre (ou! or(on!r care pot proveni de la dou
eantioane dependente. Se testeaz dac dou ordonri sau dou
variabile care se pot afla ntr-o legtur au aceeai distribuie. Nu
exist nici o informaie cu privire la forma distribuiei celor dou
46
variabile i, ca atare, testul face parte din categoria testelor
neparametrice.
Testul statistic este bazat pe rangurile pe care le primesc
valorile absolute ale diferenelor dintre cele dou variabile. Testul
Wilcoxon se poate manifesta att ca test bilateral ct i unilateral.
Aplicarea testului o vom exemplifica lund n considerare un
experiment care presupune dou eantioane dependente, adic un
grup de persoane, relativ mic, (n<30) de la care se obin date nainte
i dup experiment. Datele sunt msurate fie cu o scal ordinal ce
conduce la scoruri numerice, fie cu o scal interval care poate reda
direct scorurile obinute de fiecare persoan, nainte i dup
realizarea experimentului.
E5e+pl%care.
S presupunem c un director de liceu dorete s cunoasc
dac un program special de pregtire a unui grup de elevi a avut un
rezultat semnificativ pentru ca acetia s poat participa la o
olimpiad internaional.
n tabelul urmtor sunt prezentate evalurile asupra nivelului
pregtirii celor 11 elevi, nainte i dup programul special de
pregtire.
Tabel 16.8 Evaluarea pregtirii elevilor
Elev Scorul
"nainte"
Scorul
"dup"
Semnul
diferenei
Diferena
absolut
Ordinea
diferenelor
Semnul ordonrii
Pozitiv Negativ
1
2
3
4
5
6
7
8
9
10
11
66
58
74
69
60
45
86
65
82
80
71
76
62
72
76
58
41
92
73
77
80
80
+
+
-
+
-
-
+
+
-
-
+
10
4
2
7
2
4
6
8
5
0
9
10
3,5
1,5
7
1,5
3,5
6
8
5
-
9
10
3,5
7
6
8
-
9
1,5
1,5
3,5
5
-
-
1
x
= 68,7
2
x
= 71,5
Tp = 43,5 Tn = 11,5
47
poteza nul: H
0
: 2 1
x x
adic programul de pregtire nu a
avut nici un impact asupra elevilor.
poteza alternativ: H
1
: 2 2
x x
adic programul de pregtire a
avut un impact pozitiv.
Pornind de la scorurile realizate "nainte" i "dup" se
calculeaz semnele i diferenele absolute dintre fiecare pereche de
observri. Dac dou evaluri sunt identice, ele se exclud din analiz
(elevul nr. 10)
Se face apoi o ordonare a diferenelor n funcie de mrimea lor
absolut. Dac sunt dou sau mai multe perechi cu valori absolute
egale ale diferenelor, (elevii 3 i 5) se determin un nivel mediu al
scorului care exprim ordinea (locul 1 + locul 2 = 3 : 2 = 1,5). La fel
se procedeaz i n cazul elevilor 2 i 6.
n final, n funcie de semnul + sau - al diferenei se face
repartizarea scorului ordonrii (rangului obinut) i apoi se realizeaz
totalul corespunztor valorilor pozitive i celor negative. T
p
simbolizeaz suma pozitiv iar T
n
suma negativ.
6aloarea T
o's.
va fi dat de cea mai mic valoare care poate fi,
fie cea a lui T
p
fie cea a lui T
n
. n exemplul nostru, valoarea cea mai
mic, 11,5, este cea a lui T
n
. Deci, valoarea calculat sau observat a
lui T este 11,5 (ca valoare negativ).
Re1ula (e (ec*e: n testul Wilcoxon pote*a nul! este
respins dac valoarea calculat a lui T este egal sau mai mic
dect valoarea critic a lui T care se gsete ntr-un tabel special
(valorile critice ale lui T n testul bilateral Wilcoxon avnd n vedere n,
numrul de perechi, i diferite nivele de semnificaie). Deci:
dac T
obs.
> T
d; n
H
0
se respinge
T
obs.
> T
d; n
H
0
se accept
n cazul nostru, cnd avem n =10 i admitem un nivel de
semnificaie de 0,05, T din tabel reprezint valoarea 8. Deoarece T
obs.
= 11,5 > T
tabel
= 8, nu putem respinge ipoteza nul. Se accept!
pote*a nul! a inexistenei unor diferene semnificative, adic
pregtirea realizat nu a avut un impact semnificativ asupra grupului
de elevi propui a merge la olimpiad.
O prelucrare a datelor anterioare cu programul SPSS conduce
la urmtoarele rezultate:
48
Tabel 16.9 Statistica descriptiv: medii i abateri standard
Descrpt$e &tatstcs
N Mean
Std.
Deviation Minimum Maximum
scorante
11 68.73 11.875 45 86
scor(upJ
11 71.55 13.567 41 92
Mai sus sunt evideniate mediile performanelor nainte i dup
experiment, care, conform ipotezei nule, nu reflect diferene
semnificative. n continuare, sunt prezentate mediile rangurilor i
suma pozitiv i negativ a acestora.
Tabel 16.10 Situaia rangurilor
RanKs
N Mean Rank Sum of Ranks
scor(upJ 4
scorante
Negative Ranks 4(a) 2.88 11.50
Positive Ranks 6(b) 7.25 43.50
Ties 1(c)
Total 11
a scordup < scorante, b scordup > scorante, c scordup = scorante
n tabelul de mai jos se prezint rezultatul testului statistic
avnd n vedere valoarea calculat a mrimii z.
Tabel 16.11 Rezultatele testului Wilcoxon
Test &tatstcs,'0
scor(upJ 4
scorante
Z -1.633(a)
Asymp. Sig. (2-
tailed)
.102
a Based on negative ranks.
b Wilcoxon Signed Ranks Test
Se poate constata statistica testului Wilcoxon, bazat pe suma
cea mai mic a rangurilor, care este suma lor negativ, i valoarea
testului exprimat prin valorile z, care este 1,633. La un nivel de
49
semnificaie de 0,05 valoarea standardizat z n cazul unui test
bilateral reprezint 1,96.
Deoarece z calculat (-1,633) este mai mare dect valoarea sa
critc (-1,96), respectiv nivelul de semnificaie indicat (0,102) este
mai mare dect 0,05, ipoteza nul se accept.
Rezult c programul special de pregtire nu a generat
diferene semnificative sub aspectul pregtirii grupului de elevi
propui a merge la o olimpiad.
Testul Kolmogorov Smirnov
Testul Kolmogorov-Smirnov este un test neparametric care se
utilizeaz n cazul eantioanelor independente cnd avem n vedere
$ara'le or(nale ce au puine modaliti [11, p.322 ]. El se aplic fie
cu scopul comparrii rspunsurilor provenite de la dou eantioane
independente de mrimi diferite, fie cu scopul comparrii repartiiei
rspunsurilor observate cu o repartiie definit a priori, n cazul a
dou eantioane independente de aceeai mrime.
Dac vom lua n considerare eantioane independete de
mrimi diferite, pentru acestea se calculeaz frecvenele relative
cumulate F
1
(k) i F
2
(k) unde k reprezint o modalitate a variabilei
ordinale. Notm cu n
1
i n
2
mrimile celor dou eantioane. Prin
intermediul testului se urmrete s se verifice statistic dac exist
diferene ntre repartiiile celor dou eantioane. potezele se enun
astfel:
H
0
: diferena maxim ntre cele dou frecvene cumulate este
zero;
H
1
: diferena maxim ntre cele dou frecvene cumulate este
diferit de zero
Testul presupune identificarea unei diferene calculate, notat
D
calc.
, ca (%eren#! +a5+!) adic mrimea absolut cea mai mare
dintre diferenele frecvenelor cumulate, aferente fiecrui nivel al
variabilei ordinale cercetate. Deci,
D
calc
= max F
1
(k) F
2
(k)
k
Valorile D
calc
, pentru un test bilateral,
se compar cu valoarea
teoretic cupris n tabelul repartiiei Kolmogorov Smirnov, avnd n
50
vedere un nivel de semnificaie i mrimea celor dou
eantioane .De reinut c n cazul unui test unilateral intervine
repartiia
2
.
Valorile teoretice pentru D n cazul a dou eantioane
independente de mrimi diferite i pentru = 0,05, se determin pe
baza relaiei:
2 1
2 1
%
n n
n n
&' 1 (
+
-
Regula de decizie va fi:
- se accept H
0
dac D
calc
D
critic
- se respinge H
0
i se accept H
1
dac D
calc
> D
critic
Pentru e5e+pl%care vom folosi urmtoarele situaii ipotetice:
a.Un grup de studeni a realizat o cercetare de marketing
privind calitatea serviciilor oferite de Biblioteca Central. Ei au vrut s
cunoasc dac exist deosebiri de apreciere ntre studeni i
studente. Cele dou eantioane au curpins 150 studente i 100
studeni. Scala ordinal are 5 valori iar nivelul de semnificaie ales
este de 0,05.
Tabel 16.12 Frecvenele relative privind aprecierile studenilor
Aprecierea &tu(en# &tu(ente Diferena
Necumulat Cumulat Necumulat Cumulat (F1 - F2)
1 2 3 4 5 6
- extrem de mulumit
- mulumit
- nici / nici
- nemulumit
- extrem de nemulumit
0,185
0,330
0,185
0,155
0,145
0,185
0,515
0,700
0,855
1,000
0,175
0,310
0,195
0,165
0,155
0,175
0,485
0,680
0,845
1,000
0,010
0,030
0,020
0,010
0,000
potezele cercetrii:
H
0
: diferena maxim dintre frecvenele relative, cumulate,
pentru studeni (F
1
) i pentru studente (F
2
) este zero.
51
H
1
: diferena maxim dintre frecvenele cumulate studeni -
studente este diferit de zero.
Pentru nivelul de semnificaie ales d = 0,05 (test bilateral)
valoarea teoretic a lui D, n cazul a dou eantioane independente
de mrimi diferite (n
1
i n
2
> 35) se calculeaz, pornind de la valorile
critice D pentru testul Kolmogorov - Smirnov, pe baza relaiei
menionate mai sus.
n cazul nostru vom avea:
)*1+, -
1)) 1,)
1)) . 1,)
1*&' - (
,
_
c
!
! !
0 0 n
1
2
c-1
MS ntre niv =
1
%9. ;%$&e
c
SS
%9. ;%
%9. ;%$&e
MS
MS
6
c"#c
n
interiorul
nivelelor
SS n nivele:
( )
!
n
i
c
!
! i!
0 0
1 1
2
n-c
MS n nivele =
c n
SS
%9e!e ;%
____
Total
SST:
,
_
!
n
i
c
!
i!
0 0
1 1
2
n-1 ____ ____
E5e+plu:
O ferm agricol care produce gru dispune de 12 hectare de
teren de aceeai calitate. Fermierul se angajeaz ntr-un experiment
cu scopul de a alege n final o marc de ngrmnt fertilizator care
s-i asigure cea mai mare producie. A avut la dispoziie trei mrci de
ngrminte: m
1
, m
2
, i m
3
.
Cele 12 hectare sunt nsmnate n aceeai manier, n
aceeai zi. Aleator, se aloc cte un hectar pentru fiecare marc de
ngmnt. Rezult c vor exista 4 hectare pe care s-a aplicat
marca 1, patru hectare marca 2 i celelalte 4 hectare marca 3.
Dup recoltare, de pe fiecare lot de cte 4 hectare pe care s-au
aplicat cele trei mrci de ngrminte, sunt obinute urmtoarele
cantiti:
Tabel 16.14 Cantiti recoltate
Cantitate n Kg per hectar alocat
+1 +2 +9
h1 = 4500 h2 = 5500 h5 = 3700
h6 = 4400 h4 = 6600 h9 = 4100
h8 = 5000 h7 = 5700 h7 = 3800
h11 = 4600 h12 = 6100 h10 = 3600
Se pune ntrebarea dac cele trei tratamente, adic cele trei
mrci de ngrminte au generat cantiti de gru semnificativ
diferite.
55
poteza nul presupune c mediile recoltelor influenate de cele
trei mrci de ngrminte sunt egale. poteza alternativ arat c
mediile recoltelor sunt semnificativ diferite.
Pentru a-l obine pe F calculat vom realiza prelucrarea datelor
de mai sus cu programul SPSS, pentru ANOVA cu o singur variabil
i vom obine urmtorul rezultat presupunnd c varianele sunt egale
n cazul celor trei populaii:
Tabel 16.15 Rezultate ANOVA
CANT.REC
Sum of
Squares
df Mean Square C Sig.
Between Groups 9645000.000 2 4822500.000 =1.1=; .;;;
Within Groups 1055000.000 9 117222.222
Total 10700000.000 11
Valoarea critic a lui F avnd n vedere un nivel de semnificaie
de 0,05, cu 2 grade de libertate la numrtor i 9 la numitor este
4,26.
Deoarece Fcalculat (41,140) este mai mare dect valoarea sa
critic (4,26) ipoteza nul se respinge. De asemenea, ipoteza nul se
respinge deoarece nivelul de semnificaie indicat (0,000) este mai mic
dect nivelul stabilit de 0,05.
Se accept pote*a alternat$! care indic existena unor
deosebiri semnificative ntre mediile recoltelor care au beneficiat de
aportul celor trei mrci de ngrminte.
Nivelul de semnificaie pentru variana dintre grupuri este zero
ceea ce excude posibilitatea ca F calculat s conduc la acceptarea
ipotezei nule. Sunt situaii cnd dup respingerea ipotezei nule, cu
att mai mult n cazul n care sunt mai multe tratamente, se pune
problema de a obine o informaie suplimentar, i anume, aceea de
a cunoate care +e( (%er! se+n%cat$ 3ntre ele.[ 23, p.331-332]
Se ridic ntrebarea dac diferenele existente 3ntre perec7 (e
+e( sunt suficient de mari pentru a ajunge la concluzia c exist o
diferen semnificativ ntre mediile tratamentelor respective. Aceasta
56
implic folosirea unui test care are la baz distribuia t. Si n acest caz
se are n vedere respectarea condiiei ca variana s fie aceeai
pentru populaiile avute n vedere.
Toate aceste determinri pentru toate combinaiile posibie sunt
oferite de urmtoarea situaie, rezultat din analiza ANOVA, n
condiiile n care lum n considerare dou posibiliti:
ipoteza c varianele populaiilor sunt egale (test LSD bazat
pe distribuia t)
ipoteza c varianele nu sunt egale (test Tamhane bazat pe
distribuia t ):
Tabel 16.16 Comparaii perechi n cazul testului LSD i
testuluiTamhane
Multiple Comparisons Depen(ent 6ara'le. CANT.REC
()
ingrasaminte
(J)
ingrasaminte
Mean
Difference (-J)
Std. Error Sig.
95% Confidence nterval
Lower BoundUpper Bound
LSD m1 m2 -1350.00 242.09 .000 -1897.66 -802.33
m3 825.00 242.09 .008 277.33 1372.66
m2 m1 1350.00 242.09 .000 802.33 1897.66
m3 2175.00 242.09 .000 1627.33 2722.66
m3 m1 -825.00 242.09 .008 -1372.66 -277.33
m2 -2175.00 242.09 .000 -2722.66 -1627.33
Tamhane m1 m2 -1350.00 242.09 .017 -2357.65 -342.34
m3 825.00 242.09 .009 260.39 1389.60
m2 m1 1350.00 242.09 .017 342.34 2357.65
m3 2175.00 242.09 .003 1148.48 3201.51
m3 m1 -825.00 242.09 .009 -1389.60 -260.39
m2 -2175.00 242.09 .003 -3201.51 -1148.48
Observm c toate intervalele de ncredere pentru fiecare din
cele ase combinaii de medii i pentru fiecare din cele dou
posibiliti, nu conin valoarea 0 i au ambele limite cu acelai semn.
Aceasta nseamn c (%eren#ele (ntre +e( sunt se+n%cat$e
pentru orce co+'na#e pos'l!. De menionat c pentru fiecare
combinaie nivelul de semnificaie (Sig.) este extrem de mic sau
eroarea este exclus. Asfel, pentru combinaia m1/m2 eroarea este
exclus iar pentru combinaia m1/m3 ea este extrem de mic: 0,008
%.
57
Anal*a $aran#e a$2n( 3n $e(ere (ou! $ara'le
n acest caz, se urmrete studierea efectelor simultane pe
care le genereaz dou variabile independente, asupra variabilei
dependente.
Prec*are: n cazul ANOVA cu dou variabile, modelul liniar
aditiv pentru o observare se prezint sub dou ipostaze dup cum
cele dou variabile independente se afl n interaciune, sau nu se
afl n raporturi de interaciune [ 3, p.480]:
a. dou variabile explicative care se a%l! 3n nterac#une.
y
i j k
=
0
+ R
i
+ C
j
+
i j
+ e
i j k
'. dou variabile explicative care nu se a%l! 3n raportur (e
nterac#une.
y
i j k
=
0
+ R
i
+ C
j
+ V
r
unde:
y
i j k
= valoarea variabilei dependente pentru observarea k din
eantionul cu n
j
nivele ale rndurilor (i = 1...n
j
) i cu c
nivele ale coloanelor (j=1...c)
0
= media general a variabilei dependente
R
i
= efectul mediu al nivelului i al variabilei de pe rnduri (
0
i
-
0
)
C
j
= efectul mediu al nivelului j al variabilei de pe coloane (
0
j
-
0
)
i j
= efectul mediu de interaciune rezultat din nivelul i al
variabilei de pe rnduri i nivelul j al variabilei de pe
coloane (
0
i j
-
0
i
-
0
j
+
0
) unde:
0
i j
= media variabilei dependente la nivelul i al variabilei de
pe rnduri i nivelul j al variabilei de pe coloane
Vr = valoarea rezidual n cazul variabilelor fr interaciune.
e
i j k
= eroarea n cazul variabilelor cu interaciune
Pornind de la modelul ANOVA cu dou variabile, pe baza
metodei celor mai mici ptrate, putem determina componentele
sumei ptratelor abaterilor totale astfel:
a. 3n ca*ul a (ou! $ara'le care nterac#onea*!:
58
Suma total a ptratelor abaterilor = Suma ptratic a
abaterilor de pe rnduri + Suma ptratic a abaterilor de pe coloane
+ Suma ptratic a abaterilor de interaciune + Suma ptratic a
erorii; deci,
SST = SSC + SSR + SS + SSE
'. 3n ca*ul a (ou! $ara'le care nu nterac#onea*!.
SST = SSC + SSR + SSV
r
Dup realizarea determinrilor de mai sus, rezultatele pot fi
sintetizate n urmtoarele dou tabele n funcie de relaiile care se
manifest ntre cele dou variabile independente:
Tabel 16.17 ANOVA cu dou variabile fr interaciune
Tipul varianei
Suma
ptratelor
Grade de
libertate
Media sumei
ptratelor Fcalc
De pe coloane SSC c-1
1
c
SSC
MSC
r
MSV
MSC
De pe rnduri SSR
r-1
1
r
SSR
MSR
r
MSV
MSR
Valoare
Rezidual
SSVr
n-r-c+1
1 +
c r n
SSV
MSV
r
r
Total
SST
n-1
Testul de semnificaie statistic are n vedere %ecare $ara'l!
n parte. Deci, vom avea cte o ipotez nul i o ipotez alternativ
pentru variabila de pe coloane i pentru variabila de pe rnduri.
Tabel 16.18 ANOVA cu 2 variabile aflate n interaciune
Sursa varianei Suma Grade de Media ptratelor Fc a l c
59
ptratelor libertate
de pe coloane SSC c - 1
1 7 c
SSC
- MSC
MSE
MSC
de pe rnduri SSR r - 1
1 7 r
SSR
- MSR
MSE
MSR
interaciune SS rc-c-r +1 sau
(r - 1)(c - 1)
1 . r 7 c 7 rc
SSI
- MSI
MSE
MSI
eroare SSE n - rc
rc 7 n
SSE
- MSE
____
Total SST n - 1 - -
ANO6A cu tre $ara'le a%late 3n nterac#une
S presupunem, n continuare, c avem n vedere un
experiment care urmrete s cunoasc modul n care sunt
influenate vnzrile unui anumit produs (n milioane lei) innd
seama de trei modaliti de reclam (A,B, C) de trei categorii de
preuri (R, M, P) i de trei dimensiuni ale magazinelor (m, mj., mc.) n
care se vinde produsul respectiv, n condiiile n care se presupune
existena unor interaciuni ntre cele trei variabile independente.
Schema pe baza creia se desfoar experimentul este
urmtoarea:
Tabel 16.19 Vnzri n funcie de trei variabile
RECLAMA PRE|UR MAGAZNE VNZR
A R m 60
A M mj 70
A P mc 75
B R m 55
B M mj 77
B P mc 80
C R m 55
60
C M mj 65
C P mc 70
A R m 65
A R mj 60
A R mc 50
B M m 78
B M mj 70
B M mc 62
C P m 85
C P mj 75
C P mc 65
A R m 64
A M m 70
A P m 65
B R mj 66
B M mj 71
B P mj 68
C R mc 56
C M mc 62
C P mc 68
Pe baza datelor obinute, din prelucrarea lor cu programul
SPSS s-au obinut urmtoarele rezultate care conduc la realizarea
testului F:
Tabel 16.20 Rezultate ANOVA cu trei variabile n interaciune
Depen(ent 6ara'le. $an*ar
Source
Type Sum of
Squares
df Mean Square F Sig.
Model 122647.667(a) 21 5840.365 633.293 .000
recla+a 221.232 2 110.616 11.FF= .;;G
cate1pret 896.352 2 448.176 =G.:FN .;;;
+a1a*n 102.319 2 51.159 :.:=N .;=9
reclama *
categpret
57.961 3 19.320 2.;F: .2;2
reclama *
magazin
63.886 3 21.295 2.9;F .1NB
categpret *
magazin
77.338 3 25.779 2.NF: .191
reclama *
categpret *
magazin
52.913 3 17.638 1.F19 .22F
Error 55.333 6 9.222
Total 122703.000 27
61
Rezult c F calculat pentru reclam este 11,994, pentru preuri
48,597, pentru marimea magazinelor 5,547, pentru interaciunea
reclam-preuri 2,095, pentru interaciunea reclam-magazin 2,309,
pentru interaciunea preuri-magazin 2,795 iar pentru interaciunea
reclam-pre-magazin 1,913
Valorile critice din tabelul distribuiei F, avnd n vedere nivelul
de semnificaie de 0,05 i numrul corespunztor al gradelor de
libertate de la numrtor i numitor pentru variabilele menionate sunt
urmtoarele: 4,46 pentru reclam, preuri i mrimea magazinelor i
3,84 pentru pentru toate cele patru tipuri de interaciuni.
Rezult c pote*a nul! se respn1e 3n ca*ul celor tre
$ara'le i se poate astfel constata c diferitele categorii ale celor
trei variabile au efecte care se difereniaz semnificativ ntre ele. n
schimb, pote*a nul! 3n ca*ul e%ectelor (e nterac#une se
accept!, astfel nct acestea nu se difereniaz ntre ele.
Constatrile de mai sus, se pot detalia sub forma comparrii
mediilor categoriilor celor trei variabile att n situaia ipotezei
varianelor egale ct i a ipotezei varianelor inegale.
Cap.1N. M&"RAREA A&OCIERII DINTRE 6ARIA8ILE
Sunt numeroase situaiile cnd ntre dou variabile de
marketing pot exista relaii de asociere, adic o legtur mai mult sau
mai puin puternic, de acelai sens sau de sens contrar.
Msurarea i testarea gradului de asociere dintre variabile se
realizeaz prin intermediul unor metode statistice, fiecare dintre
acestea avnd n vedere modalitile de msurare a variabilelor,
natura eantioanelor i numrul acestora.
Studierea asocierii dintre dou variabile are n vedere:
de a pune n eviden printr-un test, existena unei
asocieri, adic a unei legturi mai mult sau mai puin
puternice;
de a msura intensitatea legturii;
de a cunoate direcia de evoluie a variabilelor respective
(variaii n acelai sens sau n sens contrar).
62
Faptul c dou variabile se afl n relaii de asociere nu
nseamn c ntre ele exist o relaie de cauzalitate. Exist
posibilitatea ca simultaneitatea variaiei a dou variabile s rezulte
din asocierea lor comun cu o a treia variabil, care, de fapt, nu face
obiectul analizei. n acest caz se impune a identifica care este cea
de-a treia variabil.
Trebuie menionat faptul c +a-ortatea testelor (e
co+parare a (%eren#elor (ntre (ou! $ara'le, pe care le-am
trecut n revist mai nainte, ne indic i e5sten#a sau ne5sten#a
une le1!tur ntre variabilele respective.
n continuare vom trece n revist, cu precdere, metodele de
msurare a n$elulu ,ntenst!#0 sensulu (e asocere dintre
dou variabile.
M!surarea asocer (ntre $ara'le no+nale
n analiza rezultatelor unei anchete sunt numeroase situaiile
cnd dou variabile msurate folosind scala no+nal! au fost puse
n legtur. Relaiile dintre asemenea dou variabile sunt prezentate
ntr-un tabel de contingen. Semnificaia statistic a legturii dintre
ele, i deci dac variabilele respective sunt sau nu sunt asociate, se
determin pe baza testulu nepara+etrc
2
despre care am
discutat deja. Testul
2
nu ne indic ns gradul de asociere sau
intensitatea legturii dintre cele dou variabile.
Pentru msurarea asocierii dintre variabile nominale se pot
utiliza i alte tehnici neparametrice printre care mai des folosite sunt:
coeficientul de contingen C, coeficientul T al lui Ciuprov,
coeficientul V a lui Cramer [11, p.341]
a. Coe%centul (e contn1en#! C. Se determin pe
baza relaiei:
n
C
+
2
2
unde:
C = coeficientul de contingen
2
= valoarea calculat a lui
2
n cazul celor dou
variabile nominale
63
n = mrimea eantionului sau numrul total de
observaii.
Cu ct C este mai mare, cu att mai puternic este legtura
dintre variabile. Cnd C = 0 se manifest o situaie de independen,
variabilele nefiind legate ntre ele (n acest caz
2
= 0 ).
Mrimea coeficientului de contingen este o funcie a
numrului de celule din tabelul de contingen i acesta niciodat nu
poate atinge valoarea maxim egal cu 1, chiar dac ntre variabile
ar fi o asociere perfect. Valoarea limit a lui
2
este egal cu n(k-1),
unde k reprezint numrul de modaliti sub care se manifest
variabila independent. Valoarea maxim a lui C va fi deci,
C
max
=
8
8 1
Spre exemplu, valoarea maxim a lui C va fi 0,707 pentru un
tabel 2x2, 0,816 pentru un tabel 3x3, 0,866 pentru un tabel 4x4 etc.
Pentru a aprecia gradul de intensitate a legturii, valoarea calculat a
lui C se va compara cu nivelul su maxim ce poate fi atins.
'. Coe%centul T al lu Cupro$.
Acest coeficient are n vedere numrul de grade de libertate
existente ntr-un tabel de contingen. Astfel, pentru un tabel cu r linii
i c coloane, numrul gradelor de libertate va fi df = (r-1)(c-1). El se
determin astfel:
d9 n
T
2
Acest coeficient poate avea valori cuprinse ntre 1 i
+1.Valoarea 1 va exista numai atunci cnd una din diagonale va fi
nul, adic a = d = 0 sau b = c = 0. Valorile apropiate de 1 sau +1
indic o asociere puternic sau foarte puternic ntre cele dou
variabile, n timp ce valorile apropiate de zero arat inexistena
legturii dintre variabile. Semnificaia statistic a coeficientului se
determin folosind repartiia
2
, pe baza relaiei:
2
= n
2
.
Coe%centul O a lu Pule. Relaia de calcul este:
bc "d
bc "d
:
+
3
1
2
6
1
unde: d
i
= diferena rangurilor observate ntre cele dou
ordonri
n = numrul de elemente de clasificat.
Coeficientul de corelaie a rangurilor variaz ntre 1 i +1.
Atunci cnd exist o asociere pozitiv perfect, el este +1; cnd
asocierea este negativ, perfect, el este 1; cnd este zero ntre
cele dou ordonri nu exist nici o relaie.
Coeficientul de corelaie al lui Spearman se recomand a fi
utilizat numai n cazul n care se constat o le1!tur! lnar! ntre
cele dou variabile. Diferenele dintre rangurile celor dou variabile
trebuie s aibe ntotdeauna un neles i o explicaie logic.
Coe%centul ,tau0 (e corelare a ran1urlor a lu ?en(all
n esen, construirea coeficientului de corelare se bazeaz pe
aflarea numrului de puncte discordante i a celor concordante dintre
perechile de observri.
66
Dou observri sunt concordante dac x
i
< x
j
i, n acelai
timp, dac y
i
< y
j
. Ele sunt discordante dac x
i
< x
j
, dar n schimb, y
i
> y
j
. Dac vom nota:
d
ij
= 1 cnd i i j sunt concordante i
d
ij
= -1 cnd i i j sunt discordante, atunci:
n
i
n
!
i!
d :
1 1
Relaia pe baza creia se calculeaz coeficientul de corelaie a
rangurilor a lui Kendall este:
( ) 1
2
n n
:
n
i
n
i
i i
n
i
i i
0 0 x x
0 0 x x
r
1 1
2 2
1
unde:r = coeficientul de corelaie
x, y = cele dou variabile
0 * x
= mediile eantionului de valori ale lui x, respectiv
ale lui y
Valoarea absolut a coeficientului de corelaie exprim fora
sau intensitatea asocierii liniare dintre variabila x i variabila y.
Semnul coeficientului reflect sensul de corelare: valorile pozitive
67
corespund variaiilor de acelai sens, valorile negative indic variaii
de sens contrar.
n practic, n funcie de nivelul atins de coeficientul de
corelaie, intesitatea legturii dintre cele dou variabile se apreciaz
astfel:
0 r < 0,2 nu exist o legtur semnificativ;
0,2 r < 0,5 exist o legtur slab;
0,5 r < 0,75 exist o legtur de intensitate medie;
0,75 r < 0,95 exist o legtur puternic;
0,95 r < 1,00 exist o legtur perfect (funcional).
Testul de semnificaie pentru coeficientul de corelaie i
propune s afle dac la nivelul populaiei din care a provenit
eantionul poate exista o corelaie zero.
n ipoteza n care cele dou variabile sunt distribuite normal i
ipoteza nul va fi deci, H
0
: r = 0, adic lipsa legturii, iar H
1
: y = 0,
adic corelaia la nivelul populaiei este diferit de zero, atunci:
r
7 1
2 7 n r
-
t
2
r
Acest indice reprezint legea lui Student cnd sunt (n - 2) grade
de libertate i ipoteza nul este adevrat. Dac numrul de
observaii este mai mic dect 30 se va utiliza distribuia t. Dac sunt
peste 30 de observaii, distribuia t reprezint o distribuie normal i
vom utiliza valorile distribuiei z.
n legtur cu determinarea i cu semnificaia coeficientului de
corelaie se mai impun cteva prec*!r:
a. ambele variabile (x, y) trebuie s fie msurate cu o scal
metric (interval sau proporional) ;
'. relaia dintre variabile s fie liniar;
c. corelaia dintre cele dou variabile nu implic automat relaii
de cauz - efect. Sunt situaii cnd cele dou variabile se pot
modifica datorit influenei exercitate de o a treia variabil. n
acest caz, relaia dintre cele dou variabile este numai
aparent.
68
(. un coeficient foarte slab sau nesemnificativ de corelaie nu
presupune n mod necesar lipsa oricrei asocieri. ntre cele
dou variabile se poate manifesta o asociere nonliniar, caz
n care , desigur, r este zero.
Cap. 1G EQPERIMENTE DE MAR?ETIN@. CONIN"T"L I
CONCEPTELE EQPERIMENT"L"I DE MAR?ETIN@
Caracteristica de baz a experimentului n cercetarea de
marketing o reprezint anal*a rela#lor cau*!4e%ect dintre dou sau
mai multe variabile.
n procesul experimentrii ipoteza de cauzalitate se manifest
de cele mai multe ori prin compararea efectelor induse asupra unei
variabile dependente de ctre diferii factori experimentali. n acest
sens, n cadrul experimentului, cercettorul va modifica de fiecare
dat o variabil, sau un factor, meninnd constante celelalte
variabile sau ceilali factori.
Orice experiment pleac de la ipoteza c modificarea factorului
experimental genereaz anumite e%ecte sau rezultate care pot fi
msurate. Aceasta nseamn c ntr-un experiment, o variabil
independent este supus modificrii iar efectul acestui tratament
asupra variabilei dependente este msurat i apoi analizat, n
condiiile n care celelalte variabile se menin constante.
Variabila independent, care de cele mai multe ori este
calitativ, supus controlului cercettorului, n funcie de obiectivele
cercetrii, se poate manifesta sub diferite n$ele. Aceste nivele
alternative care sunt stabilite de cercettor, cu scopul de a cunoate
efectele pe care le genereaz asupra variabilei dependente,
reprezint trata+entele e5per+entale.
Experimentul de marketing mai necesit existena unitilor sau
grupurilor experimentale i a grupurilor de control.
"ntatea sau 1rupul e5per+ental reprezint subiecii supui
tratamentului experimental. Pentru fiecare din tratamente se impune
cte un alt grup experimental.
@rupul (e control este ansamblul subiecilor care asigur
controlul condiiilor de experimentare, adic grupul cruia nu i se
aplic tratamentul experimental.
69
Experimentul de marketing necesit selecia i desemnarea
unt!#lor (e testare, adic a acelei entiti (persoan, familie, firm)
a crui rspuns la tratamentele experimentale se observ i se
msoar. Desemnarea aleatoare att a participanilor la grupurile
experimentale i de control ct i a tratamentelor experimentale
reprezint cea mai bun procedur.
Un aspect esenial al experimentrii l reprezint controlul
asupra variabilelor externe sau variabilelor din afar. Prin $ara'le
e5terne sau variabile din afar nelegem acele surse de influen
care nu sunt luate n considerare n procesul experimentrii, dar a
cror influene asupra variabilei dependente pot distorsiona
rezultatele experimentului. Deoarece orice experimentator nu dorete
ca variabilele externe s influeneze rezultatul, atunci acesta trebuie
s controleze aceste variabile, adic s poat s cunoasc influena
acestora sau s le elimine.
Experimentul nu este scutit de erori. Erorile experimentale sunt
eroarea aleatoare de selecie i eroarea sistematic de experiment.
Eroarea aleatoare (e selec#e se datoreaz ansei,
diferenelor intrinseci dintre uniti. Ea reflect deci o fluctuaie de
ordin statistic care se manifest cnd repetarea experimentului poate
favoriza uneori o condiie experimental iar alteori alta.
Eroarea sste+atc! (e e5per+ent se manifest cnd
variabilele externe sau condiiile de realizare a experimentului
influeneaz variabila dependent ori de cte ori se repet
experimentul.
Tpur (e e5per+ente. 6al(tatea e5per+entulu
n funcie de numrul variabilelor independente supuse
tratamentului experimental putem distinge:
a. scheme experimentale de baz (unifactoriale);
b. scheme experimentale factoriale (multifactoriale).
O sc7e+! e5per+ental! (e 'a*! are n vedere o singur
variabil independent care este supus controlului pentru a
cunoate efectele sale asupra unei singure variabile dependente.
Acest schem se mai numete schem unifactorial deoarece se
are n vedere un experiment cu un singur factor.
&c7e+a e5per+ental! %actoral! presupune luarea n
considerare a influenei exercitate asupra unei variabile dependente
70
de ctre mai multe variabile independente care pot aciona simultan
i ntre care pot exista interaciuni.
n funcie de mediul n care se desfoar experimentul putem
distinge:
a. experimente de teren;
b. experimente de laborator.
E5per+entele (e teren sunt cele care au loc n cadrul natural,
firesc, de manifestare a fenomenelor de marketing.
E5per+entele (e la'orator presupun existena unor condiii
artificiale care, practic, n totalitatea lor sunt controlate de ctre
cercettori.
n faa managerilor i cercettorilor se ridic dou mari
probleme atunci cnd apare cerina de a opta pentru un anumit
proiect de experimentare sau de a-l evalua: problema validitii
interne i problema validitii externe. [ 6, p. 5-9]
6al(tatea ntern! se refer la ntrebarea dac tratamentul
experimental reprezint singura cauz care genereaz schimbrile
intervenite n cadrul variabilei dependente. n situaiile n care
efectele sau rezultatele obinute la nivelul variabilei dependente
conin i influene ale variabilelor i factorilor exteriori, care nu pot fi
departajate de efectul factorului experimental, interpretarea relaiei
cauz efect va fi nereal, eronat. Numai atunci cnd exist
certitudinea c re*ultatele o'#nute sunt atr'ute e5clus$
trata+entulu e5per+ental se poate afirma c experimentul are
$al(tate ntern!.
6al(tatea e5tern! are n vedere pos'ltatea 1eneral*!r
re*ultatelor e5per+entulu la nivelul ntregii piee sau mediului
exterior. Se pune deci problema de a cunoate n ce msur se pot
extinde rezultatele experimentului la lumea real a activitii
economice.
Te7nc ,tpur (e sc7e+e 0 (e proectare a
e5per+entelor
Proectarea unu e5per+ent este procesul de structurare
anticipat printr-un model sau o schem a diferitelor combinaii de
factori care constituie tratamentele alese pentru a fi aplicate unor
grupe de uniti experimentale. [9, p.43]
71
Schema de proiectare a unui experiment de marketing
reprezint un plan care stabilete structurarea experimentului avnd
n vedere 5 componente:
1. tratamentele experimentale;
2. unitile sau grupurile experimentale supuse testrii;
3. grupurile de control;
4. variabila dependent care face obiectul msurrilor;
5. modalitile de control asupra variabilelor externe.
n teorie ct i n practic exist un numr mare de tehnici sau
scheme de experimentare. n cazul n care avem n vedere unul sau
mai muli factori studiai, adic una sau mai multe variabile
independente, cele mai importante scheme sunt acelea care au n
vedere nu+!rul (e %actor e5teror ce pot % controla#. Ele sunt:
b. proiectarea complet aleatoare (unifactorial) atunci cnd
nici un factor exterior nu poate fi controlat;
c. proiectarea unifactorial cu ajutorul blocurilor aleatoare
atunci cnd se controleaz un singur factor exterior;
d. proiectare unifactorial cu msurri repetate ale acelorai
uniti experimentale;
e. proiectarea unifactorial cu ajutorul blocurilor aleatoare cnd
se are n vedere doi factori exteriori;
f. proiectarea (factorial) complet aleatoare a experimentelor
cu doi factori;
g. proiectarea cu ajutorul blocurilor aleatoare a experimentelor
cu doi factori;
h. proiectarea (factorial) complet aleatoare a experimentelor
cu trei factori;
i. proiectarea (unifactorial) de tipul ptratelor latine atunci
cnd pot fi controlai, n anumite condiii, doi factori exteriori;
j. proiectarea (unifactorial) de tipul ptratelor greco latine
cnd pot fi controlai trei factori exteriori.
Te7ncle sau sc7e+ele (e (e proectare a e5per+entelor
au diferite nivele de complexitate. Pentru a surprinde esena i
complexitatea principalelor scheme de experimentare se va folosi
urmtoarea notare [29, p.306]:
72
X = expunerea grupului la un tratament experimental;
O = msurarea efectelor la nivelul variabilei dependente; n
cazul mai multor msurri se va utiliza O
1
, O
2
, O
3
etc., n
ordinea lor temporal;
R = semnific stabilirea aleatoare a grupurilor i a
tratamentelor.
&c7e+e (e e5per+entare s+ple
a. sc7e+a pre4test!r post test!r 1rupulu
e5per+ental) %!r! 1rupul (e control/
- grupul experimental: R O
1
X O
2
n acest caz se consider, ca ipotez, c diferena O
2
O
1
este
datorat n exclusivitate influenei factorului experimental. O
asemenea schem se poate folosi atunci cnd se dorete a se
cunoate dac o form de pregtire a unui grup a avut sau nu un
impact pozitiv.
'. sc7e+a post testare cu 1rup (e control
- grup experimental: R X O
1
- grup de control: R O
2
Efectul tratamentului experimental: O
1
O
2
Un asemenea experiment se poate utiliza cnd se dorete,
spre exemplu, a se afla efectul asupra vnzrilor a promovrii prin
mostre gratuite a unui produs nou. Aceasta nseamn c ntr-un
numr dat de magazine se distribuie mostre, iar n acelai numr de
magazine de acelai tip i dimensiuni ca primele, nu se distribuie
mostre. Dup o perioad de timp se compar vnzrile din cadrul
celor dou seturi de magazine i se trage concluzia care se impune.
c. sc7e+a pre4test!r post test!r 1rupulu
e5per+ental) plus 1rupul (e control/
- grupul experimental: R O
1
X O
2
- grupul de control: R O
3
O
4
73
Efectul tratamentului experimental se determin: (O
2
O
1
) (O
4
O
3
). n acest mod se obine o estimare a factorului experimental
care nu mai conine efectul altor factori.
(. sc7e+a celor patru 1rupur a testulu lu &olo+on.
Schema experimentrii reunete cele dou scheme anterioare
i are n vedere aplicarea aceluiai tratament experimental, X,
ambelor grupuri:
- grupul experimental 1: R O
1
X O
2
- grupul de control 1: R O
3
O
4
- grupul experimental 2: R X O
5
- grupul de control 2: R O
6
Nivelul variabilei care ne intereseaz, anterior testrii, se
determin ca o medie a celor dou pre-teste:
( )
3 1
2
1
$ $ +
Cele patru grupuri vor cuprinde mai multe tipuri de efecte i
anume: efectul tratamentului experimental (E), efectul pre-testrii (M),
efectul de interaciune dintre pretestare i tratament () i efectul
variabilelor exterioare, necontrolabile (U). La nivelul grupurilor aceste
efecte sunt:
Grupul experimental 1: O
2
O
1
= M + E + + U
Grupul de control 1: O
4
O
3
= M + U
Grupul experimental 2:
( ) ; E $ $ $ + +
3 1 5
2
1
Grupul de control 2:
( ) ; $ $ $ +
3 1 6
2
1
&c7e+e co+ple5e (e e5per+entare
A. E5per+ente cu un sn1ur %actor e5per+ental
Aceste scheme au ca obiectiv (eter+narea e%ectelor +a
+ultor n$elur ,trata+ente e5per+entale0 ale unu sn1ur %actor
e5per+ental asupra a dou sau a mai multor grupuri experimentale.
74
a. Proectarea co+plet aleatoare.
Este o schem care se bazeaz pe alegerea complet aleatoare
a subiecilor grupurilor experimentale cu scopul cercetrii efectelor
unei singure variabile independente. n cadrul proiectrii complet
aleatoare nc una (n $ara'lele e5terne nu este controlat!. Se
consider ca ipotez c variabilele externe (din afar) au o influen
relativ egal asupra tuturor unitilor experimentale.
Se msoar deci numai efectul fiecrui tratament al unei
variabile independente asupra variabilei dependente.
Proiectarea complet aleatoare implic urmtoarele activiti,
pornind de la o situaie ipotetic care are n vedere testarea a trei
tipuri de ambalaje:
stabilirea ipotezei ce urmeaz a fi testat: exist cel puin un
ambalaj mai bun dect celelalte;
repartizarea aleatoare a celor trei tratamente prevzute
pentru fiecare din cele trei uniti experimentale; matricea de
organizare a datelor ntr-o proiectare complet aleatoare
cuprinde pe rnduri (linii) nivelurile variabilei dependente iar
pe coloane nivelurile factorului experimental;
msurarea rezultatelor vnzrilor pe parcursul unei perioade
de timp;
realizarea analizei statistice pe baza analizei varianei
(ANOVA) pentru a constata dac tratamentele dau rezultate
semnificativ diferite.
Pe baza datelor primare rezultate din experiment, aa dup
cum s-a procedat n cazul ANOVA cu o singur variabil, se va
determina: variana total (SST), variana ntre grupuri (SS ntre
nivele) care reflect influena factorului experimental i variana n
interiorul grupurilor (SS n nivele) sau eroarea experimental.
Verificarea semnificaiei statistice a rezultatelor se va face utiliznd
testul F (Fisher). Va rezulta dac cele trei modaliti de ambalare au
o influen semnificativ asupra vnzrilor i, apoi, care modalitate
are cea mai puternic influen.
Este puin probabil ca variabilele externe s nu aib nici o
influen asupra vnzrilor. Pentru a elimina influena unei asemenea
75
variabile, cea care este considerat ca fiind cea mai important, se
impune utilizarea schemei de proiectare cu ajutorul blocului aleator.
'. Proectarea ,un%actoral!0 cu a-utorul 'locurlor
aleatoare a unu %actor e5teror
Se urmrete identificarea efectului une sn1ure $ara'le
e5terne, considerat a fi cea mai important, pentru ca aceasta s
nu distorsioneze efectul tratamentului aplicat variabilei
independente. Controlul se poate realiza sub forma unui bloc
complet sau incomplet.
Deosebirea dintre proiectarea cu ajutorul blocurilor aleatoare i
proiectarea complet aleatoare const n modalitatea de organizare a
unitilor experimentale. n cazul proiectrii complet aleatoare
unitile experimentale sunt repartizate n mod aleator pe diferitele
niveluri ale factorului experimental, asigurnd, de obicei, un numr
egal de uniti pe fiecare nivel. n cazul proiectrii cu ajutorul
blocurilor aleatoare repartizarea unitilor experimentale pe diferitele
nivele ale factorului experimental se face tot aleator, n condiiile n
care acestea sunt organizate n blocuri, adic n grupuri relativ
omogene. Folosirea blocurilor aleatoare se recomand ori de cte ori
exist o eterogenitate a unitilor experimentale cu privire la variabila
respectiv.
&c7e+a 'loculu co+plet.
S presupunem c variabila extern pe care o cercetm o
reprezint +!r+ea +a1a*nulu. n acest scop se vor constitui trei
grupe de magazine omogene sub aspectul mrimii lor: mari, mijlocii i
mici. Fiecare din cele trei categorii de magazine poart denumirea de
'loc. La nivelul fiecrui bloc se aplic tratamentele experimentale
prevzute i astfel se realizeaz o schem n bloc complet.
S presupunem c trebuie comparate patru tpur (e
a+'ala-e n cadrul a patru magazine mari, a patru magazine mijlocii
i a patru magazine mici, n total, 12 magazine. Vom nota aceste
magazine cu litere mici:
Magazine mari: a b c d
Magazine mijlocii: e f g h
76
Magazine mici: i j k l
Cele patru tratamente le vom nota cu litere mari: A, B, C, D. Ele
se vor repart*a aleator pentru fiecare grup de magazine. Se vor
realiza aleator trei combinaii din cele patru litere:
D C B A
D A C B
C B A D
Rezult c repart*area aleatoare a trata+entelor pe
magazine va fi:
Magazine mari: aD bC cB dA
Magazine mijlocii: eD fA gC hB
Magazine mici: iC jB kA lD
Analiza rezultatelor se va realiza prin metoda analizei varianei
pe baza schemei blocului complet.
Procedura este urmtoarea:
se determin variana total a variabilei dependente
se determin variana ntre blocuri
se determin variana n interiorul blocurilor
Variana n interiorul blocurilor se compune din:
o variana datorat factorului experimental
o variana datorat erorii experimentale
Determinrile se fac folosind metoda ANOVA n condiiile
organizrii unitilor experimentale pe blocuri.
Pornind de la exemplul de mai sus, s presupunem c n cadrul
celor trei categorii de magazie n care am experimentat vnzarea
produsului P ambalat n patru categorii distincte de ambalaje s-au
nregistrat urmtoarele vnzri, n milioane lei, pe parcursul a 30 de
zile:
77
Tabel 18.1 Vnzri n raport cu mrimea magazinului i modalitatea
de ambalare
Categoria
magazinului
Modalitatea de ambalare aplicat aleator
mic 25D 36C 61B 52A
mijlociu 30D 48A 75C 66B
mare 65C 72B 86A 78D
Prelucrarea datelor de mai sus cu SPSS ofer urmtoarele
informaii:
Tabel 18.2 Media general a vnzrilor
Depen(ent 6ara'le. 6AN>ARI
Mean Std.
Error
95% Confidence
nterval
Lower
Bound
Upper
Bound
57.833 1.673 53.740 61.927
Tabelul de mai sus ne indic media general (57,83 mil.)
abaterea standard i cele dou limite ale intervalului de ncredere.
Tabel 18.3 Media vnzrilor n raport cu mrimea magazinelor
Depen(ent 6ara'le. 6AN>ARI
marime
mag
Mean Std.
Error
95% Confidence
nterval
Lower
Bound
Upper
Bound
mic 43.500 2.898 36.410 50.590
mijlociu 54.750 2.898 47.660 61.840
mare 75.250 2.898 68.160 82.340
Se poate constata existena unor medii relativ bine difereniate
ale vnzrilor n raport cu mrimea magazinelor.
Tabel 18.4 Media vnzrilor n raport cu modul de ambalare
78
Depen(ent 6ara'le. 6AN>ARI
tip
ambalaj
Mean
Std.
Error
95% Confidence
nterval
Lower
Bound
Upper
Bound
A 40.000 3.346 31.813 48.187
B 52.000 3.346 43.813 60.187
C 74.000 3.346 65.813 82.187
D 65.333 3.346 57.146 73.520
Vnzrile medii n funcie de ambalaj sunt, de asemenea,
difereniate.
Tabel 18.5 ANOVA n raport cu factorul exterior i cu factorul
experimental
Depen(ent 6ara'le. 6AN>ARI
Source
Type Sum
of Squares
df
Mean
Square
F Sig.
MAGAZNE 2073.167 2 1036.583 30.866 .001
AMBALAJ 2009.000 3 669.667 19.940 .002
Error 201.500 6 33.583
Total 4283.667 11
Testul, pe baza datelor tabelului de mai sus, ne arat c n
cazul influenei exercitate de factorul exterior, considerat a fi mrimea
magazinelor ($aran#a 3ntre 'locur) F calculat reprezint 30,87 iar
pentru factorul experimental, cele patru tipuri de ambalare, F calculat
reprezint 19,94. Valorile critice F din tabel reprezint 5,14 n cazul
mrimii magazinului i 4,76 n cazul ambalajelor.
Rezult c, n ambele situaii, trebuie respins ipoteza nul i
acceptat ipoteza alternativ. n ambele cazuri nivelul indicat al
testului se situeaz sub 0,05.
Deci, ntre cele trei blocuri (mrimea magazinelor) ct i ntre
cele patru modaliti de ambalare ( factorul experimental) sunt
diferene semnificative sub aspectul efectelor generate la nivelul
variabilei dependente.
&c7e+a 'loculu nco+plet ,ca*ul eantoanelor ne1ale0
79
Se utilizeaz cnd numrul tratamentelor i numrul blocurilor
este mare, situaie care l face pe subiect s nu mai poat plasa
corect tratamentele n fiecare bloc.
Schema de experimentare n bloc incomplet (restrns) va
cuprinde deci un nu+!r +a +c (e unt!# e5per+entale per 'loc
comparativ cu numrul nivelelor factorului studiat. Complexitatea
acestei scheme depete ns cadrul acestei lucrri.
E5per+ente cu un sn1ur %actor cu +!sur!r repetate ale
acelora unt!# e5per+entale.
n cazul acestui tip de experiment [ 7, p.391] unitile de
observare sunt constituite din persoane care sunt supuse unui factor
experimental. Este evident c ntre persoanele care constituie
eantionul pot exista deosebiri sensibile i acestea se regsesc n
efectele tratamentelor experimentale. Pentru a obine rezultate
corecte se impune deci separarea efectelor generate de deosebirile
dintre indivizi de efectele tratamentelor factorului experimental.
Pentru acesta, fiecrui individ trebuie s-i administrm succesiv,
fiecare nivel al tratamentului experimental. Ca urmare, n acest caz,
avem n vedere eantioane pereche.
Schema de experimentare impune determinarea varianei totale
(SS
T
) care se compune din variana ntre persoane (SS
B
) i variana
caracteristicilor fiecrei persoane ce cuprinde, la rndul ei, variana
datorat factorului experimental (SS
Tr
) i variaa datorat erorii
experimentale (SS
E
). Modalitile de calcul sunt similare cu cele
prezentate anterior.
c. Proectarea cu a-utorul 'locurlor aleatoare a
e5per+entelor cu (o %actor e5teror.
Pentru a controla (ou! $ara'le e5terne, este posibil s se
utilizeze o sc7e+! strat%cat! pe (ou! n$ele, avnd n vedere,
spre exemplu, mrimea magazinului i zona geografic de amplasare
(trei provincii).
Schema bloc cu dou nivele atunci cnd testm patru
+o(alt!# (e a+'alare va fi:
80
M*%$e%"
Fig.18.1 Schema bloc cu dou nivele
n acest caz, fiecare tip de magazin va avea trei modaliti
(provinciile) astfel nct numrul total de blocuri va fi 9. (3 x 3). La
nivelul fiecrui bloc va trebui s avem un numr de magazine egal cu
cel al tratamentelor preconizate (4).
Deci, schema blocului complet va cuprinde 36 de magazine. (9
x 4).
Determinrile vor avea n vedere:
variana dintre blocuri;
variana n interiorul blocurilor care cuprinde:
o variana factorului experimental
o variana de interaciune
o eroarea experimental
S e5e+pl%c!+. Presupunem c se experimenteaz 4
modaliti de ambalare n trei categorii de magazine, mari, mijlocii i
mici, fiecare categorie fiind localizat n trei zone: Muntenia,
Transilvania i Oltenia, conform schemei de mai sus.
81
*%$<=
e:+e&me%$"!e
m"1",%e m"&
m"1",%e m3!24
m"1",%e m4
T&"%#!9"%"
O!$e%"
M*%$e%"
T&"%#!9"%"
O!$e%"
M*%$e%"
T&"%#!9"%"
O!$e%"
Tratamentele au fost repartizate aleator pe unitile
experimentale din fiecare bloc conform tabelului de mai jos.
Rezultatele experimentului desfurat pe parcursul a 40 de zile
sunt evideniate de vnzrile, n milioane lei, obinute n cele 36 de
magazine astfel:
Tabel 18.6 Vnzri n funcie modul de ambalare, mrimea
magazinelor i zona lor de amplasare
Mrimea
magazinului
Zona
Muntenia Transilvania Oltenia
mare
82A 80A 65B
79B 72C 70A
60D 61B 62C
75C 58D 45D
mijlociu
76C 70D 65B
86A 85B 75A
65D 75C 60D
80B 85A 70C
mic
80A 75B 60C
68B 65C 65B
57D 59D 55D
63C 80A 70A
O prelucrare SPSS conduce la urmtoarele rezultate:
Tabel 18.7 ANOVA n raport cu tratamentul experimental i influena
blocurilor
Depen(ent 6ara'le. 6AN>ARI
Source
Type Sum of
Squares
df
Mean
Square
F Sig.
AMBALAJ 1830.778 3 610.259 44.759 .000
BLOCUR 1206.556 8 150.819 11.062 .000
Error 327.222 24 13.634
Total 3364.556 35
Datele de mai sus arat componena varianei totale
(3364,556): varian datorat tratamentelor experimentale (ambalaj,
1830,778), varian datorat blocurilor, adic celor doi factori care le
compun (1206,556) i eroarea experimental (327,222).
82
n cazul ambalajului, F calculat reprezint 44,759 iar F critic
este 3,01 la un nivel de semnificaie de 0,05 i la 3 i 24 grade de
libertate la numrtor i respectiv la numitor.
Ca urmare, se respimge ipoteza nul i se accept ipoteza
alternativ a existenei unor diferene semnificative ntre nivelele
factorului experimental.
n cazul blocurilor, Fcalculat reprezint 11,062 iar F critic este
2,36 la un nivel de semnificaie de 0,05 i la 8 i 24 grade de libertate
la numrtor i respectiv la numitor. Si n acest caz se respinge
ipoteza nul i se accept ipoteza alternativ a existenei unor
diferene semnificative ntre nivelele celor doi factori exteriori.
Pentru a aprofunda analiza se impune a se cunoate i
n%luen#ele separate a celor dou variabile exterioare, inclusiv a
interdependenei dintre ele, respectiv a mrimii magazinelor i a
zonelor n care sunt amplasate acestea.
Datele urmtoare reflect acest aspect:
Tabel 18.8 ANOVA n raport cu factorul experimental i
componentele blocurilor
Depen(ent 6ara'le. 6AN>ARI
Source
Type Sum of
Squares
df Mean Square F Sig.
MAGAZN 446.056 2 223.028 16.358 .000
ZONA 625.722 2 312.861 22.947 .000
MAGAZN * ZONA 134.778 4 33.694 2.471 .072
AMBALAJ 1830.778 3 610.259 44.759 .000
Error 327.222 24 13.634
Total 3364.556 35
Variana dintre blocuri (1206,556) este decompus pe
varianele generate de cei doi factori analizai, mrimea magazinului
(446,056) i zonele lor de amplasare (625,722), inclusiv efectul de
interaciune (134,778).
n privina mrimii magazinelor Fcalculat reprezint 16,358 iar F
critic este 3,40. Ca urmare, se respinge ipoteza nul. Rezult c
mrimea magazinelor are un impact semnificativ asupra vnzrilor.
n privina zonelor de amplasare a magazinelor Fcalculat
reprezint 22,947 iar Fcritic este 3,40. Si n acest caz se respinge
83
ipoteza nul. Ca urmare, zonele de amplasare a magazinelor au i
ele un impact semnificativ asupra volumului vnzrilor.
n cazul efectului de interaciune Fcalculat reprezint 2,471 iar
F critic este 2,78. n acest caz se accept ipoteza nul. Deci, efectul
de interaciune, nu are un impact semnificativ asupra vnzrilor.
Analiza se poate adnci n continuare pentru a identifica ntre
care tipuri de ambalaj, ntre care mrimi ale magazinelor i ntre care
zone sunt diferene semnificative.
8. E5per+ente ,proect!r0 +ult%actorale
Experimentele multifactoriale au n vedere investigarea
simultan a efectelor modificrii a (o sau +a +ul# %actor
e5per+ental asupra unei variabile dependente. Aceast analiz
evideniaz totodat i influena exercitat asupra variabilei
dependente a efectelor de interaciune care se pot manifesta ntre
factorii respectivi. Aceste experimente au un grad mai nalt de
complexitate i ofer, n schimb, posibilitatea obinerii unor informaii
multiple de calitate superioar.
Cele mai importante scheme de proiectare a experimentelor
multifactoriale sunt:
a. Proectarea co+plet aleatoare a e5per+entelor cu (o
%actor
Aceast schem are n vedere doi factori experimentali, A i B,
respectiv dou variabile independente, fiecare cu mai multe
modaliti.
Matricea de organizare a datelor observate are pe rnduri
nivelurile de manifestare a primului factor (1...a), a primei variabile A,
iar pe coloane nivelurile celui de al doilea factor (1..b), respectiv a
doua variabil independent B.
Matricea cuprinde totaluri i medii pe rnduri aferente fiecrui
nivel i totaluri i medii aferente nivelurilor de pe coloane. Dac se va
nota cu r numrul combinaiilor factorilor experimentali acesta va fi
egal cu produsul dintre a i b. Pentru fiecare combinaie ntre cei doi
factori experimentali se repartizeaz aleator n uniti experimentale.
84
Realizarea analizei n cazul proiectrii complet aleatoare a
experimentului cu doi factori impune:
calcularea varianei totale
o calcularea varianei datorate factorului A
o calcularea varianei datorate factorului B
o calcularea varianei datorate interaciunii dintre cei
doi factori
o calcularea varianei datorate erorii
Suma varianelor datorate factorului A i factorului B precum i
a interaciunii dintre ei este expresia varianei ntre grupuri, a
efectelor de tratament. Eroarea experimental reprezint variana n
interiorul grupurilor.
Plecnd de la aceste variane se determin n funcie de
gradele de libertate corespunztoare media ptratelor i apoi valorile
corespunztoare pentru F calculat. Din compararea acestor valori cu
valorite critice din tabelul distribuiei F se adopt deciza care se
impune privind ipoteza nul pentru fiecare tip de varian.
Procedura de calcul este similar cu cea folosit n cazul
ANOVA cu dou variabile aflate n interdependen.
'. Proectarea cu a-utorul 'locurlor aleatoare a
e5per+entelor cu (o %actor
Plecnd de la schema anterioar a organizrii datelor n cazul
proiectrii complet aleatoare, noua schem cu ajutorul blocurilor
aleatoare are urmtoarea structur de organizare a datelor: se
consider c prima unitate experimental din fiecare celul aparine
blocului 1, a doua unitate blocului 2, i aa mai departe, pn la
unitatea n ce va aparine blocului n. n aceste condiii cele n blocuri
sunt supuse unui numr de tratamente experimentale egal cu ab
avnd n vedere cele dou variabile A i B.
Recurgnd la analiza varianei se vor determina urmtoarele
tipuri de variane:
variana total care va cuprinde:
o variana ntre blocuri
o variana datorat factorilor experimentali
85
Variana datorat factorilor experimentali va cuprinde la
rndul ei:
variana datorat factorului A
variana datorat factorului B
variana de interaciune
variana datorat erorii experimentale
c. Proectarea co+plet aleatoare a e5per+entelor cu tre
%actor
O astfel de schem de proiectare are n vedere trei factori
(A,B,C), fiecare avnd un numr de nivele (a, b, c). Pentru fiecare
combinaie ntre aceti factori se repartizeaz aleator un numr de
uniti experimentale (n). Experimentul implic stabilirea urmtoarelor
variane:
variana total
variana datorat factorilor experimentali:
variana datorat factorului A
variana datorat factorului B
variana datorat factorului C
variana datorat interaciunii dintre factorii A i B
variana datorat interaciunii dintre factorii A i C
variana datorat interaciunii dintre factorii B i C
variana datorat interaciunii dintre factorii A, B i C
variana datorat erorii experimentale
Procedura de calcul este similar cu procedura ANOVA cu trei
variabile aflate n raporturi de interaciune.
(. &c7e+a (e e5per+entare cu (o %actor ,e5teror0
controla#. p!tratul latn.
Reprezint o alt modalitate de a controla dou variabile
externe. Aceast schem impune ns o serie de condiii i anume:
86
numrul tratamentelor s fie egal cu numrul modalitilor
fiecrui factor controlat;
efectele acestor factori s fie aditive iar ntre factori s nu
existe interaciuni.
S presupunem c vrem s comparm efectele a trei tipuri de
ambalaje (A, B, C) asupra vnzrilor unui produs. Cele dou variabile
exterioare sunt: mrimea magazinului (mare, mijlociu, mic) i
regiunea rii (Muntenia, Transilvania, Oltenia)
Ipote*a nul! a experimentului este aceea c efectele celor trei
tipuri de ambalaje asupra vnzrilor sunt identice, indiferent de
mrimea magazinelor i regiune.
Pentru a construi un ptrat latin de mrime 3 x 3 se procedeaz
astfel [11, p.211]:
a. se stabilete ordinea lexicografic: 3 tratamente pentru un
ptrat latin 3 x 3 unde A B C reprezint prima linie;
b. se realizeaz o permutare cicular a liniilor pentru a constitui
celelalte linii;
c. se aleg aleator cele trei coloane;
d. se aleg aleator liniile;
Presupunem c se ajunge la urmtoarea schem a ptratului
latin unde rndurile vor reprezenta primul factor controlat, iar
coloanele cel de al doilea factor:
Tabel 18.9 Schema ptratului latin
regiuni
Tipuri de
magazine
Muntenia Transilvania Oltenia
Mari
8 C A
Mijlocii
A 8 C
Mici
C A 8
87
Dac vom compara vnzrile B cu vnzrile A, ele nu vor mai
conine influena mrimii magazinului i influena zonei.
Dac n loc de regiuni vom avea perioada de timp (sptmna),
ca o alt variabil exterioar controlat, atunci, pe coloane, vom avea
sptmna 1, sptmna 2 i sptmna 3.
Analiza rezultatelor se realizeaz prin intermediul analizei
varianei adaptat schemei ptratului latin. Prin intermediul "testului
F" se va afla dac diferenele dintre tratamente sunt sau nu sunt
semnificative din punct de vedere statistic. Se va vedea deci dac
ipoteza nul se admite sau se respinge.
e. &c7e+a cu tre %actor controla#. p!tratul 1reco L latn.
Aceast schem prin care se controleaz trei variabile externe,
este o combinaie suprapus de dou ptrate latine.
Se procedeaz astfel: se obin dou ptrate latine, de mrime,
3 x 3, pe baza procedeului analizat anterior. Un ptrat va cuprinde
litere mari latine, care exprim cele trei tratamente, iar cellalt va
cuprinde litere gereceti care exprim cea de-a treia variabil
extern, s zicem, mrimea (capacitatea) ambalajului. n acest sens,
vom nota cu ambalajul de talie mare, cu cel de talie mijlocie i cu
cel de talie mic. Din suprapunerea celor dou ptrate va rezulta
un p!trat 1reco L latn de genul urmtor:
Primul ptrat Al doilea ptrat
88
< C A
A B C
C A B
B C A
A B C
C A B
Fig. 18.2 Ptrat greco latin
Transpunerea schemei de mai sus ntr-un tabel, va avea pe
rnduri tipurile de magazine iar pe coloane regiunile rii. Va rezulta,
spre exemplu, c un ambalaj de dimensiuni mari, , de tipul B se va
testa ntr-un magazin mare din zona Munteniei.
Ptratul greco - latin se mai poate utiliza i n situaii de tipul:
dou variabile exterioare controlate i dou variabile studiate sau o
singur variabil exterioar controlat i trei variabile studiate, care,
se presupune, c nu se afl n raporturi de interaciune.
Cap. 1F. Anal*a +ult$arat!.
Metodele de analiz multivariat ne ofer posibilitatea s
cunoatem efectele simultane a mai mult de dou variabile
independente asupra uneia sau mai multor variabile dependente.
Metodele statistice de analiz multivariat, n funcie de
raporturile care pot exista ntre variabila sau variabilele dependente i
variabilele independente, pot fi grupate n dou mari categorii: [ 29,
p.682 ]
a. metode de analiz a dependenelor
b. metode de analiz a interdependenelor
Fr a analiza pe larg coninutul acestor metode, deoarece
natura i complexitatea lor depesc cadrul acestei lucrri, vom
prezenta n cele ce urmeaz numai elementele principiale care le
definesc.
a. Meto(ele (e anal*! a (epen(en#elor explic sau prevd
evoluia uneia sau mai multor variabile dependente pe baza a trei sau
mai multor variabile independente. Aceste metode analizeaz deci
raporturi de dependen: cu+ $ara'la sau $ara'lele (epen(ente
(epn( (e $ara'lele n(epen(ente. Spre exemplu, cum evoluia
89
vnzrilor depinde de variabile precum: pre, reclam, ambalaj,
venituri etc.
Metodele de analiz a dependenelor se clasific att n funcie
de numrul variabilelor aflate n raporturi de dependen ct i n
funcie de modalitile de msurare a acestor variabile. Cele mai
importante metode sunt:
atunci cnd exist o singur variabil dependent, dac
aceasta este msurat metric, se utilizeaz analiza de
regresie multipl; dac este msurat nemetric, se face apel
la analiza discriminrii;
dac sunt mai multe variabile dependente, msurate metric,
se aplic analiza varianei multivariate, iar msurate
nemetric, se recurge la analiza conjoint;
cnd sunt numeroase variabile aflate n raporturi de
independen i dependen, msurate metric sau nemetric,
se face apel la analiza canonic.
Anal*a (e re1rese. Aceast metod descrie prin intermediul
unui model relaia liniar dintre o variabil dependent msurat cu o
scal metric i una sau mai multe variabile independente. Scopul
principal al analizei regresionale este acela de a explica variaia
variabilei dependente n funcie de covariana ei cu variabilele
independente. Spre exemplu, previzionarea cererii de mrfuri sau
servicii n funcie de venituri, preuri, reclam etc. Cnd relaia are n
vedere o singur variabil, se manifest regresia simpl, cnd sunt
mai multe variabile independente, se manifest regresia multipl.
Re1resa s+pl! este o funcie liniar de tipul:
/ x 0 + +
1 0
)
unde:
0)
= valoarea estimat a variabilei dependente y
0
i
1
sunt cei doi parametrii ai regresiei care urmeaz
a fi determinai
x = variabila independent ce se presupune cunoscut
e = o valoare aleatoare (eroare) ce exprim influena
unor factori neobservai, dar prezeni n variabila y.
Mo(elul re1rese lnare +ultple se prezint astfel:
i i8 8 i i i
/ x x x 0 + + + + +
2 2 1 1 0
)
90
unde:
0)
= valoarea estimat a variabilei dependente y
0
= interceptul (o constant)
1
.....
k
= cei k parametrii ai modelului
x
i1
, x
i2
,......x
ik
= variabile independente cu valori
cunoscute
e
i
= o variabil aleatoare care nsumeaz influena unor
variabile independente externe (necunoscute)
necuprinse n model cu efectele corespunztoare
asupra variabilei dependente (erorile).
Anal*a (scr+n!r are ca obiect studierea relaiilor dintre o
variabil dependent, msurat nominal, care presupune existena a
dou sau mai multor grupuri disjuncte, i un ansamblu de variabile
independente, explicative, msurate interval sau proporional.
Gruparea subiecilor n dou sau mai multe grupuri mutual exclusive
rezult din modalitile pe care le are variabila nominal. n funcie de
valorile variabilelor explicative se adopt o regul de decizie privind
apartenena indivizilor la o anumit clas.[ 26, p.695-698]
n marketing analiza discriminrii se folosete cu precdere n
n cercetrile care au ca obiectiv segmentarea pieelor.
Anal*a +ult$arat! a $aran#e. Analiza varianiei, (ANOVA)
care a fost abordat anterior, se poate extinde n mai multe direcii:
a explicrii mai multor variabile dependente msurate metric,
avnd n vedere mai multe variabile independente calitative;
n acest caz vorbim despre anal*a +ult$arat! a $aran#e
(MANOVA)
a analizei efectelor variabilelor independente msurate
metric i calitativ asupra unei variabile dependente msurat
metric; n acest caz avem n vedere anal*a co$aran#e
( ANCOVA)
a analizei efectelor mai multor variabile independente
msurate mixt (metric i calitativ) asupra mai multor variabile
dependente msurate metric; n acest caz se poate vorbi
despre anal*a +ult$arat! a co$aran#e (MANCOVA)
Aceste metode de analiz se utilizeaz frecvent n cazul
analizei datelor provenite din experimentele de marketing.
91
Anal*a con-ont. Obiectivul general al analizei conjoint este
acela de a explica preferinele consumatorilor pentru diferite produse
prin caracteristicile sau atributele acelor produse. Rolul specific al
analizei conjoint este acela de a studia structura op#un sau
ale1er, adic modul n care atributele produsului sunt percepute de
ctre consumator i se combin pentru a determina preferina sa
global. Obiectivul principal este acela de a descompune utilitatea
global a unui produs (a unui obiect sau a unei oferte) cu scopul de a
calcula utilitile pariale ale atributelor.[ 22, p. 72-74]
Anal*a canonc!. n esen, analiza canonic reprezint o
+eto(! (e stu(ere a le1!turlor (ntre (ou! ansa+'lur (e
$ara'le. Se studiaz astfel relaia liniar dintre un grup de variabile
dependente i un grup de variabile independente, cnd variabilele
respective sunt msurate cu ajutorul unor scale metrice sau
nemetrice. Se urmrete previziunea varianei setului de variabile
dependente avnd la baz covariana lor cu variabilele independente.
Spre exemplu, cnd cnd se studiaz fidelitatea consumatorilor fa
de un produs, aceasta se poate exprima prin mai multe variabile
precum: probabilitatea efecturii unei cumprturi, intervalul de timp
dintre dou cumprturi, i cantitile achiziionate odat. Aceste trei
variabile constituie setul variabilelor dependente. Pe de alt parte,
fidelitatea consumatorilor este determinat i de un set de variabile
constnd n atributele produsului precum: preul, aroma, gustul,
culoarea, ambalajul etc. Toate acestea constituie setul setul
variabilelor independente. (12, p. 459) Deci, cnd n indivizi sunt
descrii prin dou mulimi de variabile se caut examinarea
corelaiilor existente ntre aceste dou mulimi cu scopul de a ti dac
ele msoar sau nu aceleai proprieti.[ 27, p.92]
'. Meto(ele (e anal*! a nter(epen(en#elor. Aceast
categorie de metode are menirea de a da un neles unui set de
variabile sau de a grupa ntr-un anumit mod variabilele. Aceste
metode sunt utilizate n identificarea segmentelor de pia sau a
grupurilor care sunt cele mai profitabile pentru o firm. n funcie de
modul de msurare a variabilelor, metodele de analiz a
interdependenelor se pot clasifica astfel:
cnd variabilele sunt msurate metric: analiza n
componente principale, analiza grupurilor i analiza
corespondenelor;
92
cnd variabilele sunt msurate nemetric i metric: scalarea
multidimensional nemetric i metric;
Anal*a 3n co+ponente prncpale. Aceast metod are n
vedere o restructurare a $ara'lelor astfel nct un numr mic de
variabile s poat explica o parte important a informaiei generat
de un numr foarte mare de variabile. Analiza n componente
principale const deci n identificarea, pornind de la un ansamblu de
variabile, a unui numr foarte mic de %actor care pot sintetiza cea
mai mare parte a informaiei totale cuprinse n variabilele iniiale.
Fiecare factor n parte reprezint o combinaie liniar a unor variabile
iniiale. Spre exemplu, din 20 de variabile care definesc mrci de
automobile japoneze, se poate ajunge la 4 factori care s
caracterizeze sintetic mrcile respective. Pentru a extrage factorii
dintr-un ansamblu de variabile, se pot utiliza dou proceduri de
calcul, numite: analiza n componente principale i analiza factorial
"clasic.
Anal*a 3n co+ponente prncpale presupune c factorii sunt
exprimai sub forma unor combinaii liniare de variabile ( dup cum i
variabilele se pot exprima sub forma combinaiilor liniare de factori).
[ 27, p.76-79 ]
Anal*a %actoral! Rclasc! are n vedere faptul c fiecare
variabil se compune din dou pri: una care reprezint o
combinaie liniar de factori comuni i alta care reprezint eroarea.
Anal*a 1rupurlor , sau anal*a cluster 0. Este o metod ce
are n vedere 1ruparea indivizilor, caracterizai printr-o serie de
atribute, ntr-un numr restrns de clase omogene. Gruparea este
efectuat astfel nct s se satisfac simultan dou cerine: clasele
constituite (grupurile) s fie ct mai omogene, adic indivizii care le
vor compune s fie ct mai asemntori (similari), iar diferenele
dintre clase s fie ct mai pronunate, adic indivizii aparinnd unor
clase diferite s fie ct mai deosebii.[20, p.630-631]
Pentru identificarea grupurilor se pot folosi dou modaliti:
prima, are n vedere ntreaga mulime ce urmeaz a fi divizat n
grupuri omogene, iar a doua, pleac de la fiecare component a
mulimii care se adug succesiv la un anumit grup al componentelor
cu care se aseamn cel mai mult n raport cu criteriul utilizat. Si
aceast metod statistic multivariat se utilizeaz n identificarea
segmentelor de pia.
93
Anal*a corespon(en#elor. Obiectivul de baz al analizei
corespondenelor l reprezint studierea simultan a liniilor i
coloanelor unui tabel de contingen cu scopul de a pune n eviden
legturile sau corespondenele ntre cele dou ansambluri de
variabile. Sunt dou modaliti principale de realizare a analizei
corespondenelor:
analiza legturilor ntre cele dou variabile a cror observri
le regsim ntr-un tabel de contingen;
analiza legturilor existente ntre un ansamblu de variabile
(tipuri de rspunsuri ale subiecilor) i un alt ansamblu de
variabile calitative cu mai multe modaliti.
&calarea ne+etrc! sau +etrc! +ult(+ensonal!
reprezint tehnici folosite pentru msurarea opiniilor populaiei privind
obiectele i fenomenele care sunt supuse cercetrii, pe baza unor
criterii multidimensionale. Scalarea multidimensional permite
construirea unui spaiu perceptual n care se reprezint obiectele sau
fenomenele aa cum sunt ele percepute de subiecii respectivi.
Pe lng principalele metode de analiz prezentate anterior,
ncepnd cu cele univariate i terminnd cu cele multivariate,
cercetarea de marketing face apel i la alte metode, unele din ele
deosebit de complexe, iar altele de dat recent.
Astfel, anal*a structurlor latente) ca o metod relativ nou,
permite extragerea factorilor lateni, ca n cazul analizei factoriale, i,
n acelai timp, clasificarea componentelor populaiei cercetate n
grupuri omogene, ca n cazul analizei cluster. [ 12, p. 460 ]
Asimilarea acestor metode poate face obiectul unor cursuri
post-universitare, iar aplicarea lor n cadrul unor cercetri complexe
necesit, de cele mai multe ori, o colaborare ntre specialitii din
domeniul marketingului cu cei din domeniile statisticii, informaticii,
sociologiei, psihologiei i a altor tiine care se interfereaz cu
marketingul.
8I8LIO@RACIE
1. Aaker D., Day G. : Marketing Research. 4th ed. New York, John
Wiley, 1990.
94
2. Andrei T., Stanciu S.: Statistica . Teorie i aplicaii. Editura ALL,
Bucureti, 1995.
3. Baker J. Michael : Marketing. Sixth edition, MACMLLAN
Business, 1996.
4. Bardin L.: L'Analyse de contenu. Paris, PUF, 1977.
5. Bonoma V. Thomas.: Case research in marketing: oportunities,
problems and a proccess. Journal of Marketing Research, 12,
May, 1985.
6. Campbell Donald T., Stanley Julian C: Experimental and Quasi
Experimental Designs for Research.. Chicago, Rand Mc. Nally,
1963.
7. Ctoiu acob (coordonator), Carmen Blan, oana Cecilia
Popescu, Gheorghe Orzan, Clin Veghe, Tiberiu Dniu, Diana
Vrnceanu : Cercetri de Marketing. Editura Uranus, Bucureti,
2002.
8. Claire Selltiz, Lawrence S. Wrightsman, Stuart W. Cook: Research
Methods in Social Relations. New York, Holt, Rinehart and
Winstonn, 1976.
9. Drgan J. C., Demetrescu M. C.: Practica prospectrii pieei.
Editura EUROPA NOVA, Bucureti, 1996.
10. Erdos . P.: Professional Mail Surveys. Mc. Graw-Hill, New York,
1970,
11. Evrard Yves, Pras Bernard, Roux Elyette: MARKET. tudes et
recherches en marketing. NATHAN, 1993.
12. Florescu C., Mlcomete P., Pop Al. N. (coordonatori):
MARKETNG. Dicionar Explicativ. Editura Economic, Bucureti,
2003
13. Fournis Yves: Les tudes de Marche. Techniques d'enqute,
sondages, interpretation des rsultats. 3e dition. DUNOD, Paris,
1995.
14. Giannelloni Jean, Vernet ric: tudes de march. Vuibert Gestion.
15. Grais Bernard: Statistque descriptive, Troisieme edition, Dunod,
Paris, 1992.
16. Helfer J. P., Orsoni J.: Marketing, Vuibert Gestion, 1988.
17. Javeau Claude: L'enquete par questionnaire. Editions De
L'Universite De Bruxelles. Editions D'organisation, 1992.
18. Kauffmann Pascal: Statistique. nformation, Estimation, Tests.
Economie Module, 1994.
19. Kerlinger Fred N.: Bihavioral Research: A Conceptual Approach.
New York. Holt Rinehart and Winston, 1979.
95
20. Lehmann Donald R.: Market Research and Analysis. Third Edition,
RWN, 1989.
21. Lefter Constantin: Cercetarea de Marketing. Teorie i aplicaii.
Editura nfomarket, 2004
22. Lilien Gary L., Kotler Philip: Marketing Decision Making. A Model
Building Approach. Harper and Row,1983.
23. Lind A. D., Mason D. R.: Basic Statistics for Business and
Economics. Second Edition, rwin/McGraw-Hill, 1996
24. Moscarola J.: Enqutes et analyse de donnes. Vuibert Gestion,
Paris, 1990.
25. Moser A. C.: Metode de anchet n investigarea fenomenelor
sociale. Editura tiinific, Bucureti, 1967,, p.303
26. Parasuraman A.: Marketing Research. Addison-Wesley Publishing
Company, 1986.
27. Saporta G., Stefnescu V. Analiza datelor & informatic.Editura
Economic 1996.
28. Spircu Liliana, Calciu Mihai, Spircu Tiberiu: Analiza datelor n
marketing. Editura ALL, Bucureti, 1994.
29. Zikmund G. William: Exploring Marketing Research. Fifth Edition.
The Dryden Press, 1994.
96