Universitatea „Alexandru Ioan Cuza” Iași Centrul de Studii Europene

Metodologia cercetării-analiza cantitativă

Analiza piaței adidașilor brand:

NIKE, ADIDAS, LOTUS, PUMA

Profesor coordonator:

Studenți:

-2023- Studii Europene, an I

 Cuprins

Introducere 3

DEMERS METODOLOGIC 4

I. Formularea ipotezelor 4

II. Definirea variabilelor 5

III. Analiza și interpretarea datelor 6

IV. Concluzii 23

Referințe bibliografice 24

Introducere

2
 Dintre firmele renumite de adidași amintim: NIKE, ADIDAS, LOTUS, PUMA.

O cerere ridicată de adidași “de firmă” există din partea tinerilor, din rândul lor fiind și
cei mai mulți practicanți de sport, majoritatea studenți, ei caută produse cât mai frumoase,
confortabile și rezistente în timp. Aceste branduri de adidași: NIKE, ADIDAS, LOTUS și
PUMA, se găsesc de obicei în mall-uri sau prin reprezentanțe și distribuitori în marile orașe din
țară.

În cadrul acestui proiect se va încerca analiza modului în care diverși factori (variabile)
influențează cererea de adidași în rândul studenților.

Pentru a putea analiza problemele considerate, s-a aplicat un chestionar unui eșantion de
35 de persoane, studenți. Chestionarul a presupus răspunderea la un set de întrebări referitoare la
vârstă, anul de studiu, preferinţa pentru o anumită firmă de adidași conform preferințelor, venitul
lunar al studentului, preţul pe care acesta este dispus sa îl plătească pentru o pereche de adidași şi
cantitatea de produse cumpărate în intervalul unui an calendaristic.

Demers metodologic
3
 I. Formularea ipotezelor

Prima ipoteză:

Utilizarea încălțărilor „de firmă” în rândul studenților.

A doua ipoteză.

Prețul pe care studenții sunt dispuși să îl plătească în cadrul achiziției.

A treia ipoteză.

Proporţia persoanelor de sex feminin care cumpără adidași şi proporţia persoanelor de sex
masculin.

II. Definirea variabilelor

4
 Variabilele ce vor constitui baza de date din SPSS vor fi: vârsta, sexul persoanei, venitul,
firma producatoare de adidași, preţul acestora şi cantitatea.

III. Analiza și interpretarea datelor

5
-Definirea variabilelor şi introducerea datelor în SPSS

Atributele acestor variabile sunt definite în fereastra Data Editor – Foaia

VariableView: 

Figura 1 Fereastra Data Editor – Foaia Variable View pentru baza de date:Adidas.sav.

Astfel, baza de date ce va fi analizată este urmatoarea:

Figura 2 Fereastra Data Editor – Foaia Data View pentru baza

-Verificarea bazei de date. Depistarea outlierilor

Outlierile reprezintă valorile aberante înregistrate la nivelul unui eşantion şi se pot depista
pe baza graficelor care verifică normalitatea distribuţiilor variabilelor.

6
 Pentru această analiză se vor analiza ca variabile numerice preţul adidasului şi cantitatea
pe care studenţii sunt dispuşi să o achiziţioneze într-un an, iar ca variabile nominale sexul şi
firma adidasului preferată.

Outlierile se pot depista în cazul variabilelor numerice, iar valorile acestora se vor depista
astfel Analyze – Descriptive Statistics – Explore – Plots sau Analyze – Descriptive Statistics – Q-
Q Plots, outlierile fiind depistate implicit. Pentru variabila „Cantitate”:

În cazul acestei variabile în fereastra Explore se înlocuieşte în Dependent List variabila

„Preţ” cu variabila „Cantitate”.

Figura 3 Diagrama Boxplot pentru variabila „Preţ”

Figura 4 Diagrama Boxplot pentru variabila „Cantitate”

Interpretare: Aşa cum se observă, nu există valori aberante.

7
Verificarea normalităţii distribuţiilor

Pentru a verifica normalitatea distribuţiilor variabilelor „Preţ” şi „Cantitate” se folosesc

procedeele grafice Q-Q Plot, P-P Plot, Boxplot, histograma, testul Kolmogorov-Smirnov-
Lilliefors.

Pentru a putea depista şi outlierile se va folosi procedeul Q-Q Plot. Q-Q Plot compară
valorile ordonate ale variabilei observate cu valorile quantilice ale distribuţiei teoretice
specificate (în acest caz distribuţia normală). Dacă distribuţia variabilei testate este normală,
atunci punctele Q-Q conturează o linie care se suprapune cu dreapta care reprezintă distribuţia
teoretică, adică trece prin origine şi are panta egală cu 1.

Pentru acesta se va urmări demersul: Analyze – Descriptive Statistics – Q-Q Plots,– la

Variables se introduce variabila de analizat, iar la Test Distribution se alege Normal.

Pentru cele două variabile numerice rezultatele sunt următoarele:

Figura 5 Q-Q Plot pentru variabila „Preţ”

8
 Figura 6 Q-Q Plot pentru variabila „Cantitate”

Interpretare: Se observă că punctele nu sunt serios deviate de la linia dreaptă, ceea ce indică o
distribuţie normală.

-Analiza statistică univariată a datelor. Descrierea statistică a variabilelor nominale.

Cele două variabile nominale ce vor fi analizate sunt sexul persoanei chestionate şi firma
de adidasi folosita. Pentru a descrie aceste variabile se vor urma paşii: meniul Analyze –
Descriptive Statistics – Frequencies – Statistics (unde la Central Tendency se bifează Mode) şi
Charts (unde la Chart Type se bifează Pie sau Bar, iar la Chart Value Frequencies sau
Percentages). Astfel, se obţin următoarele rezultate:

Pentru variabila „Sexul persoanei” chestionate se obţin rezultatele:

9
 Sexul

Frequency Percent Valid Percent Cumulative Percent

Valid 1 7 36,8 36,8 36,8

2 12 63,2 63,2 100,0

Total 19 100,0 100,0  

Tabelul 7 Sexul persoanei

Figura 8 Diagrama Pie pentru variabila „Sexul persoanei”

Interpretare: Se observă şi din tabel şi din grafic că proporţia persoanelor de sex feminin din
eşantion este de 60%, iar cea a persoanelor de sex masculin este de 40%.

Pentru variabila „Firma adidasului”:

10
 Firma de adidași

Valid Cumulative

  Frequency Percent Percent Percent

Valid   1 5,3 5,3 5,3

adidas 7 36,8 36,8 42,1

bazar 6 31,6 31,6 73,7

lotus 1 5,3 5,3 78,9

nike 3 15,8 15,8 94,7

puma 1 5,3 5,3 100,0

Total 19 100,0 100,0  

Tabelul 9 Firma de adidași

11
 Figura 10 Diagrama Pie pentru variabila „Firma adidasului”

Interpretare: Dupa cum se observă atât din tabel cât şi din grafic proporţiile firmelor de adidași
sunt: PUMA(11.4%), LOTUS(5.7%), ADIDAS(40.0%), NIKE(14.3%), BAZAR(28.6%).

-Descrierea statistică a variabilelor numerice.

În cazul variabilelor numerice se foloseşte acelaşi demers ca în cazul variabilelor

nominale, cu diferenţa că se bifează toţi indicatorii din Statistics iar la Charts se bifează
Histograms. Astfel, se obtin următoarele rezultate:

12
 Prețul adidașilor

Frequency Percent Valid Percent Cumulative Percent

Valid 100 ron 3 15,8 15,8 15,8

150 ron 4 21,1 21,1 36,8

210 ron 4 21,1 21,1 57,9

270 ron 3 15,8 15,8 73,7

300 ron 2 10,5 10,5 84,2

450 ron 3 15,8 15,8 100,0

Total 19 100,0 100,0

Figura 11 Histograma și tabelul pentru variabila „Preţul produsului”

13
 Numărul de persoane

Valid Cumulative

Frequency Percent Percent Percent

Valid 1 4 21,1 21,1 21,1

2 10 52,6 52,6 73,7

3 3 15,8 15,8 89,5

4 2 10,5 10,5 100,0

Total 19 100,0 100,0  

Figura 12 Histograma și tabelul pentru variabila “Cantitate”

Interpretare: Pentru ambele variabile se citesc în tabel principalii indicatori: media, mediana,
varianţa, modul, valorile minime şi valorile maxime.

14
-Analiza statistică bivariată a datelor.

Analiza statistică a gradului de asociere între două variabile.

Gradul de asociere se poate studia pentru variabilele nominale, în acest caz sexul
persoanei şi firmele de adidasi folosite. Gradul de asociere presupune obţinerea tabelului de
asociere, în care sunt prezentate relaţiile dintre variabilele categoriale. În fiecare celulă a
tabelului este prezentată frecvenţa parţială, adică efectivul care poartă simultan o valoare a
fiecărei variabile. Obţinerea acestui tabel presupune următorul demers: Analyze – Descriptive
Statistics – Crosstabs. La „rows”-completăm „firma de adidași” iar la „columns”-completăm
„sex persoană”. La „statistics”-bifăm „Chi-square”:

Firma de adidași * sexul 

Crosstabulation

Count

Sexul

    1   2 Total

firma de adidas 2 6 8

adidași
bazar 3 3 6

lotus 0 1 1

nike 1 2 3

puma 1 0 1

Total 7 12 19

15
 Tabel 13 Statistică a gradului de asociere între firmele producatoare și sexul cumpărătorilor.

Chi-Square Tests

Asymptotic

Significance

Value df (2-sided)

Pearson 3,242a 4 ,518

Chi-Square

Likelihood Ratio 3,874 4 ,423

N of Valid Cases 19    

a. 9 cells (90,0%) have expected count less than 5. The minimum expected count is ,37.

Tabel 14 Testarea gradului de asociere folosind testul Chi – Square

Interpretare: În eşantionul analizat sunt 6 persoane de sex feminin care folosesc cu precădere
adidasi din BAZAR, 3 persoane de firma NIKE, 10 persoane de la firma ADIDAS, o persoana de
la firma LOTUS și o persoană de la firma PUMA. Persoanele de sex masculin care folosesc cu
precădere adidași sunt 4 persoane din BAZAR, 2 persoane de la firma NIKE, 4 persoane de la
firma ADIDAS, o persoana de la firma LOTUS și 3 persoane de la firma PUMA.

Analiza de regresie şi corelaţie

16
 Analiza de corelaţie presupune măsurarea gradului de intensitate a legăturii dintre
variabilele numerice precum şi testarea semnificaţiei legăturii. Acest lucru se realizează urmând
paşii: Analyze – Correlate – Bivariate. În cazul celor două variabile numerice studiate (preţul şi
numărul de adidasi cumpărați) se obţine următorul rezultat:

Correlations

prețul numărul de

  adidașilor persoane

prețul adidașilor Pearson 1 ,402

Correlation

Sig. (2-tailed)   ,088

N 19 19

numărul de Pearson ,402 1

persoane Correlation

Sig. (2-tailed) ,088  

N 19 19

Tabelul 15 Corelația

17
 Interpretare: Se observă că s-a obţinut un coeficient de corelaţie Pearson egal cu 0.514, ceea ce
înseamnă că între cele două variabile există o corelaţie directă, valoarea coeficientului fiind
apropiata de unu.

Testarea semnificaţiei coeficientului de corelaţie este realizată cu ajutorul testului t.

Valoarea Sig. corespunzătoare, egală cu 0.002, evidenţiază că s-a obţinut un coeficient de
corelaţie semnificativ la un prag de 0.002, adică sunt şanse mai mici de 1% (α = 0.01) de a greși
în a afirma că între cele două variabile există o corelație semnificativă.

Analiza de regresie presupune aproximarea modelului de regresie, estimarea şi testarea

parametrilor modelului de regresie. Între cele două variabile numerice se poate stabili o legătură
liniară dată prin ecuaţia de regresie liniară simplă, care are forma:

Yi = α + Βxi + εi

în care:

Y – variabila dependentă (numărul de adidasi)

X – variabila independentă (preţul adidasilor)

ε – variabila aleatorie eroare sau reziduu

         Aproximarea modelului de regresie se realizează prin Scatterplot (din meniul Graphs -
Interactive). Se obține outputul:

18
 Figura 16 Regresia între „Numărul de adidasi” şi „Preţul adidasilor”

Estimarea parametrilor modelului de regresie presupune parcurgerea demersului: Analyze –

Regession – Linear, prin care se deschide fereastra de dialog Linear Regession. Urmând paşii
necesari, în output se analizează Model Summary, ANOVA, Coefficients.

Model Summary

Adjusted R Std. Error of

R R Square Square the Estimate

,402 ,161 ,112 1,603

The independent variable is ”numărul de persoane”.

Tabelul 17 Model Summary prezintă valoarea coeficientului de corelaţie R, valoarea raportului

de determinaţie R2 şi eroarea standard a estimaţiei.

Interpretare: Valoarea lui R este 0.514, ceea ce indică faptul că între cele două variabile există o
legătură directă. Valoarea lui R2 este 0.264, ceea ce indică faptul că 26.4% din variaţia variabilei Y este

19
explicată prin variaţia variabilei X. Aceasta este o valoare destul de mică, ceea ce înseamnă că modelul
ales nu explică foarte bine legătura dintre variabile.

ANOVA

Sum of Mean

  Squares df Square F Sig.

Regression 8,410 1 8,410 3,272 ,088

Residual 43,696 17 2,570    

Total 52,105 18      

The independent variable is „numărul de personae”.

Tabelul 18 Regession ANOVA prezintă rezultatele analizei varianţei variabilei dependente sub
influenţa factorului de regresie şi a factorului reziduu. Prezintă informaţii asupra sumei pătratelor
abaterilor variabilei dependente, gradele de libertate, estimaţiile varianţelor datorate celor două
surse de variaţie, raportul F şi Sig.

Interpretare: În cazul variabilelor considerate, valoarea Sig. pentru F este mai mică decât 0.05,
fiind 0.02, prin urmare relatia liniară dintre cele două variabile considerate este semnificativă.

Coefficients

Unstandardized Standardized

Coefficients Coefficients

  B Std. Error Beta t Sig.

20
numărul de persoane ,761 ,421 ,402 1,809 ,088

(Constant) 1,674 ,979   1,709 ,106

Tabelul 19 Coefficients prezintă coeficienţii nestandardizaţi ai modelului de regresie estimat,

erorile standard ale acestora, coeficienţii de regresie standardizaţi cu erorile standard
corespunzătoare, precum şi valorile statisticii test t şi valorile Sig. corespunzătoare.

Interpretare: Pentru o încredere de 95% se observă că în cazul ambilor coeficienţi valoarea lui
Sig. este mai mică decât 0.05, ceea ce înseamnă că aceştia sunt semnificativ diferiţi de 0. Astfel,
ecuaţia de regresie are următoarea formă:

Y =1.204+ 0.251 X

-Estimarea şi testarea statistică

Estimarea este procedeul prin care se generalizează rezultatele observate pe un eşantion,

la nivelul populaţiei din care este extras, adică se află valoarea unui parametru al unei populaţii
pe baza datelor înregistrate la nivelul unui eşantion extras din aceasta.

Estimarea poate fi punctuală sau prin interval de încredere. În acest caz se va estima prin
interval de încredere.

-Testarea diferenţei dintre două proporţii.

Acest lucru presupune folosirea testului Chi-Square, urmând demersul: Analyze –

Nonparametric Tests – Chi-Square Test. Se va verifica dacă proporţia persoanelor de sex feminin
este egală cu proporţia persoanelor de sex masculin.

Sexul

  Observed Expected Residual

21
 N N

m 7 9,5 -2,5

f 12 9,5 2,5

Total 19    

Test Statistics

  sexul

Chi-Square 1,316a

df 1

Asymp. Sig. ,251

a. 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is
9,5.

Tabelele 20 „Sexul persoanei” și „Test statistics”

Interpretare: Se observă că sunt 21 de persoane de sex feminin şi 14 de sex masculin. Conform

ipotezei de nul (de egalitate a proporţiilor), pentru fiecare categorie ar trebui să fie câte 17.5
persoane. În tabelul Chi-Square Test valoarea semnificaţiei este mai mare decât 0.05 şi, prin
urmare se acceptă ipoteza nulă.

22
 IV. Concluzii
În urma realizării anchetei privind cererea de adidași în Iași, se poate concluziona că
aceasta este relativ constantă, depinzând în oarecare măsură de preţul acestora. De asemenea, se
observă că la nivelul întregii populaţii nu există diferenţe semnificative între proporţia
persoanelor de sex feminin care cumpără adidași şi proporţia persoanelor de sex masculin,
întrucât multe dintre produse reprezintă o necesitate.

23
 Referințe bibliografice

Jaba, Elisabeta, Statistica, ediţia a III-a, Editura Economică, Bucureşti, 2002;

Jaba, Elisabeta; Grama, Ana, Analiza statistică cu SPSS sub Windows, Editura Polirom, 2004

Referințe site-ografice
https://insse.ro/cms/en

https://www.studocu.com/ro/document/academia-de-studii-economice-din-bucuresti/marketing-
marketing/piata-adidasilor-din-romania/13743423

https://www.statistics.com/

24