Статистиката е важен инструмент за анализи в много области. Този урок показва как да използвате ранговата корелационна анализ по Спирман в Excel. С този метод можете ефективно да квантифицирате връзката между ординалните променливи. Разглеждаме връзката между удовлетворението на клиентите и маркетинговото ниво.
Най-важните открития
- Ранговата корелационна анализа по Спирман е особено подходяща за ординално скалирани данни.
- Използването на Excel позволява бързо изчисляване и визуализация на ранговата корелация.
- Слабата положителна свързаност между маркетинговите нива и удовлетворението на клиентите показва, че повече инвестиции в маркетинг не задължително водят до по-високо ниво на удовлетвореност.
По стъпкова инструкция
Първо трябва да вмъкнете съответните данни. Фокусираме се върху удовлетворението на клиентите и маркетинговите нива. Тези данни са събрани в рамките на казусно изследване.
Тук може първо да копирате данните от сирия ви данни файл и да ги поставите в нов работен лист. Важно е да дефинирате ясно стълбовете за заглавие. Би било полезно да определиш стълбовете като „Удовлетворение на клиентите" и „Маркетингово ниво".
След като сте копирали данните, е важно да проверите нивата на скала на вашите променливи. Удовлетворението на клиентите е ординирано скалирано, докато и маркетинговите нива са също ординално категоризирани. Трябва да се уверите, че сте разбрали това правилно, за да избегнете грешка при по-късното изчисляване.
Следва да подготвите данните за ранговата корелационна анализа. Необходими са ви ранговете на променливите. В Excel това се постига с функциите "RANK.EQ" или "RANK.AVG". Тези функции присвояват ранг на всяко число спрямо зададена матрица. Уверете се, че работите в правилния обхват.
За да пресметнете ранговете за удовлетворението на клиентите, което тук наричаме Променлива X1, първо избирате съответната клетка. За първото наблюдение трябва да маркирате клетката за удовлетворение на клиентите и след това да изберете матрицата, в която да бъдат определени ранговете. Важно е да фиксирате референцията към цялата матрица, за да не се промени, когато потеглите формулата надолу.
Започвате с пресмятането, като наберете формулата и добавите съответните параметри. Внимавайте да спазвате правилния ред във функцията. Дефинирайте референцията на данните си и изберете желаната подредба, независимо дали е възходящо или низходящо.
Ако желаете да пресметнете ранговете за маркетинговото ниво (X2), повтаряте същия процес. Също така е важно да запазите целия обхват на данните, за да работи формулата правилно, когато я копирате надолу. Тези стъпки гарантират, че ранговете за всяка променлива се определят правилно.
След като получите ранговете за двете променливи, можете да пресметнете ранговата корелация. Това се извършва с функцията "CORREL". Тази функция ви позволява да изберете ранговете както на X1, така и на X2 и да изчислите корелацията. Резултатът ще ви даде силата на връзката между двете променливи.
В случая ви корелацията е 0,082, което показва слаба положителна връзка. Това число показва, че въпреки че има тенденция повече инвестиции в маркетинг да водят до по-голямо удовлетворение на клиентите, тази връзка не е силна.
Накрая трябва да документирате интерпретацията на резултатите си. Таблица може да ви бъде от помощ, за да посочите къде стои ранговата корелация и да представите ясно връзката между двете променливи.
Подходът за ранговата корелационна анализа помага да се получат качествени прозрения за количествените данни и ви показва как маркетинговите разходи могат да варират, без директно да повишават удовлетвореността на клиентите.
Резюме
В това ръководство научихте как да извършите ранговата корелационна анализа в Excel. Първоначално сте приготвили правилно данните си и след това сте определили ранговете на двете променливи. Накрая сте изчислили ранговата корелация, за да количественизирате връзката между маркетинговото ниво и удовлетвореността на клиентите.
Често задавани въпроси
Колко различни са Спирман и Кендал?Спирман и Кендал са два рангови корелационни коефициенти, но се изчисляват по различен начин. Спирман се основава на разликите в ранговете, докато Кендал използва броя на съвпаденията и несъвпаденията.
Как да избера подходящата корелация?Изборът на корелация зависи от типа на данните. За ординално скалирани данни е подходящ Спирман, а за метрични данни често се използва Пиърсън.
Мога ли да използвам регресия вместо корелация?Да, регресията може да бъде полезна за изследване на влиянието на една или няколко независими променливи върху една зависима променлива, докато корелацията просто показва връзка.
