Statistika yra svarbi daugelio sričių analizės priemonė. Šiame vadove parodoma, kaip atlikti Spearmano rangų koreliacijos analizę "Excel" programa. Šis metodas leidžia efektyviai kiekybiškai įvertinti ordinalių kintamųjų ryšį. Nagrinėjame ryšį tarp klientų pasitenkinimo ir rinkodaros lygio.
Pagrindinės išvados
- Spearmano rangų koreliacinė analizė ypač tinka ordinaliosios skalės duomenims.
- Naudojant "Excel" programą galima greitai apskaičiuoti ir vizualizuoti ranginę koreliaciją.
- Silpna teigiama koreliacija tarp rinkodaros lygio ir klientų pasitenkinimo rodo, kad didesnės investicijos į rinkodarą nebūtinai lemia didesnį pasitenkinimą.
Žingsnis po žingsnio vadovas
Pirma, neišvengsite atitinkamų duomenų įterpimo. Daugiausia dėmesio skiriame klientų pasitenkinimui ir rinkodaros lygiams. Šie duomenys buvo surinkti atliekant atvejo tyrimą.
Galite pradėti kopijuodami duomenis iš pirminių duomenų rinkinio ir įklijuodami juos į naują darbo skirtuką. Būtinai aiškiai apibrėžkite stulpelių antraštes. Būtų naudinga stulpelius pavadinti "Klientų pasitenkinimas" ir "Rinkodaros lygis".
Kai nukopijuosite duomenis, svarbu patikrinti savo kintamųjų skalės lygius. Klientų pasitenkinimas yra ordinalios skalės, o rinkodaros lygiai taip pat yra ordinalios kategorijos. Turėtumėte pasitikrinti, ar teisingai tai supratote, kad išvengtumėte klaidų vėlesniuose skaičiavimuose.
Kitas žingsnis - paruošti duomenis ranginei koreliacinei analizei. Jums reikia kintamųjų rangų. Programoje "Excel" tai atliekama naudojant funkciją "RANK.EQUAL" arba "RANK.AVERAGE.W". Ši funkcija kiekvienam skaičiui priskiria rangą nurodytos matricos atžvilgiu. Įsitikinkite, kad dirbate tinkamame diapazone.
Norėdami apskaičiuoti klientų pasitenkinimo, kurį čia vadiname kintamuoju X1, rangus, pirmiausia pasirinkite atitinkamą langelį. Pirmajam stebėjimui tai reiškia, kad reikia pasirinkti klientų pasitenkinimo ląstelę ir tada pasirinkti matricą, kurioje nustatomi rangai. Svarbu, kad užfiksuotumėte visos matricos nuorodą, kad vilkdami formulę žemyn ji nepasikeistų.
Pradėkite skaičiavimus įvesdami formulę ir tada pridėdami atitinkamus parametrus. Įsitikinkite, kad funkcijoje laikotės tinkamos tvarkos. Nustatykite duomenų matricos nuorodą ir pasirinkite norimą rūšiavimo tvarką, t. y. didėjančią arba mažėjančią.
Jei norite apskaičiuoti rinkodaros lygio (X2) rangus, pakartokite tą patį procesą. Vėlgi svarbu išsaugoti visą duomenų intervalą, kad formulė veiktų teisingai, kai ją nukopijuosite žemyn. Šie veiksmai užtikrina, kad kiekvieno kintamojo rangai būtų apskaičiuoti teisingai.
Kai turėsite abiejų kintamųjų rangus, galėsite apskaičiuoti rangų koreliaciją. Tai atliekama naudojant funkciją "CORREL". Ši funkcija leidžia pasirinkti X1 ir X2 rangus ir apskaičiuoti koreliaciją. Rezultatas parodys, kokio stiprumo yra abiejų kintamųjų koreliacija.
Jūsų atveju koreliacija yra 0,082, o tai rodo silpną teigiamą koreliaciją. Šis skaičius rodo, kad nors yra tendencija, jog didesnės rinkodaros išlaidos lemia didesnį klientų pasitenkinimą, ši koreliacija nėra stipri.
Galiausiai turėtumėte dokumentais pagrįsti savo rezultatų interpretaciją. Lentelė galėtų padėti jums paaiškinti, kur yra ranginė koreliacija, ir aiškiai parodyti dviejų kintamųjų ryšį.
Rangų koreliacijos analizės metodas padeda gauti kokybinių įžvalgų apie kiekybinius duomenis ir parodo, kaip rinkodaros išlaidos gali skirtis tiesiogiai nedidinant klientų pasitenkinimo.
Apibendrinimas
Šiame vadove sužinojote, kaip atlikti rangų koreliacijos analizę "Excel" programoje. Pirmiausia tinkamai paruošėte duomenis, o tada nustatėte abiejų kintamųjų rangus. Galiausiai apskaičiavote rangų koreliaciją, kad kiekybiškai įvertintumėte rinkodaros lygio ir klientų pasitenkinimo ryšį.
Dažniausiai užduodami klausimai
Kuo skiriasi Spearmano ir Kendalio koeficientai? Spearmanas ir Kendalis yra ranginės koreliacijos koeficientai, tačiau jie skaičiuojami skirtingai. Spearmanas remiasi rangų skirtumais, o Kendallas naudoja sutapimų ir nesutapimų skaičių.
Kaip pasirinkti tinkamą koreliaciją? Koreliacijos pasirinkimas priklauso nuo duomenų tipo. Eiliškumo skalės duomenims tinka Spearmano koreliacija, o metriniams duomenims dažnai naudojama Pearsono koreliacija.
Ar vietoj koreliacijos galėčiau naudoti regresiją? Taip, regresija gali būti naudinga analizuojant vieno ar daugiau nepriklausomų kintamųjų įtaką priklausomam kintamajam, o koreliacija tik parodo ryšį.
