Statistika je pomembno orodje za analize v številnih področjih. Ta navodila vam bodo pokazala, kako izvesti analizo rangiranja po Spearmanu v Excelu. S to metodo lahko učinkovito kvantificirate povezavo med urejenimi spremenljivkami. Preučili bomo povezavo med zadovoljstvom strank in stopnjo trženja.
Najpomembnejše ugotovitve
- Analiza rangiranja po Spearmanu je primerna zlasti za ordinalno skalirane podatke.
- Uporaba Excela omogoča hitro obdelavo in piktogramsko prikazovanje rangiranja.
- Šibka pozitivna povezava med stopnjami trženja in zadovoljstvom strank kaže, da več vlaganj v trženje nujno ne pripelje do večjega zadovoljstva.
Korak za korakom vodnik
Najprej ne morete mimo, da ne bi vstavili relevantnih podatkov. Osredotočili se bomo na zadovoljstvo strank in stopnje trženja. Ti podatki so bili zbrani v okviru študije primera.
Pri tem lahko začetne podatke najprej skopirate iz vašega izvirnega nabora podatkov in jih prilepite v nov delovni list. Pri tem jasno označite glavo stolpcev. Koristno bo, da stolpce poimenujete kot "Zadovoljstvo strank" in "Stopnja trženja".
Po kopiranju podatkov je pomembno preveriti ravni skal svojih spremenljivk. Zadovoljstvo strank je ordinalno skalirano, medtem ko so tudi stopnje trženja kategorizirane ordinalno. Preverite, ali ste to pravilno razumeli, da se izognete napakam pri kasnejših izračunih.
Naslednjič bo treba pripraviti podatke za analizo rangiranja. Potrebujete rangi spremenljivk. V Excelu lahko to naredite s funkcijo "RANG.GLEICH" ali "RANG.MITTEL.W". Ta funkcija vsakemu številu v določeni matriki dodeli rang. Poskrbite, da delate v pravilnem območju.
Če želite izračunati rang za zadovoljstvo strank, ki ga tu imenujemo kot spremenljivko X1, najprej izberete ustrezno celico. Za prvo opazovanje to pomeni, da označite celico za zadovoljstvo strank, nato pa izberete matriko, v kateri se dodeljujejo rangi. Pomembno je, da fiksirate povezavo za celotno matriko, tako da se povezava ne spremeni, kadar formulo povlečete navzdol.
Začnite z izračunom, tako da vtipkate formulo, nato pa dodate ustrezne parametre. Pazite, da ostanete zvesti pravilnemu vrstnemu redu v funkciji. Določite povezavo do vaše podatkovne matrike in izberite želeno razvrščanje, torej naraščajoče ali padajoče.
Če želite izračunati rang za stopnjo trženja (X2), ponovite postopek. Tudi tukaj je pomembno, da ohranite celoten podatkovni obseg, da formula pravilno deluje pri kopiranju navzdol. Ti koraki zagotavljajo, da so rangi za vsako spremenljivko pravilno določeni.
Ko imate rangi za obe spremenljivki, lahko izračunate rangiranje. To storite s funkcijo "KORREL". Ta funkcija vam omogoča izbiro rangov tako X1 kot tudi X2 in izračun korelacije. Rezultat vam bo pokazal moč povezave med dvema spremenljivkama.
V vašem primeru je korelacija 0,082, kar kaže na šibko pozitivno povezavo. Ta številka pomeni, da sicer obstaja tendenca, da višje marketinške izdatke vodijo do boljšega zadovoljstva strank, vendar te povezave ni močna.
Nazadnje bi morali dokumentirati interpretacijo svojih rezultatov. Tabela vam lahko pomaga pri razjasnitvi, kje stoji rangiranje, in jasno prikazati odnos med dvema spremenljivkama.
Prihodnji pristop analize rangov ti pomaga, da dobiš kvalitativne vpoglede v kvantitativne podatke in ti pokaže, kako bi se marketinški stroški lahko spremenili, ne da bi neposredno povečali zadovoljstvo strank.
Povzetek
V tem priročniku si se naučil, kako izvesti analizo rangov v Excelu. Najprej si pravilno pripravil svoje podatke, izračunal rangovske razrede obeh spremenljivk in nato izračunal rangovsko korelacijo, da bi kvantificiral povezanost med stopnjo trženja in zadovoljstvom strank.
Pogosto zastavljena vprašanja
Kako se razlikujeta Spearman in Kendall?Spearman in Kendall sta oba rangirna korelacijska koeficienta, vendar se izračunata na različne načine. Spearman temelji na razlikah v rangu, medtem ko Kendall uporablja število ujemanj in neujemanj.
Kako izbrati ustrezno korelacijo?Izbira korelacije je odvisna od vrste podatkov. Za ordinalno lestvico so primerni Spearman, za metrične podatke pa se pogosto uporablja Pearson.
Ali lahko namesto korelacije uporabim regresijo?Da, regresija je lahko koristna za preučevanje vpliva ene ali več neodvisnih spremenljivk na odvisno spremenljivko, medtem ko korelacija zgolj pokaže razmerje.
