Статистика - важний інструмент для аналізу в багатьох галузях. Цей посібник показує вам, як виконати аналіз рангової кореляції за методом Спірмена в Excel. Цим методом можна ефективно кількісно оцінити зв'язок між порядковими змінними. Ми розглядаємо відносини між задоволеністю клієнтів та рівнем маркетингу.
Головні висновки
- Аналіз рангової кореляції за методом Спірмена особливо підходить для даних з порядковою шкалою.
- Використання Excel дозволяє швидко розрахувати та візуалізувати рангову кореляцію.
- Слабке позитивне співвідношення між рівнем маркетингу та задоволеністю клієнтів свідчить, що більше інвестицій у маркетинг не обов'язково призведе до більшої задоволеності.
Поетапна інструкція
Спочатку вам потрібно ввести відповідні дані. Ми зосереджуємося на задоволеності клієнтів та рівнях маркетингу. Ці дані були зібрані в рамках кейс-стаді.
Для цього спочатку скопіюйте дані з вашого вихідного набору та вставте їх в новий аркуш. При цьому зверніть увагу на чіткі назви стовпців. Корисно назвати стовпці "Задоволеність клієнтів" та "Рівень маркетингу".
Після копіювання даних важливо перевірити шкали ваших змінних. Задоволеність клієнтів має порядкову шкалу, а рівні маркетингу також категоризуються за порядком. Вам слід переконатися, що ви розумієте це коректно, щоб уникнути помилок при подальших розрахунках.
Далі необхідно підготувати дані для аналізу рангової кореляції. Вам потрібно ранги змінних. У Excel це здійснюється за допомогою функцій "RANK.EQUIV" або "RANK.AVG". Ці функції присвоюють кожному числу ранг по відношенню до заданої матриці. Переконайтеся, що ви працюєте в правильному діапазоні.
Щоб розрахувати ранги для задоволеності клієнтів, яку ми тут позначаємо як змінну X1, виберіть потрібну комірку. Для першого спостереження це означає виділити комірку для задоволеності клієнтів та потім вибрати матрицю, в якій визначаються ранги. Важливо фіксувати посилання на всю матрицю, щоб посилання не змінювалося, коли ви перетягнете формулу вниз.
Почніть рахунок, набираючи формулу, а потім додаючи потрібні параметри. Пам'ятайте про правильний порядок в функції. Визначте посилання на свою даними матрицю та виберіть бажане сортування, тобто за зростанням чи спаданням.
Якщо ви хочете розрахувати ранги для рівня маркетингу (X2), повторіть ту ж дію.Тут також важливо правильно закріпити весь діапазон даних, щоб формула працювала правильно, коли ви копіюєте її донизу. Ці кроки гарантують коректне визначення рангів для кожної змінної.
Як тільки у вас є ранги для обох змінних, ви можете розрахувати рангову кореляцію. Це робиться за допомогою функції "CORREL". Ця функція дозволяє вам вибрати ранги як X1, так і X2 та розрахувати кореляцію. Результат покаже вам силу зв'язку між цими двома змінними.
У вашому випадку кореляція становить 0,082, що свідчить про слабкий позитивний зв'язок. Ця цифра показує, що хоча існує тенденція, що більші витрати на маркетинг призводять до кращої задоволеності клієнтів, але цей зв'язок не є сильним.
Нарешті, вам слід задокументувати інтерпретацію ваших результатів. Таблиця може допомогти вам уявити, де знаходиться рангова кореляція та чітко представити відношення між двома змінними.
Підхід до рангової кореляційного аналізу допомагає отримувати якісний уявлення про кількісні дані та показує, як можуть змінюватися маркетингові витрати, не безпосередньо підвищуючи задоволеність клієнтів.
Підсумок
У цьому посібнику ти дізнаєшся, як виконувати ранговий кореляційний аналіз в Excel. Спочатку ти правильно підготовлюєш дані, а потім визначаєш ранги обох змінних. Нарешті, ти розраховуєш рангову кореляцію, щоб кількісно оцінити зв'язок між рівнем маркетингу та задоволеністю клієнтів.
Часті питання
Яка різниця між Спірменом та Кендаллом?Спірмен та Кендалл - це обидва коефіцієнти рангової кореляції, але їх обчислення відрізняються. Спірмен ґрунтується на ранжуванні різниць, тоді як Кендалл використовує кількість відповідностей та не відповідностей.
Як вибрати відповідну кореляцію?Вибір кореляції залежить від типу даних. Для ординально шкальованих даних підходить Спірмен, для метричних даних часто використовується Пірсон.
Чи можна замість кореляції використовувати регресію?Так, регресія може бути корисною для вивчення впливу однієї чи кількох незалежних змінних на залежну змінну, а кореляція лише показує взаємозв'язок.
