Istrazivanje trzista VII nov 2013 - .:. Univerzitet u...

20/11/2013

1

MARKETINŠKO ISTRAŽIVANJE

•  Novembar 2013

Novembar 2013 Istraživanje tržišta Ekonomski fakultet, Beograd

2

Oblasti izučavanja

I.  Priroda i obuhvat marketinških istraživanja II.  Izvori podataka u marketinškim istraživanjima III.  Eksploratorna istraživanja IV.  Deskriptivna istraživanja V.  Merenje stavova i dizajniranje upitnika VI.  Uzročna istraživanja: Izvođenje eksperimenata VII. Izvlačenje uzoraka, vrste uzoraka VIII. Analiza podataka (1) IX.  Analiza podataka (2)


3

VII. Izvlačenje uzoraka

1.  Osnovni principi izvlačenja uzoraka •  Izvlačenje slučajnih uzoraka •  Izvlačenje neslučajnih uzoraka

2.  Veličina uzorka i statistička teorija


4

VII.1. Osnovni principi izvlačenja uzoraka

•  Osnovni pojmovi •  Izvlačenje slučajnih uzoraka •  Izvlačenje neslučajnih uzoraka

20/11/2013

2


5

Osnovni pojmovi


6

Pojmovi

•  Populacija – skup svih objekata koji poseduju određene zajedničke karakteristike u odnosu na konkretan problem marketinškog istraživanja

•  Popis – kada se zatraže odgovori od svih ispitanika u okviru populacije

•  Parametar – pokazatelj do koga se dođe na osnovu popisa

•  Statistički pokazatelji uzorka, ili statistika – informacije (pokazatelj) do kojih se dođe na osnovu podskupa populacije


7

Dobar uzorak…

•  ...reprezentuje ciljnu populaciju – osnovni skup

•  ...je biran na slučajan način, tj. poznate su verovatnoće izbora

•  ...je dovoljno veliki da rezultati budu pouzdani


8

Uzorak ili popis •  Kada se treba opredeliti za popis?

–  Ako je sama veličina populacije mala –  Informacije potrebne od svakog člana populacije –  Visoki troškovi donošenja pogrešne odluke –  Postoji mogućnost velikih grešaka u izvlačenju uzorka

•  Kada se treba opredeliti za izvlačenje uzorka? –  Velika populacija, visoki troškovi i potrebno vreme –  Veća kontrola kvaliteta –  Posebno kod homogenih populacija –  Kada popis jednostavno nije moguć

20/11/2013

3


9

OSNOVI ZADATAK UZORKA •  UZORAK TREBA/MORA DA BUDE

SLIKA CILJNE POPULACIJE

•  on to jeste bez velikih problema samo kada je

uzorak samoponderišući

•  ako nije onda mora da se ponderacijom rezultat merenja na uzorku svede na sliku populacije


10

Uzorak i populacija: U čemu je problem?

•  Na osnovu jednog dela zaključujemo o celom

•  Kada bi celo u svim delovima bilo isto, bilo bi svejedno iz kog dela uzimamo uzorak na osnovu koga zaključujemo o celom

•  Sva zanimljiva pitanja i sva važna saznanja i u nauci i u svakodnevnom životu su ona koja potiču od razlika


11

Greške vezane za prikupljanje podataka uzorkom

Razlika između stvarne vrednosti (u populaciji) i opservirane vrednosti (u uzorku)

•  Uzoračka greška – razlika je isključivo posledica izvlačenja uzorka –  Smanjuju se povećanjem uzorka, ali po cenu sve teže

kontrole kvaliteta istraživanja, pa se povećavaju neuzoračke greške

•  Neuzoračke greške – i u popisu i uzorku (npr. greške u merenju, evidentiranju, analizi, neodgovora) –  Proizilaze iz različitih izvora, teže se identifikuju i kontrolišu,

pa je njihovo smanjivanje prioritetnije


12

Proces izvlačenja uzorka 1.  Identifikovanje ciljne populacije 2.  Određivanje uzoračkog okvira 3.  Prevazilaženje razlika 4.  Izbor postupka izvlačenja uzorka 5.  Određivanje odgovarajuće veličine uzorka 6.  Dobijanje informacija od ispitanika 7.  Definisanje odnosa prema onima što se nisu

odazvali 8.  Generisanje informacija za potrebe donošenja

odluka

20/11/2013

4


13

Određivanje ciljne populacije Proces identifikacije (potencijalnih) elemenata uzorka -

uzoračkih jedinica i područja pokrivenosti: 1.  Obratite pažnju na ciljeve istraživanja 2.  Razmotrite alternative 3.  Upoznajte svoje tržište 4.  Razmotrite odgovarajuću uzoračku jedinicu 5.  Jasno navedite šta nije obuhvaćeno 6.  Ne preterujte sa definisanjem 7.  Formulišite definiciju za višekratnu upotrebu 8.  Razmotrite posebne pogodnosti


14

Utvrđivanje uzoračkog okvira •  Uzorački okvir je “spisak” članova populacije koji se

koristi za dobijanje uzorka

•  Sastavljanje spiskova za F2F

•  Sastavljanje spiskova za telefonsko (CATI) intervjuisanje

•  Prevazilaženje razlika između uzoračkog okvira i populacije – tri problema

1. Problem podskupa 2. Problem nadskupa 3. Problem nepreklapanja


15

Izbor postupka za izvlačenje uzorka

•  Izvlačenje slučajnih uzoraka –  Prost slučajan uzorak –  Stratifikovan uzorak –  Sistematski uzorak –  Uzorak skupina –  Višeetapni uzorak

•  Izvlačenje neslučajnih uzoraka –  Na osnovu vrednosnog suda –  Na osnovu pogodnosti – prigodan uzorak –  Na bazi kvota - kvotni uzorak –  Na principu grudve snega (koja se kotrlja) –  Uzorak tipičnih


16

Izvlačenje slučajnih uzoraka

•  Prost slučajan uzorak •  Stratifikovan uzorak •  Sistematski uzorak •  Uzorak skupina •  Višeetapni uzorak

20/11/2013

5


17

Prost slučajan uzorak •  Postoji podjednaka verovatnoća da će biti izabran bilo koji član populacije, a time i svaki mogući uzorak (tablice slučajnih brojeva...). Razlikuje se sa i bez “vraćanja” SRSWR i SRSWoR

•  Uzorak se izvlači na osnovu spiska (iz okvira)

•  Balans između tačnosti i troškova – povećanje efikasnosti izvlačenja uzorka (ovo je opšte pravilo o kome se vodi računa) –  zadržavanje istog nivoa tačnosti uz smanjenje troškova, –  zadržavanje istih troškova uz povećanje tačnosti, –  brže povećanje tačnosti od povećanja troškova i –  sporije smanjenje tačnosti od smanjenja troškova.


18

Stratifikovani uzorak (1) •  Za unapređenje efikasnost izvlačenja uzorka se

koriste informacije o podgrupama uzoračkog okvira •  Poboljšana efikasnost izvlačenja uzorka tako što

tačnost raste brže od troškova •  Postupak izvlačenja u dva koraka •  U izradi plana izvlačenja uzorka treba potražiti

prirodne podgrupe koje će biti homogenije od cele populacije, tzv. stratumi

•  Idealno je da postoje velike razlike između, a velika sličnost unutar stratuma – postiže se veća tačnost


19

Stratifikovan uzorak (2) •  Homogenost unutar grupa •  Heterogenost između grupa •  Sve grupe su uključene •  Glavna razlika stratifikovanih uzoraka je u izboru

veličine uzorka u okviru svake grupe: 1.  Proporcionalni startifikovani uzorak

1.  Direktno proporcionalni stratifikovani uzorak 2.  Obrnuto proporcionalan stratifikovani uzorak

2.  Neproporcionalni stratifikovani uzorak


20

Uzorak skupina

•  Efikasnost izvlačenja uzorka se povećava tako što se troškovi smanjuju brže nego tačnost

•  Postupak izvlačenja uzorka u dva koraka •  Populacija se deli na podgrupe – skupine •  Heterogenost unutar, a homogenost između •  Bira se slučajan uzorak skupina, a opserviraju svi •  Korisno kada se mogu identifikovati reprezentativne

podgrupe •  Dobijaju se relativno neprecizni uzorci jer se

heterogene skupine relativno teško formiraju

20/11/2013

6


21

Sistematski uzorak •  Sistematski se bira svaka J-ta osoba na spisku, dok se

prva bira slučajno na intervalu (1, J) •  Efikasnost izvlačenja uzorka se povećava smanjenjem

troškova uz očuvanje tačnosti. Ali efikasnost zavisi od redosleda na spisku: –  Ako je spisak sastavljen slučajno tačnost je ista kao kod

prostog slučajnog uzorka –  Ako su elementi na spisku poređani u monotonom

redosledu, tačnost će biti veća –  Ako su elementi poređani po cikličnom redosledu treba voditi

računa o koraku (J) i periodu ciklusa


22

Višeetapni dizajn: Primer uzorka područja

1.  Formiranje uzorka skupina okruga –  Verovatnoća da neki okrug bude uključen u uzorak

skupina je proporcionalna broju njegovih stanovnika 2.  Dobijanje uzorka skupina gradova iz svakog

odabranog okruga –  Verovatnoća da će grad biti izabran je proporcionalna

njegovoj veličini 3.  Izbor uzorka skupina blokova u svakom gradu

–  Svaki blok se ponderiše brojem jedinica stanovanja 4.  Sistematski uzorak stanova u svakom bloku i

izvlači slučajan uzorak stanara svake jedinice –  Stanari koji žive sami imaju veću verovatnoću izbora!


23

Greška uzorka SRSWoR, P=0.95, n=700, N=3M, err= +/- 1.6 na 5% Cluster, P=0.95, n=700, N=3M, err= +/- 2.8 na 5%

FORMULA za račun uzoračke greške

INPUTIncidencija Veličina n Dizajn efekt Populacija N

5 700 3.0 300000

OUTPUTC.I. 95% C.I. 99%

C.I. donja 2.21 1.32C.I. gornja 7.79 8.68

Estimation of SD 1.42 Estimation of 1.96*SD 2.78Relative error 28.4 S MMR I

for all additional questions ask on [email protected] Novembar 2013 Istraživanje tržišta Ekonomski fakultet, Beograd

24

Izvlačenje neslučajnih uzoraka

•  Na osnovu pogodnosti •  Na osnovu vrednosnog suda •  Na bazi kvota •  U vidu grudve snega

20/11/2013

7


25

Izvlačenje neslučajnih uzoraka

•  Nema potrebe za uzoračkim okvirom •  Nema mogućnosti da se odredi preciznost

–  Rezultati sadrže skrivene pristrasnosti i neizvesnosti, što je gore nego kada se one znaju

•  Koristi se u situacijama kao što su: 1.  Eksplorativne faze istraživačkog projekta 2.  Pred-testiranje upitnika 3.  Postojanje homogene populacije 4.  Slučajevi kada istraživač nema statističko znanje 5.  Kada je potrebno da se posao što pre obavi


26

Vrste neslučajnih uzoraka

1.  Uzorci na bazi vrednosnih sudova 2.  Uzorak formiran po principu grudve snega 3.  Prigodan uzorak 4.  Kvotni uzorak 5.  Uzorak “tipičnih”


27

Uzorci na bazi vrednosnih sudova •  “Ekspert” na osnovu sopstvenog suda identifikuje

reprezentativne uzorke •  Veliki broj manje ili više očiglednih grešaka •  Ipak postoje situacije kada je preporučljivo:

–  Izvlačenje slučajnih uzoraka fizički nije moguće ili je preterano skupo

–  Ako uzorak treba da bude veoma mali (npr. 10) ovaj uzorak će često biti pouzdaniji od slučajnog uzorka

–  Ponekad je korisno dobiti namerno pristrasan uzorak – npr. ako se izmena proizvoda ne sviđa grupi onih koji bi inače njoj bili naklonjeni, onda...


28

Uzorak formiran po principu grudve snega

•  Vrsta uzorka na bazi vrednosnog suda koja je izuzetno podesna kada treba doći do malih, posebnih populacija

•  Prvo se identifikuje jedan (ili više) član posebne populacije, koji zatim navede drugog, itd.

•  Može se primeniti kad god treba dopreti do neke male populacije

•  Postoji verovatnoća da će se izabrati one osobe koje su u društvenom smislu primetnije

20/11/2013

8


29

Prigodni uzorak •  Kontaktiranje pogodnih uzoračkih jedinica •  Deluje neodbranjivo, što u apsolutnom smislu i

jeste •  Ipak informacije treba oceniti ne u “apsolutnom”

smislu već u kontekstu odlučivanja •  Korisno kao brza reakcija na prelim. koncept

proizv. ili usluge, da li treba dalje da se razvija •  Nije pogodan kada pristrasnost rezultata može da

ima ozbiljne ekonomske posledice, osim ako se te pristrasnosti ne mogu identifikovati


30

Kvotni uzorak

•  Zasnovan na vrednosnom sudu, ali uključuje minimalan broj za svaku podgrupu u populaciji

•  Često se zasniva na demografskim podacima (geografska lokacija, starost, pol, obraz, prihod)

•  Tako je uzorak “uparen” sa populacijom •  Time se eliminišu mnoge ozbiljne pristrasnosti •  Ipak ispitivači će kontaktirati one do kojih će lakše

doći, koji imaju vremena, simpatični,..., što svakako uvodi pristrasnosti u rezultat


31

Uzorak “tipičnih”

•  Određuju se karakteristike ispitanika čiji se stavovi žele istražiti (“tipični” predstavnik)

•  Formuliše se trijažni upitnik da se isti identifikuju •  Izbor u kvazi-slučajnoj proceduri, da se rasprši

uzorak –  Važno je da se ispitanici međusobno ne poznaju da

ne bude interakcija u grupnom razgovoru •  Obavezno se pravi ponovna trijaža pred sam

ulazak u diskusionu grupu (risk-screening)


32

Fokus-grupe •  ≈8 tipičnih predstavnika nekog

mišljenja ili posebnih grupa •  Veći broj grupa ... obavezno •  Pronalaženje različitih stavova i

ulaženje u motive određenog stava, ali ne i ocenjivanje proporcije prisustva stava (nema generalizacije)

•  Veoma važna dobra selekcija ispitanika

•  Radi kao “pokvarena ploča”

Veza za internet

Jednostrano ogledalo

20/11/2013

9


33

Responsmetrija: 20 do 25 ljudi gleda govor ili reklamne spotove ili javne nastupe

političara i snimaju se reakcije

Kao i za FGD ispituju se “tipični”


34

Problemi neodgovora •  Neodgovor usled toga što pojedinci:

1.  Odbijaju da odgovore, 2.  Nisu sposobni da odgovore, 3.  Nisu kod kuće, i 4.  Nisu dostupni.

•  Pristupi smanjenju pristrasnosti usled neodgovora:

1.  Unapređenje dizajna istraživanja 2.  Ponovno kontaktiranje 3.  Procena efekta neodgovora


35

Izvlačenje uzorka u tržnim centrima (1)

•  Baziraju se na presretanju kupaca, preko 32% svih popunjenih upitnika ili intervjua kupaca u SAD se odnose na intervjue u prodavnicama

•  Javljaju se ozbiljni problemi u vezi sa uzorkom •  Jedno od ograničenja je pristrasnost kao posledica

metoda korišćenog za izbor uzorka 1.  Izbor tržnog centra 2.  Izbor dela tržnog centra u kome se kupci presreću 3.  Doba dana kada se obavlja intervjuisanje 4.  Oni koji češće odlaze u kupovinu imaju veću verovatnoću

izbora Novembar 2013 Istraživanje tržišta

Ekonomski fakultet, Beograd 36

Izvlačenje uzorka u tržnim centrima (2)

1.  Izbor tržnog centra – za reprezentativnost: –  Pre svega se odnosi na domaćinstva koja žive u blizini, pa je

demografija okoline važna –  Uzeti nekoliko gradova sa različitim karakteristikama

2.  Lokacije izvlačenja uzorka unutar tržnog centra –  Stratifikovanje ulazne lokacije, kombinacija ponderisanih stratuma

(frekvencijom lokacije) 3.  Vreme izvlačenja uzorka

–  Stratifikacija po vremenskim segmentima (radni dani, večeri, vikendi) uz ponderaciju

4.  Izvlačenje uzoraka ljudi, nasuprot poseta tržnom centru –  Podjednako obuhvatiti one koji kupuju često i retko, pa se može

postiviti pitanje koliko često dolazite, za ponder

20/11/2013

10


37

Izbor postupka za izvlačenje uzoraka

•  Nekoliko pitanja


38

Kako prevazići nepostojanje okvira?

•  VIŠEFAZNA PROCEDURA •  Npr. za anketu “mešovitih“ radnji ili preduzeća koja

imaju interni restoran nekog tipa •  Izbor (PPS – Probability Proportional to Size – sa

verovatnoćom proporcionalnom nekom poznatom parametru) jedinica prve faze, npr. mesnih zajednica

•  Popis - pobrojavanje svih elemenata •  Izbor sa poznatom (npr. SRSWoR) verovatnoćom u trećoj

fazi


39

Koliko je važan “trenutak”?

•  Nestabilnost subjektivnih stavova i procena => Rezultati se ponekad menjaju iz nedelje u nedelju

Najpouzdaniji su trendovi


40

Najčešća pitanja: 1. Da li je uzorak reprezentativan za populaciju? (treba pitati za koji fenomen u populaciji je reprezentativan) 2. Kolika je veličina uzorka? (ne garantuje uspeh samo veličina – ona smanjuje varijansu ali pristrasnost ostaje – čak postaje OPASNIJA)

A treba dati i odgovor: 1. Kolika je uzoračka greška i interval poverenja? (n=1500 5% je sa verovatnoćama 0,95 izmedju 3,9 i 6,1 !) 2. Šta je okvir (sasečenost) koji se ocenjuje? (skoro nikada! se nema cela populacija – a. popis ima grešku pokrivanja 1% do 3%, b. neregistrovana naselja ...) 3. Koji su još izvori grešaka i kako su kontrolisani

20/11/2013

11


41

Rezultati i interpretacija rezultata

1. “Pogađanje”, prognoza ili merenje? 2. Otkud razlike u rezultatima?

Objašnjivo - prihvatljivo:

uzorak, upitnik, momenat

Opasno – neprihvatljivo neadekvatnost METODOLOGIJE

neprepoznavanje metodologije


42

Pitanje veličine uzorka

•  Praktično pitanje u marketinškim istraživanjima –  Istraživanje se ne može ni planirati ni sprovesti ako se ne

zna veličina uzorka –  Ispravno određena veličina uzorka pruža dragocene

informacije za donošenje razumnih odluka –  Direktno je povezana sa troškovima istraživanja

•  Praktični (ad hoc) pristupi koji se koriste •  Formalni pristup za određivanje veličine uzorka:

–  Pojmovi: karakteristike populacije, karakteristike uzorka, pouzdanost uzorka, interval ocene


43

Ad hoc metodi za određivanje veličine uzorka

•  Iskustvena pravila –  Sadman: svaka grupa min 100 članova, podgrupa 20 do

50, neproporcionalni uzorak –  Budžetska ograničenja –  Uporediva istraživanja

•  Faktori koji određuju veličinu uzorka: 1.  Broj podgrupa ili grupa za analizu, 2.  Vrednost potrebnih informacija i potrebna tačnost, 3.  Troškovi izvlačenja uzorka, i 4.  Varijabilnost populacije.


44

Karakteristike populacije - PARAMETRI

•  Populacijska srednja vrednost, µ •  Populacijska varijansa, σ2

•  Populacijska standardna devijacija, σ

20/11/2013

12


45

Karakteristike uzorka – STATISTIČKI POKAZATELJI

UZORKA •  Uzoračka srednja vrednost

•  Uzoračka varijansa

•  Uzoračka standardna devijacija

€

s2 =1

n −1Xi − X ( )

i∑

2

€

X = 1n

Xii=1

n

∑

€

s = s2


46

Pouzdanost uzorka – pojam standardne greške

•  Varijacija u vrednosti se meri svojom standardnom greškom:

•  n – veličina uzorka •  Intuitivno, varijacije u vrednosti će biti veće ukoliko

je veća populacijska varijansa, σ2

•  Isto tako, povećanje veličine uzorka bi trebalo da smanjuje varijacije u

•  Stoga se standardna greška menja sa n

XnXX σσ =

X

€

X


47

Pouzdanost uzorka – verovatnoće raspodele (1)

•  Varijabla X ima normalan raspored •  Pretpostavlja se i da će varijacije uzoračke srednje

vrednosti slediti normalan raspored –  bi trebalo da bude blizu µ, i podjednako je verovatno da će biti veće ili manje od µ

–  Verovatnoća da se nalazi na rastojanju 1,96 u odnosu na µ iznosi 0,95

–  Oko 95% uzoračkih srednjih vrednosti, će biti u okviru ±1,96 standardne greške u odnosu na µ

–  Verovatnoća je 0,90 da će se nalaziti u okviru rastojanja 1,64 od populacijske srednje vrednosti, µ

X

X

X

X

Xσ

XσNovembar 2013 Istraživanje tržišta

Ekonomski fakultet, Beograd 48

Pouzdanost uzorka – verovatnoće raspodele (2)

•  Čest izvor zabune je to što se ovde razmatraju dva potpuno odvojena rasporeda verovatnoće

•  Prvi je raspored odgovora populacije, X, koga karakterišu populacijska srednja vrednost, µ, i populacijska standardna devijacija, σ

•  Drugi je raspored , uzorački raspored, čiju dispreziju pokazuje

•  Da bi se konceptualizovao ovaj raspored potrebno je da se zamisli veliki broj ponavljanja izvlačenja uzoraka

XXσ

20/11/2013

13


49 Novembar 2013 Istraživanje tržišta Ekonomski fakultet, Beograd

50

Intervalne ocene (1) •  Uzoračka srednja vrednost se koristi za ocenu

nepoznate populacijske srednje vrednosti, µ •  Kako ima drugačiju vrednost za svaki uzorak, ona

nikad nije jednaka µ, već se javlja uzoračka greška, pa se ocena daje u intervalu:

± uzoračka greška = intervalna ocena µ •  Veličina intervala zavisi od nivoa poverenja •  Za nivo poverenja od 95, intervalna ocena koja sadrži

stvarnu populacijsku srednju vrednost je

€

X ± 2σX = X ± 2σX n

X

X

X


51

Intervalne ocene (2) •  Ako populacijska standardna devijacija nije poznata,

potrebno je da se oceni korišćenjem uzoračke standardne devijacije

•  Intervalna ocena na nivou poverenja od 95%: interval poverenja ocene sa nepoznatim σ •  Zapravo, korišćenje s dodatno unosi neizvesnost, u

interval poverenja ocene, za malu veličinu uzorka i za preciznu ocenu ovo se prilagođava korišćenjem t-rasporeda

%952 =± nsX


52

Intervalne ocene (3)

•  Intervalna ocena populacijske sr vrednosti je: uzoračka greška

z = 2 (1,96) za stepen poverenja od 95% z = 5/3 (1,64) za stepen poverenja od 90% σx = populacijska stand devijacija (s se koristi ako je nepoz) n = veličina uzorka

Dakle, interval poverenja će zavisiti od tri činioca: 1.  Stepen poverenja 2.  Populacijska standardna devijacija 3.  Veličina uzorka

±=± XnzX Xσ

Istrazivanje trzista VII nov 2013 - .:. Univerzitet u...

Documents

Transcript of Istrazivanje trzista VII nov 2013 - .:. Univerzitet u...