THU THẬP VÀ CHUẨN BỊ DỮ LIỆU TRONG NGHIÊN CỨU MARKETING

13.1 Tuyển chọn điều tra viên Huấn luyện điều tra viên Giám sát hoạt động thu thập dữ liệu hiện trường Thẩm định hiệu lực của điều tra hiện trường Validating Fieldwork... 14.1 Chuẩn

Thu thập dữ liệu hiện trường

và chuẩn bị dữ liệu Fieldwork/Data Collection Process

Data Preparation

TIẾN TRÌNH THU THẬP DỮ LIỆU HIỆN TRƯỜNG

Fig 13.1

Tuyển chọn điều tra viên Huấn luyện điều tra viên Giám sát hoạt động thu thập dữ liệu hiện trường

Thẩm định hiệu lực của điều tra hiện trường

Validating Fieldwork

Tiến trình chuẩn bị dữ liệu

Fig 14.1 Chuẩn bị kế hoạch khởi đầu về phân tích dữ liệu

Kiểm tra phiếu phỏng vấn

Chỉnh sửa

Mã hóa

sao chép dữ liệu Transcribe

Làm sạch dữ liệu

Hiệu chỉnh dữ liệu về mặt thống kê Statistically Adjust the Data

Phân loại dữ liệu, mã hóa,

nhập liệu, làm sạch dữ liệu

Phân loại dữ liệu

Phân loại dữ liệu

 Dữ liệu định tính

 Phản ánh tính chất, sự hơn kém, không tính

được giá trị trung bình

 Dữ liệu định lượng

 Phản ánh mức độ, sự hơn kém, tính được giá trị trung bình

Cửa sổ làm việc của MS.SPSS

Cửa sổ làm việc của MS.SPSS

Nội dung chủ yếu của Menu như sau:

 File: tạo file mới, đóng, mở, lưu file, in ấn,

thoát,

 Edit: undo, cắt dán, chọn, tìm kiếm, thay thế,

 View: cho hiện dòng trạng thái, thanh công

cụ, chọn font chữ, cho hiện giá trị nhập vào (value), nhãn ý nghĩa của các giá trị,

 Data: định nghĩa biến, thêm biến, xếp thứ tự,

Cửa sổ làm việc của MS.SPSS

Nội dung chủ yếu của Menu như sau:

 Statistics: thực hiện các thủ tục thống kê như tóm tắt dữ liệu, lập bảng tổng hợp, so sánh trung bình của 2 đám đông, phân tích phương sai, tương quan và hồi quy, các phương pháp phân tích đa biến,

 Graphs: tạo các biểu đồ và đồ thị

 Utilities: tìm hiểu thông tin về biến, file,

 Window: sắp xếp các cửa sổ làm việc trong

SPSS, di chuyển giữa các cửa sổ làm việc,

Nguyên tắc mã hóa & nhập liệu

Nguyên tắc mã hóa

 Chỉ mã hóa thang đo định tính

 Thông tin thu thập từ thang đo định tính không phải dưới dạng số (ví dụ như nam và nữ) phải mã hóa để chuyển sang dạng số

 Ví dụ

 1: Nam 0: Nữ

 1: Đồng ý 0: Khơng đồng ý

 1: Rất khơng đồng ý 7: Rất đồng ý

 Câu hỏi chỉ chọn một trả lời chỉ cần tạo một biến

Câu hỏi có chọn nhiều trả lời cần phải có nhiều biến

Nguyên tắc mã hóa & nhập liệu

Nhập dữ liệu

 Mỗi đối tượng trả lời (quan sát) tương ứng với

1 dòng (Case) Thông tin của mỗi đối tượng sẽ được nhập vào 1 dòng ở cửa sổ Data

 Mỗi loại thông tin thu thập được sắp xếp

tương ứng với 1 cột (Variable)

 Nhập liệu từ trái qua phải trên cửa sổ Data

của SPSS theo từng dòng Xong 1 phiếu (1 dòng) thì chuyển sang phiếu khác (sang dòng mới)

Tạo biến mới

Tạo biến mới

Khai báo biến

 Nên khai báo ngắn gọn, dễ gợi nhớ,

thường nên đặt theo thứ tự câu hỏi như q1, q2, q3a,

 Bắt đầu bằng một chữ cái

 Tên biến không được quá 8 kí tự

 Không chứa khoảng trắng, kí tự đặc biệt

như: ! ? *

 Các từ khóa sau không dùng làm tên biến: ALL, NE, EQ, TO, LE, LT, BY, OR, GT,

Khai báo loại biến

Khai báo ý nghĩa (nhãn)biến

Khai báo giá trị khuyết

Khai báo định dạng biến

Lưu tập tin dữ liệu

Lưu tập tin dữ liệu

Làm sạch dữ liệu

Làm sạch dữ liệu

 Phát hiện giá trị dị biệt trong dữ liệu: cơng cụ Frequency (bảng tần số), bảng phối hợp 2,3 biến, và Box Plot

Frequency Percent Valid Percent Cumulative Percent Valid Nam

Biểu đồ hộp box-plots

 Các thành phần chủ yếu của biểu đồ hộp là:

 Đường thẳng ở trung tâm hộp là giá trị trung vị

 Hai lề của hộp thể hiện hai giá trị tứ phân vị thứ

1 và thứ 3 (tương ứng với giá trị thứ 25% (25th percentile) và giá trị thứ 75% (75th percentile)

của dãy số liệu

 Các “râu” kéo dài từ lề phía trên và phía dưới của hộp thể hiện giá trị lớn nhất và nhỏ nhất Các giá trị này nằm trong khoảng tối đa 1,5 lần khoảng cách giữa các tứ phân vị tính từ lề của hộp

Biểu đồ hộp Box-plots

Biểu đồ hộp Box-plots

Xử lý giá trị bị bỏ sót (Missing Responses)

trị trung lập của thang diểm được sử dụng để thay vào, ví

dụ 4 được sử dụng cho thang đo 7 mức, 3 được sử dụng cho thang đo 5 mức

Response – kiểu phản hồi của đáp viên cho những câu

hỏi khác được sử dụng để tính toán phản hồi thích hợp

cho câu hỏi bị thiếu Ví dụ: mức sử dụng sản phẩm có mối liên hệ với qui mô hộ gia đình, do đó từ số liệu thu được

từ các đáp viên khác cùng với qui mô hộ gia đình của đáp viên có thể suy luận mức sử dụng sản phẩm bị thiếu

nào điều bị loại ra khỏi qui trình phân tích

pairwise deletion: thay vì bỏ tất cả các trường hợp có

Phương pháp trọng số

 Đối với phương pháp trọng số, mỗi trường

hợp trong cơ sở dữ liệu được gán thêm trọng

số để phản ánh tầm quan trọng tương đối so với các trường hợp khác

 PP trọng số được sử dụng rộng rãi để làm

cho dữ liệu mẫu có tính đại diện hơn cho

tổng thể mục tiêu về một đặc tính nào đó

 Mục đích khác khi sử dụng pp trọng số là để điều chỉnh mẫu nhằm nhấn mạnh đặc tính

quan trọng nào đó của đáp viên

Lựa chọn chiến lược phân tích dữ liệu

Xem lại các bước trước đó (1, 2, & 3) trong tiến trình nghiên cứu marketing

Các đặc tính đã biết của dữ liệu

Chiến lược phân tích dữ liệu

Tính chất của các kỹ thuật thống kê Nền tảng và triết lý của người nghiên cứu Fig 14.5

Các kỹ thuật phân tích dữ liệu cơ bản

Univariate Techniques

Fig 14.6

Độc lập Phụ thuộc

Metric Data Non-numeric Data

Các kỹ thuật đơn biến

Một mẫu Hai hoặc

Phân loại các kỹ thuật đa biến

A Classification of Multivariate Techniques

Fig 14.7

Hơn một biến phụ thuộc

* Multivariate Analysis of Variance and Covariance

* Canonical Correlation

Một biến phụ

thuộc Interdependence Variable Interobject Similarity

* Cluster Analysis

* Multidimensional Scaling

Dependence Technique Interdependence Technique

Kỹ thuật đa biến