е. величины ошибки, учитывающие не просто факт несовпаде
ния ответов, а степень этого несовпадения. Ошибки рассчитываются по
крайней мере для порядковых признаков.
Линейной мерой несовпадения оценок является средняя арифмети-
ческая ошибка различения градаций шкалы, показывающая средний сдвиг
в ответах в расчете на одну пару последовательных наблюдений:
м
II
X,
Здесь X1 и х" - ответы по анализируемому вопросу 1-го респондента
в I и II пробах соответственно.
Этот показатель означает, какую долю градации данной шкалы (в
среднем) все испытуемые респонденты как бы не улавливают, т.е. како-
вы истинные границы различия градаций.
Пример. Пусть ответы на вопрос в пятибалльной шкале для выборки
50 человек распределились, как в табл. 4.19
Таблица 419
Результаты двух опросов
Опрос IОпрос IIСумма
12345
1351--9
2-311-5
3-762217
41346115
5-1-124
Сумма4191210550
Таким образом, в опросе I оценку 1 дали 9 респондентов, из них
только трое повторили ее в опросе II, пятеро дали оценку 2, семнад
цать - 3 и т.д.
Ошибка в данном случае равна:
3.1-1 +5-|1-2|-+1-|1-3|+.....+2-|5-5|
м-
50
4!
50
0,82.
Данный показатель использует всю имеющуюся информацию, одна-
ко из-за определенных аналитических ограничений обычно не исполь-
зуется в статистических расчетах [9, 10 ].
Средняя квадратическая ошибка для последовательных данных в рас-
чете на одно наблюдение рассчитывается по формуле [181:
1 "
С - V /V" - у
8X~\(X
2п
Для данных табл. 4.19 эта ошибка будет равна:
212 Глава 4
5Х = Уп3 О2 + 5 I2 + ! 22 + +! I2 + 2 О2) = 0,82
(совпадение 5х и |У| в этом примере имеет случайный характер)
До сих пор речь шла об абсолютных ошибках, размер ко горы>
ражался в тех же единицах, что и сама измеряемая величина Э
позволяет сравнивать ошибки измерения разных признаков по рл
шкалам. Следовательно, помимо абсолютных, нужны относит
показатели ошибок измерения. Они полезны при сравнении рачньп
например, для выбора из нескольких вариантов наиболее прави.,;
шкалы или для того, чтобы сопоставить уровни устойчивости я п."
разных свойств, каждое их которых фиксируется шкалами разнос
и разной степени дробности.
В качестве показателя для нормирования абсолютной ошибки
но использовать максимально возможную ошибку в рассматривав
шкале (Ушах).
Если число делений шкалы к, тогда Упмх. равное разнице ;
крайними значениями шкалы (Хуах ~ "шю будет 1с - 1, и относит-
ошибка окажется такой:
м _ м
V 1с - 1
Утах > 1
(здесь |У| - средняя арифметическая ошибка измерения).
Однако зачастую этот показатель <плохо работает> из-за того
шкала не используется на всей ее протяженности. Поэтому более
зательными являются относительные ошибки, рассчитанные по (<
чески используемой части шкалы.
Если число градаций в <работающей> части шкалы обозначить I
тогда
7о,
М . М
/с -1
а если в качестве абсолютной ошибки использовалась средняя то
ратическая ошибка 8, то показатель относительной ошибки
8отн
Пример. Допустим, что шкала имеет 7 делений. При определен;
<работающей> части этой шкалы анализируется распределение пол.>
ных в опросе I оценок:
Оценка1234567Сумма
Частота2331065978461487
Здесь на оценки 5, 6, 7 приходится лишь 11 наблюдений, т.е 2,2
т.е. эта часть шкалы <не работает>, поэтому Удах =4-1=3 На оск;
вании соотношения ответов в опросах I и II находим ошибки. Распре;;
ление ошибок по этой шкале оказалось следующим:
Процесс маркетинговых исследований 213
Значение
ошибки-4-3-2-10123Сумма
Частота3141954284881510487
Таким образом, |У| = 0,60 и относительная ошибка
0,60
= 0,20, или 20%.
Обобщая изложенное, в качестве примера оценим устойчивость семи-
балльной, пятибалльной и трехбалльной шкал измерений. Предположим,
изучалось отношение 100 потребителей к определенной марке товара и один
полюс шкалы характеризовал оценку <отношусь крайне отрицательно>
(оценка ), а другой - <отношусь очень положительно>. Допустим, было
получено распределение ответов, представленное в табл. 4.20.
Таблица 4.20
Выбор более точной шкалы путем сравнения величин
относительной устойчивости измерений
МетрикаПоказате>ли распреде?ления\Л/н
шкал
7 балловпункты7654321
шкалы0,750,25
частоты15253620211
5 балловпункты54.}21
шкалы0,950,24
частоты3528121510
3 баллапункты3/>1
шкалы0,990,49
частоты511732
Как видно, в пятибалльной и трехбалльной шкалах работают все
градации, так что в зоне негативных ответов оказывается соответствен-
но 25% и 32% ответов (сравните с семибалльной шкалой, где в этой
зоне менее 5%). Показатели абсолютной устойчивости двух последних
шкал, проверенные повторными опросами, допустим, дали соответствен-
но 0,95 и 0,99 (в семибалльной - 0,75).
Но относительные ошибки при условии, что все градации обеих
шкал работают, таковы
0,95
5- 1
V, = 0,24 для пятибалльной шкалы и
0,99
3- 1
V- = 0,49 для трехбалльной шкалы.
Получаем, что относительные ошибки семибалльной шкалы (0,25)
и пятибалльной (0,24) практически одинаковы, а трехбалльной - суще-
ственно выше (0,49).
274 Глава 4
Какую из трех шкал следует использовать? Вопрос решается г
сравнении устойчивости шкалы величины относительной ошибки
тойчивость данных по пятибалльной и трехбалльной шкалам сопоста
ма: 95% и 99%. Иными словами, опрашиваемые хорошо различают
дации этих шкал, лучше, чем в семибалльной шкале, для которой
тойчивость составляет 75%. По этой причине последнюю надо забри
вать. Остается выбор из двух оставшихся. Пятибалльная шкала им
высокую устойчивость и небольшую ошибку, а трехбалльная - <<
высокую устойчивость и приемлемую ошибку (меньше половины гг .
ции шкалы). Но в отношении к трем градациям это составит 0,49 -
0,16, а для пятибалльной - 0,24 : 5 0,05 длины шкалы. Следовак
но, пятибалльная шкала втрое чувствительнее, а значит, ей надо от г
предпочтение.
Какая же мера устойчивости удовлетворительна? Это зависит от суй
ства измеряемого свойства, его значимости для целей и задач исслсдс,}
ния. В принципе для немногочленной шкалы среднеарифметическая ошг
ка различения градаций в 40% ее деления невысока, а соответствую!;
мера устойчивости (100% - 40% = 60%) вполне достаточна, ибо не пс;
крываются границы между двумя соседними интервалами шкалы Есл>-ч
устойчивость составит не 40%, а 60%, т.е. более половины деления шь-л--.
то ошибка была бы явно недопустима, ибо в среднем испытуемые респс
денты не различают две соседние градации из трех.
Для многочленных шкал, например из 10 градаций, ошибки и
одного деления не слишком велика, так как перекрываются два дел?"
из 10, т.е. не 2/3, а 0,2 общей длины шкалы. Если при обработке дани.
градации укрупнить, объединяя две соседние, то ошибка умсныг.."1
до вполне приемлемого уровня устойчивости.
Для повышения устойчивости измерения необходимо выяснить ра;;
читальные возможности пунктов используемой шкалы, что прсдпо;);1;а
четкую фиксацию респондентами отдельных значений: каждая <ч 1;
должна быть строго отделена от соседней. На практике это означает
в последовательных пробах респонденты четко повторяют свои оис
Следовательно, высокой различимости делений шкалы должна соочь?
ствовать малая ошибка.
Эту же задачу можно описать в терминах чувствительности шк ;.;
которая характеризуется количеством делений, приходящихся на с-лну
ту же разность в значениях измеряемой величины, т. е. чем больше к;
даций в шкале, тем больше ее чувствительность. Однако чувствител
ность нельзя повышать простым увеличением дробности, ибо высог
чувствительность при низкой устойчивости является излишней (на и
мер, шкала в 100 баллов, а ошибка измерения ++10 баллов).
Но и при малом числе градаций, т.е. при низкой чувствительное!;
может быть низкая устойчивость, и тогда следует увеличить дробна
шкалы. Так бывает, когда респонденту навязывают категорические отч;
ты <да>, <нет>, а он предпочел бы менее жесткие оценки. И потом о
выбирает в повторных испытаниях иногда <да>, иногда <нет>,
Итак, следует найти некоторое оптимальное соотношение меж;;
чувствительностью и устойчивостью. Рекомендуется использовать стол и
градаций в шкале, чтобы абсолютная ошибка измерения не превыил-
0,5 деления шкалы (балла).
Процесс маркетинговых исследований 215
Если ошибка меньше 0,5 балла, то в последовательных опросах от-
веты в среднем будут совпадать. При |У)> 0,5 балла ответы в последо-
вательных опросах будут в среднем отличаться на 1 балл (и выше).
В то же время, если ошибка вообще отсутствует, то не исключено,
что шкала обладает заниженной чувствительностью.
Существуют способы, позволяющие добиться требуемой чувстви-
тельности [24].
На основе данных двух последовательных проб определяем пороги
различаемоеT градаций шкалы. В том случае, если обнаружено смеше-
ние градаций, применяют один из двух способов.
Первый способ. В итоговом варианте уменьшают дробность шкалы
(например, из шкалы в 7 интервалов переходят на шкалу в 3 интервала).
Второй способ. Для предъявления респонденту сохраняют прежнюю
дробность шкалы и только при обработке укрупняют соответствующие
ее пункты.
Второй способ кажется предпочтительнее, поскольку, как правило,
большая дробность шкалы побуждает респондента и к более активной
реакции. При обработке данных информацию следует перекодировать в
соответствии с проведенным анализом различительной способности
исходной шкалы.
Итак, предложенные способы анализа целесообразны при отработ-
ке окончательного варианта методики. Анализ устойчивости отдельных
вопросов шкалы позволяет:
а) выявить плохо сформулированные вопросы, их неадекватное
понимание разными респондентами;
б) уточнить интерпретацию шкалы, предложенной для оценки того
или иного явления, и выявить более оптимальный вариант дробности
значения шкалы.
Изучение устойчивости окончательного варианта методики даст
представление о надежности данных (связанной с устойчивостью), ко-
торые будут получены в основном исследовании.
Обоснованность измерения. Проверка обоснованности шкалы предпри-
нимается лишь после того, как установлены достаточные правильность и
устойчивость измерения исходных данных. Как уже отмечалось, проверка
обоснованности - достаточно сложный процесс и, как правило, не до конца
разрешимый. И поэтому нецелесообразно сначала применять трудоемкую
технику для выявления обоснованности, а после этого убеждаться в не-
приемлемости данных вследствие их низкой устойчивости.
Обоснованность данных измерения - это доказательство соответ-
ствия между тем, что измерено, и тем, что должно было быть измерено.
Например, предположим, что при опросе телезрителей им предла-
гают указать, каким из перечисленных в списке передачам изучаемый
канал телевидения уделяет <слишком много>, <достаточно> и <слишком
мало> времени. Если с помощью этой шкалы исследователь намерен
фиксировать среднее время, отводимое телепередачам, его измерение
будет необоснованным. В действительности он измеряет отношение лю-
дей к данным передачам, а не объем времени, отводимого для их транс-
ляции. Обоснованное измерение объема времени на передачи разного
типа - документальный анализ сетки программ данного телевизионного
канала.
216 Глава 4
Некоторые исследователи предпочитают исходить из так ьа
мой наличной обоснованности, т. е. обоснованности в понятиях !".
зованной процедуры. Например, считают, что удовлетворен нос г.
ром - это то свойство, которое содержится в ответах на вопрос
летворены ли вы товаром?>. В серьезном маркетинговом исслсдо)
такой сугубо эмпирический подход может оказаться неприемлем!
Остановимся на возможных формальных подходах к вынсч
уровня обоснованности методики. Их можно разделить на три гр.
1) конструирование типологии в соответствии с целями исс !
ния на базе нескольких признаков;
2) использование параллельных данных;
3) судейские процедуры.
Подходы первой группы считать полностью формальными \с
ми - это всего лишь некоторая схематизация логических рассуж;;
начало процедуры обоснования, которая может быть на этом и закг
на, а может быть подкреплена более мощными средствами.
Реализация подходов второй группы требует использования гк> ?
ней мере двух источников для выявления одного и того же оно
Обоснованность определяется степенью согласованности соотвсгг
щих данных.
В третьем случае мы полагаемся на компетентность судей, ко г
предлагается определить, измеряем ли мы нужное нам своистг<
что-то иное.
Конструированная типология. Один из способов - ис польз"<
контрольных вопросов, которые в совокупности с основными даю-г
шее приближение к содержанию изучаемого свойства, раскрывд>;
личные его стороны.
Например, можно определять удовлетворенность используем;
делью автомобиля лобовым вопросом: <Устраивает ли вас ваша нь
няя модель автомобиля?> Комбинация его с двумя другими косвенна
<Хотите ли вы перейти на другую модель?> и <Рекомендуете ли в
ему другу купить данную модель автомобиля?> позволяет прои чвесл-.
надежную дифференциацию респондентов. Типология по пяти уггц :
ченным группам от наиболее удовлетворенных автомобилем до нанм:
удовлетворенных проводится с помощью <логического квадрата>
Обоснованность в подобного рода типологии не доказывается
ким-либо формальным критерием и опирается на логические лов :
Единственное требование, которое может быть выдвинуто при к
струировании такого рода типологии, - это положительная коррета
между составляющими ее признаками. Отсутствие положительной ",,
мосвязи между вопросами может свидетельствовать о том, что чь
понимаем сущности измеряемого явления.
Выявление уровня обоснованности измерений обычно основан;
только на логических рассуждениях, но и на использовании они"
здравого смысла.
Рассмотрим пример построения шкалы для определения сре;г
интенсивности просмотра телепередач путем массового опроса телез;
телей [29].
Первый вариант построения шкалы был таков. Вопрос: <Ско
приблизительно часов в день вы проводите у телевизора?> Шкала;
Процесс маркетинговых исследований 217
ответа содержала пять градаций: не более часа; от одного до двух часов,
от двух до трех часов; от 3 до 4 часов; свыше 4 часов.
Путем логических рассуждений были высказаны следующие сомне-
ния в обоснованности такого подхода. Следует указать день просмотра
телепередачи: будний, субботний или воскресный. Иначе не ясно, какой
из дней зритель выберет за эталон оценки. Не спасет положения и воп-
рос, сколько в среднем часов в неделю зритель проводит у телевизора,
так как люди не привыкли думать в <средних> величинах.
Значит, надо поставить вопрос так, чтобы: а) выделить дни недели;
б) указать понятный для зрителей эталон оценки. Поэтому более удач-
ный вариант построения шкалы основан на использовании следующего
вопроса: <Не могли бы вы приблизительно оценить, сколько в среднем
часов вы проводите у телевизора в тот день, когда смотрите передачи?>.
Сделайте отметки в каждой строке.
ДниДлитеэльность просмотра
неделине болееот 1 доот 2 доот 3 досвыше 4
1 часа2 часов3 часов4 часовчасов
В будние дни
В субботу
В воскресение
Заметим, однако, что логические рассуждения наподобие приве
денных выше повышают обоснованность, но не являются прямым до-
казательством того, что измеряется искомый атрибут.
Параллельные данные. Нередко целесообразно разработать два рав-
ноправных приема измерения заданного признака, что позволяет уста-
новить обоснованность методов относительно друг друга, т.е. повысить
общую обоснованность путем сопоставления двух независимых результа-
тов.
Классифицируем параллельные процедуры в зависимости от соот-
ношения методов и исполнителей:
а) несколько методов - один исполнитель;
б) один метод - несколько исполнителей;
в) несколько методов - несколько исполнителей.
Несколько методов - один исполнитель. Здесь один и тот же исполни-
тель использует два или более различных метода для измерения одного
и того же свойства.
Рассмотрим различные способы использования этого метода и прежде
всего - эквивалентные шкалы. Возможны равнозначные выборки при-
знаков для описания измерения поведения, отношения, ценностной
ориентации, т.е. какой-то установки. Эти выборки и образуют параллель-
ные шкалы, обеспечивая параллельную надежность.
Каждую шкалу рассматриваем как способ измерения некоторого
свойства и в зависимости от числа параллельных шкал имеем ряд спо-
собов измерения. В качестве исполнителя выступает респондент, дающий
ответы одновременно по всем параллельным шкалам. Все ответы сорти-
руются в зависимости от принадлежности к шкале, и таким образом
получаем параллельные данные.
218 Глава 4
При обработке такого рода данных следует выяснить два момс
1) непротиворечивость пунктов отдельной шкалы;
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68
ния ответов, а степень этого несовпадения. Ошибки рассчитываются по
крайней мере для порядковых признаков.
Линейной мерой несовпадения оценок является средняя арифмети-
ческая ошибка различения градаций шкалы, показывающая средний сдвиг
в ответах в расчете на одну пару последовательных наблюдений:
м
II
X,
Здесь X1 и х" - ответы по анализируемому вопросу 1-го респондента
в I и II пробах соответственно.
Этот показатель означает, какую долю градации данной шкалы (в
среднем) все испытуемые респонденты как бы не улавливают, т.е. како-
вы истинные границы различия градаций.
Пример. Пусть ответы на вопрос в пятибалльной шкале для выборки
50 человек распределились, как в табл. 4.19
Таблица 419
Результаты двух опросов
Опрос IОпрос IIСумма
12345
1351--9
2-311-5
3-762217
41346115
5-1-124
Сумма4191210550
Таким образом, в опросе I оценку 1 дали 9 респондентов, из них
только трое повторили ее в опросе II, пятеро дали оценку 2, семнад
цать - 3 и т.д.
Ошибка в данном случае равна:
3.1-1 +5-|1-2|-+1-|1-3|+.....+2-|5-5|
м-
50
4!
50
0,82.
Данный показатель использует всю имеющуюся информацию, одна-
ко из-за определенных аналитических ограничений обычно не исполь-
зуется в статистических расчетах [9, 10 ].
Средняя квадратическая ошибка для последовательных данных в рас-
чете на одно наблюдение рассчитывается по формуле [181:
1 "
С - V /V" - у
8X~\(X
2п
Для данных табл. 4.19 эта ошибка будет равна:
212 Глава 4
5Х = Уп3 О2 + 5 I2 + ! 22 + +! I2 + 2 О2) = 0,82
(совпадение 5х и |У| в этом примере имеет случайный характер)
До сих пор речь шла об абсолютных ошибках, размер ко горы>
ражался в тех же единицах, что и сама измеряемая величина Э
позволяет сравнивать ошибки измерения разных признаков по рл
шкалам. Следовательно, помимо абсолютных, нужны относит
показатели ошибок измерения. Они полезны при сравнении рачньп
например, для выбора из нескольких вариантов наиболее прави.,;
шкалы или для того, чтобы сопоставить уровни устойчивости я п."
разных свойств, каждое их которых фиксируется шкалами разнос
и разной степени дробности.
В качестве показателя для нормирования абсолютной ошибки
но использовать максимально возможную ошибку в рассматривав
шкале (Ушах).
Если число делений шкалы к, тогда Упмх. равное разнице ;
крайними значениями шкалы (Хуах ~ "шю будет 1с - 1, и относит-
ошибка окажется такой:
м _ м
V 1с - 1
Утах > 1
(здесь |У| - средняя арифметическая ошибка измерения).
Однако зачастую этот показатель <плохо работает> из-за того
шкала не используется на всей ее протяженности. Поэтому более
зательными являются относительные ошибки, рассчитанные по (<
чески используемой части шкалы.
Если число градаций в <работающей> части шкалы обозначить I
тогда
7о,
М . М
/с -1
а если в качестве абсолютной ошибки использовалась средняя то
ратическая ошибка 8, то показатель относительной ошибки
8отн
Пример. Допустим, что шкала имеет 7 делений. При определен;
<работающей> части этой шкалы анализируется распределение пол.>
ных в опросе I оценок:
Оценка1234567Сумма
Частота2331065978461487
Здесь на оценки 5, 6, 7 приходится лишь 11 наблюдений, т.е 2,2
т.е. эта часть шкалы <не работает>, поэтому Удах =4-1=3 На оск;
вании соотношения ответов в опросах I и II находим ошибки. Распре;;
ление ошибок по этой шкале оказалось следующим:
Процесс маркетинговых исследований 213
Значение
ошибки-4-3-2-10123Сумма
Частота3141954284881510487
Таким образом, |У| = 0,60 и относительная ошибка
0,60
= 0,20, или 20%.
Обобщая изложенное, в качестве примера оценим устойчивость семи-
балльной, пятибалльной и трехбалльной шкал измерений. Предположим,
изучалось отношение 100 потребителей к определенной марке товара и один
полюс шкалы характеризовал оценку <отношусь крайне отрицательно>
(оценка ), а другой - <отношусь очень положительно>. Допустим, было
получено распределение ответов, представленное в табл. 4.20.
Таблица 4.20
Выбор более точной шкалы путем сравнения величин
относительной устойчивости измерений
МетрикаПоказате>ли распреде?ления\Л/н
шкал
7 балловпункты7654321
шкалы0,750,25
частоты15253620211
5 балловпункты54.}21
шкалы0,950,24
частоты3528121510
3 баллапункты3/>1
шкалы0,990,49
частоты511732
Как видно, в пятибалльной и трехбалльной шкалах работают все
градации, так что в зоне негативных ответов оказывается соответствен-
но 25% и 32% ответов (сравните с семибалльной шкалой, где в этой
зоне менее 5%). Показатели абсолютной устойчивости двух последних
шкал, проверенные повторными опросами, допустим, дали соответствен-
но 0,95 и 0,99 (в семибалльной - 0,75).
Но относительные ошибки при условии, что все градации обеих
шкал работают, таковы
0,95
5- 1
V, = 0,24 для пятибалльной шкалы и
0,99
3- 1
V- = 0,49 для трехбалльной шкалы.
Получаем, что относительные ошибки семибалльной шкалы (0,25)
и пятибалльной (0,24) практически одинаковы, а трехбалльной - суще-
ственно выше (0,49).
274 Глава 4
Какую из трех шкал следует использовать? Вопрос решается г
сравнении устойчивости шкалы величины относительной ошибки
тойчивость данных по пятибалльной и трехбалльной шкалам сопоста
ма: 95% и 99%. Иными словами, опрашиваемые хорошо различают
дации этих шкал, лучше, чем в семибалльной шкале, для которой
тойчивость составляет 75%. По этой причине последнюю надо забри
вать. Остается выбор из двух оставшихся. Пятибалльная шкала им
высокую устойчивость и небольшую ошибку, а трехбалльная - <<
высокую устойчивость и приемлемую ошибку (меньше половины гг .
ции шкалы). Но в отношении к трем градациям это составит 0,49 -
0,16, а для пятибалльной - 0,24 : 5 0,05 длины шкалы. Следовак
но, пятибалльная шкала втрое чувствительнее, а значит, ей надо от г
предпочтение.
Какая же мера устойчивости удовлетворительна? Это зависит от суй
ства измеряемого свойства, его значимости для целей и задач исслсдс,}
ния. В принципе для немногочленной шкалы среднеарифметическая ошг
ка различения градаций в 40% ее деления невысока, а соответствую!;
мера устойчивости (100% - 40% = 60%) вполне достаточна, ибо не пс;
крываются границы между двумя соседними интервалами шкалы Есл>-ч
устойчивость составит не 40%, а 60%, т.е. более половины деления шь-л--.
то ошибка была бы явно недопустима, ибо в среднем испытуемые респс
денты не различают две соседние градации из трех.
Для многочленных шкал, например из 10 градаций, ошибки и
одного деления не слишком велика, так как перекрываются два дел?"
из 10, т.е. не 2/3, а 0,2 общей длины шкалы. Если при обработке дани.
градации укрупнить, объединяя две соседние, то ошибка умсныг.."1
до вполне приемлемого уровня устойчивости.
Для повышения устойчивости измерения необходимо выяснить ра;;
читальные возможности пунктов используемой шкалы, что прсдпо;);1;а
четкую фиксацию респондентами отдельных значений: каждая <ч 1;
должна быть строго отделена от соседней. На практике это означает
в последовательных пробах респонденты четко повторяют свои оис
Следовательно, высокой различимости делений шкалы должна соочь?
ствовать малая ошибка.
Эту же задачу можно описать в терминах чувствительности шк ;.;
которая характеризуется количеством делений, приходящихся на с-лну
ту же разность в значениях измеряемой величины, т. е. чем больше к;
даций в шкале, тем больше ее чувствительность. Однако чувствител
ность нельзя повышать простым увеличением дробности, ибо высог
чувствительность при низкой устойчивости является излишней (на и
мер, шкала в 100 баллов, а ошибка измерения ++10 баллов).
Но и при малом числе градаций, т.е. при низкой чувствительное!;
может быть низкая устойчивость, и тогда следует увеличить дробна
шкалы. Так бывает, когда респонденту навязывают категорические отч;
ты <да>, <нет>, а он предпочел бы менее жесткие оценки. И потом о
выбирает в повторных испытаниях иногда <да>, иногда <нет>,
Итак, следует найти некоторое оптимальное соотношение меж;;
чувствительностью и устойчивостью. Рекомендуется использовать стол и
градаций в шкале, чтобы абсолютная ошибка измерения не превыил-
0,5 деления шкалы (балла).
Процесс маркетинговых исследований 215
Если ошибка меньше 0,5 балла, то в последовательных опросах от-
веты в среднем будут совпадать. При |У)> 0,5 балла ответы в последо-
вательных опросах будут в среднем отличаться на 1 балл (и выше).
В то же время, если ошибка вообще отсутствует, то не исключено,
что шкала обладает заниженной чувствительностью.
Существуют способы, позволяющие добиться требуемой чувстви-
тельности [24].
На основе данных двух последовательных проб определяем пороги
различаемоеT градаций шкалы. В том случае, если обнаружено смеше-
ние градаций, применяют один из двух способов.
Первый способ. В итоговом варианте уменьшают дробность шкалы
(например, из шкалы в 7 интервалов переходят на шкалу в 3 интервала).
Второй способ. Для предъявления респонденту сохраняют прежнюю
дробность шкалы и только при обработке укрупняют соответствующие
ее пункты.
Второй способ кажется предпочтительнее, поскольку, как правило,
большая дробность шкалы побуждает респондента и к более активной
реакции. При обработке данных информацию следует перекодировать в
соответствии с проведенным анализом различительной способности
исходной шкалы.
Итак, предложенные способы анализа целесообразны при отработ-
ке окончательного варианта методики. Анализ устойчивости отдельных
вопросов шкалы позволяет:
а) выявить плохо сформулированные вопросы, их неадекватное
понимание разными респондентами;
б) уточнить интерпретацию шкалы, предложенной для оценки того
или иного явления, и выявить более оптимальный вариант дробности
значения шкалы.
Изучение устойчивости окончательного варианта методики даст
представление о надежности данных (связанной с устойчивостью), ко-
торые будут получены в основном исследовании.
Обоснованность измерения. Проверка обоснованности шкалы предпри-
нимается лишь после того, как установлены достаточные правильность и
устойчивость измерения исходных данных. Как уже отмечалось, проверка
обоснованности - достаточно сложный процесс и, как правило, не до конца
разрешимый. И поэтому нецелесообразно сначала применять трудоемкую
технику для выявления обоснованности, а после этого убеждаться в не-
приемлемости данных вследствие их низкой устойчивости.
Обоснованность данных измерения - это доказательство соответ-
ствия между тем, что измерено, и тем, что должно было быть измерено.
Например, предположим, что при опросе телезрителей им предла-
гают указать, каким из перечисленных в списке передачам изучаемый
канал телевидения уделяет <слишком много>, <достаточно> и <слишком
мало> времени. Если с помощью этой шкалы исследователь намерен
фиксировать среднее время, отводимое телепередачам, его измерение
будет необоснованным. В действительности он измеряет отношение лю-
дей к данным передачам, а не объем времени, отводимого для их транс-
ляции. Обоснованное измерение объема времени на передачи разного
типа - документальный анализ сетки программ данного телевизионного
канала.
216 Глава 4
Некоторые исследователи предпочитают исходить из так ьа
мой наличной обоснованности, т. е. обоснованности в понятиях !".
зованной процедуры. Например, считают, что удовлетворен нос г.
ром - это то свойство, которое содержится в ответах на вопрос
летворены ли вы товаром?>. В серьезном маркетинговом исслсдо)
такой сугубо эмпирический подход может оказаться неприемлем!
Остановимся на возможных формальных подходах к вынсч
уровня обоснованности методики. Их можно разделить на три гр.
1) конструирование типологии в соответствии с целями исс !
ния на базе нескольких признаков;
2) использование параллельных данных;
3) судейские процедуры.
Подходы первой группы считать полностью формальными \с
ми - это всего лишь некоторая схематизация логических рассуж;;
начало процедуры обоснования, которая может быть на этом и закг
на, а может быть подкреплена более мощными средствами.
Реализация подходов второй группы требует использования гк> ?
ней мере двух источников для выявления одного и того же оно
Обоснованность определяется степенью согласованности соотвсгг
щих данных.
В третьем случае мы полагаемся на компетентность судей, ко г
предлагается определить, измеряем ли мы нужное нам своистг<
что-то иное.
Конструированная типология. Один из способов - ис польз"<
контрольных вопросов, которые в совокупности с основными даю-г
шее приближение к содержанию изучаемого свойства, раскрывд>;
личные его стороны.
Например, можно определять удовлетворенность используем;
делью автомобиля лобовым вопросом: <Устраивает ли вас ваша нь
няя модель автомобиля?> Комбинация его с двумя другими косвенна
<Хотите ли вы перейти на другую модель?> и <Рекомендуете ли в
ему другу купить данную модель автомобиля?> позволяет прои чвесл-.
надежную дифференциацию респондентов. Типология по пяти уггц :
ченным группам от наиболее удовлетворенных автомобилем до нанм:
удовлетворенных проводится с помощью <логического квадрата>
Обоснованность в подобного рода типологии не доказывается
ким-либо формальным критерием и опирается на логические лов :
Единственное требование, которое может быть выдвинуто при к
струировании такого рода типологии, - это положительная коррета
между составляющими ее признаками. Отсутствие положительной ",,
мосвязи между вопросами может свидетельствовать о том, что чь
понимаем сущности измеряемого явления.
Выявление уровня обоснованности измерений обычно основан;
только на логических рассуждениях, но и на использовании они"
здравого смысла.
Рассмотрим пример построения шкалы для определения сре;г
интенсивности просмотра телепередач путем массового опроса телез;
телей [29].
Первый вариант построения шкалы был таков. Вопрос: <Ско
приблизительно часов в день вы проводите у телевизора?> Шкала;
Процесс маркетинговых исследований 217
ответа содержала пять градаций: не более часа; от одного до двух часов,
от двух до трех часов; от 3 до 4 часов; свыше 4 часов.
Путем логических рассуждений были высказаны следующие сомне-
ния в обоснованности такого подхода. Следует указать день просмотра
телепередачи: будний, субботний или воскресный. Иначе не ясно, какой
из дней зритель выберет за эталон оценки. Не спасет положения и воп-
рос, сколько в среднем часов в неделю зритель проводит у телевизора,
так как люди не привыкли думать в <средних> величинах.
Значит, надо поставить вопрос так, чтобы: а) выделить дни недели;
б) указать понятный для зрителей эталон оценки. Поэтому более удач-
ный вариант построения шкалы основан на использовании следующего
вопроса: <Не могли бы вы приблизительно оценить, сколько в среднем
часов вы проводите у телевизора в тот день, когда смотрите передачи?>.
Сделайте отметки в каждой строке.
ДниДлитеэльность просмотра
неделине болееот 1 доот 2 доот 3 досвыше 4
1 часа2 часов3 часов4 часовчасов
В будние дни
В субботу
В воскресение
Заметим, однако, что логические рассуждения наподобие приве
денных выше повышают обоснованность, но не являются прямым до-
казательством того, что измеряется искомый атрибут.
Параллельные данные. Нередко целесообразно разработать два рав-
ноправных приема измерения заданного признака, что позволяет уста-
новить обоснованность методов относительно друг друга, т.е. повысить
общую обоснованность путем сопоставления двух независимых результа-
тов.
Классифицируем параллельные процедуры в зависимости от соот-
ношения методов и исполнителей:
а) несколько методов - один исполнитель;
б) один метод - несколько исполнителей;
в) несколько методов - несколько исполнителей.
Несколько методов - один исполнитель. Здесь один и тот же исполни-
тель использует два или более различных метода для измерения одного
и того же свойства.
Рассмотрим различные способы использования этого метода и прежде
всего - эквивалентные шкалы. Возможны равнозначные выборки при-
знаков для описания измерения поведения, отношения, ценностной
ориентации, т.е. какой-то установки. Эти выборки и образуют параллель-
ные шкалы, обеспечивая параллельную надежность.
Каждую шкалу рассматриваем как способ измерения некоторого
свойства и в зависимости от числа параллельных шкал имеем ряд спо-
собов измерения. В качестве исполнителя выступает респондент, дающий
ответы одновременно по всем параллельным шкалам. Все ответы сорти-
руются в зависимости от принадлежности к шкале, и таким образом
получаем параллельные данные.
218 Глава 4
При обработке такого рода данных следует выяснить два момс
1) непротиворечивость пунктов отдельной шкалы;
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68