МАРКЕТИНГ

Проверка достоверности результатов исследования

Меры по проверке достоверности и обоснованию присутствуют в маркетинговом моделировании ( Coates et al., 1991), но они также существенны для эмпирическо­го маркетингового исследования. Это статистические методики, применяемые, чтобы отвергнуть или принять гипотезу. В традиции логического позитивизма исследователь начинает с выдвижения гипотезы и разработки эксперимента для ее проверки. Д. Джоббер и Дж. Сондерс (Jobber and Saunders, 1988) проделали это, занимаясь международными исследованиями уровня возврата анкет; в своей ра­боте они предположили, что уровень возврата анкет, распространяемых в не­скольких странах одновременно, будет ниже, чем уровень возврата анкет, распро­страняемых внутри одной страны. Как показывает табл. 4, обнаружилась разница в количестве возвратов анкет, распространяемых в одном случае одновременно в США и Великобритании, а в другом — по отдельности в этих странах. Отсюда следует предположение, что и американцы, и британцы более склонны возвра­щать местные анкеты (9 и 13%), чем международные (6 и 5%). Меры по обоснова­нию результатов исследования проверяют, существенна ли разница и не возникла ли она случайно. В этом случае они сравнивали пропорции выборки с помощью t-теста. Он показывает, что существует заметная разница между британскими уровнями возврата (5 против 13), но не между американскими (6 против 9). Дру­гими словами, есть основание предполагать, что британцы более охотно отвечают на местные анкеты, но нет существенных данных в поддержку гипотезы, что для американцев характерно такое же поведение.

Для других ситуаций есть аналогичные тесты:

1. Если выборки большие (больше 30), тесты нормального распределения проверяют, значимы ли характеристика или пропорции выборки. Напри­мер: «Получают ли торговые представители, прошедшие тренинг для улучшения навыков торговли, более высокие комиссионные, чем те, кто не проходил тренинг?» или: «Существенно ли меньше доля людей, отве­тивших на шестистраничную анкету, чем тех, кто ответил на трехстранич­ную анкету?».

2. Если выборки невелики (меньше 30), тогда t-тест сравнивает разницу меж­ду средними значениями двух маленьких выборок. Это зачастую важно, когда сбор данных очень дорог или когда избранные популяции малы, на­пример на промышленных рынках.

3. Обычная практика — вносить результаты опроса в таблицы перекрестной табуляции, скажем, социальный класс против поведения при голосовании. При этом может проявляться определенная зависимость, проверка досто­верности этого результата задает вопрос о его случайности.

Существует еще много тестов, каждый для своей цели. ANOVA — мощное ору­дие, которое оценивает вклад нескольких переменных. Несмотря на доступность этой статистической методики в большинстве пакетов для анализа данных, уди­вительно, как много исследователей до сих пор сообщают о результатах, не ссы­лаясь на них. Поступать так — непрофессионально и глупо. Если только не су­ществует значимой разницы между результатами, у исследователя нет права заявлять о каких-то своих находках.