Quines anàlisis

• En primer lloc s’haurien de demanar les freqüències i els percentatges de cadascuna de les variables per a tenir una visió global de les dades.
• El segon pas seria fer anàlisis de correlació de Pearson entre les variables per tal de saber quines relacions entre unes i altres variables són significatives (en cas que en hi hagin). Quan més a prop estiguin el resultats de la unitat 1.000 més alta és la correlació i la significança. En el cas del qüestionari que us donem com a model, ens interessaria veure les correlacions entre les variables de l’apartat A (que fan referència a dades personals dels subjectes) amb les de l’apartat B per veure a quins grups de subjectes afecta més o menys la publicitat.
• Si es vol saber si la publicitat afecta més a un grup o a un altre dels subjectes de la mostra es poden fer ANOVAS (anàlisis de la variança) tenint com a variables dependents el sexe, l’edat, el lloc de residència o qualsevol de les variables de tipus socio-cultural. Per a poder fer aquestes anàlisis s’han de crear noves variables per tenir les dades corresponents a l’edat o lloc de residència, per exemple la variable edat es pot agrupar en 4 grups: menys de 15 anys (grup número 1), de 15 a 30 (grup número 2), de 31 a 50 (grup número 3), més de 50 (grup número 4).
• Si es vol analitzar la fiabilitat dels ítems de l’apartat B del qüestionari model, seria convenient agrupar els ítems en dos constructes: els que indiquen la influència de la publicitat en el consum (2, 7, 8, 9, 11, 12) i els que no indiquen influència de la publicitat en el consum (1, 3, 4, 5, 6, 10).
• Si es vol arribar més enllà, es podria fer una anàlisi factorial per veure quins són els factors que entren a l’equació i intentar explicar-los.

  ---