|
|
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.
|