Podsumowanie projektu

Slides:



Advertisements
Podobne prezentacje
Regresja i korelacja materiały dydaktyczne.
Advertisements

CAŁA POLSKA CZYTA DZIECIOM – raport Przygotowany dla Fundacji ABC XXI 30 października 2006.
WIEDZA I NAWYKI ŻYWIENIOWE KOBIET AKTYWNYCH FIZYCZNIE
hasło: student Justyna Kubacka
Porównywanie średnich dwóch prób niezależnych o rozkładach normalnych (test t-studenta)
Analiza wariancji jednoczynnikowa
Skale pomiarowe – BARDZO WAŻNE
PODSUMOWANIE WIADOMOŚCI ZE STATYSTYKI
BUDOWA MODELU EKONOMETRYCZNEGO
Jak mierzyć zróżnicowanie zjawiska? Wykład 4. Miary jednej cechy Miary poziomu Miary dyspersji (zmienności, zróżnicowania, rozproszenia) Miary asymetrii.
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
Analiza wariancji Analiza wariancji (ANOVA) stanowi rozszerzenie testu t-Studenta w przypadku porównywanie większej liczby grup. Podział na grupy (czyli.
Pakiety statystyczne Maciej Szydłowski (dr)
Wykład 6 Standardowy błąd średniej a odchylenie standardowe z próby
Próby niezależne versus próby zależne
Porównywanie średnich dwóch prób zależnych
Analiza wariancji ANOVA efekty główne
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Wykład 4. Rozkłady teoretyczne
Średnie i miary zmienności
Analiza wariancji.
Korzystanie z usług edukacyjnych w świetle wyników Diagnozy Społecznej 2011 Irena E. Kotowska, Izabela Grabowska Instytut Statystyki i Demografii Szkoła.
Rozkład t.
i jak odczytywać prognozę?
Ekonometria. Co wynika z podejścia stochastycznego?
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
Analiza wariancji jednoczynnikowa.
Barbara Bobrowicz Konferencja: Praca zawodowa a obowiązki rodzinne
Segmenty rynku prasowego
Wyniki badania - Infolinia jako kanał komunikacji z klientem -
„Student jako konsument na rynku multimediów”
Instytut Statystyki i Demografii
Hipotezy statystyczne
MOŻLIWOŚCI SPĘDZANIA WOLNEGO CZASU W INTERNECIE PRZEZ OSOBY DOROSŁE.
Kilka wybranych uzupelnień
Podstawy statystyki, cz. II
Analiza wariancji ANOVA czynnikowa ANOVA
Statystyka - to „nie boli”
Ewa Migaczewska i Tomasz Masłyk
Planowanie badań i analiza wyników
Testy statystycznej istotności
WYNIKI ANONIMOWEJ ANKIETY „BEZPIECZEŃSTWO W SIECI”
NETYKIETA, TIK I ŚWIADOMOŚĆ JĘZYKOWA MIESZKAŃCÓW NOWEJ WSI
Nowe technologie w edukacji
Seminarium licencjackie Beata Kapuścińska
Muzyka Adrianna Świniarska.
Analiza wariancji ANOVA efekty główne. Analiza wariancji ANOVA ANOVA: ANalysis Of VAriance Nazwa: wywodzi się z faktu, że w celu testowania statystycznej.
EDUKACJA W INTERNECIE JAK MŁODZIEŻ KORZYSTA Z INTERNETU?
ANALIZA ANOVA - KIEDY? Wiele przedsięwzięć badawczych zakłada porównanie pomiędzy średnimi z więcej niż dwóch populacji lub dwóch warunków eksperymentalnych.
Wnioskowanie statystyczne
Statystyka medyczna Piotr Kozłowski
Cyfrowi Polacy 2015 Dominik Batorski. Internet, komputery i telefony komórkowe Przyrost nowych użytkowników komputerów, internetu i telefonów komórkowych.
Polacy w internecie 2011 dr Dominik Batorski Uniwersytet Warszawski R ADA M ONITORINGU S POŁECZNEGO D IAGNOZA S POŁECZNA 2011.
Statystyczna analiza danych w praktyce
Testowanie hipotez Jacek Szanduła.
Statystyczna analiza danych
Model ekonometryczny Jacek Szanduła.
Statystyczna analiza danych
STATYSTYKA – kurs podstawowy wykład 9 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
Jak mierzyć zróżnicowanie zjawiska?
Bezpieczny internet – analiza ankiety dla rodziców
Statystyka matematyczna
Postawy studentów wychowania fizycznego Uniwersytetu Rzeszowskiego wobec zdrowia Dr Jaromir Grymanowski Uniwersytet Rzeszowski Wydział Wychowania Fizycznego.
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
PODSTAWY STATYSTYKI Wykład udostępniony przez dr hab. Jana Gajewskiego
MIARY STATYSTYCZNE Warunki egzaminu.
Analiza kanoniczna - stanowi uogólnienie liniowej regresji wielorakiej na dwa zbiory zmiennych tzn. dla zmiennych zależnych i niezależnych. Pozwala badać.
Korelacja i regresja liniowa
Zapis prezentacji:

Podsumowanie projektu „Student jako konsument na rynku multimediów”

Informacje ogólne Realizacja badania: 10-14 maja 2004 Próba: 35 grup językowych (spośród 239) 5 grup pominięto Łącznie 380 respondentów, w tym 5 osób z V roku, które nie należały do grupy docelowej Otrzymana stopa zwrotu: 76% (380 z 500 osób)

Przypomnienie celów Cel główny: identyfikacja wzorów zachowań i postaw studentów SGH w dziedzinie korzystania z Internetu. Zbadanie częstotliwości, intensywności i rozpowszechnienia korzystania z Internetu wśród studentów SGH Poznanie celów, do których studenci wykorzystują Internet

Cele - c.d. Identyfikacja wzorów zachowań studentów w dziedzinie korzystania z Internetu w oparciu o takie czynniki, jak dostęp do komputera, dostęp do Internetu, cechy demograficzne Segmentacja studentów ze względu na wzory zachowań w dziedzinie korzystania z Internetu Identyfikacja tych zasobów Internetu, do których studenci sięgają samodzielnie, oraz tych, które są im udostępniane przez inne osoby

Intensywność korzystania z Internetu Cele wykorzystania Internetu Zmienne zależne Częstotliwość korzystania z Internetu Dostępność Internetu Intensywność korzystania z Internetu Cele wykorzystania Internetu

Zmienne niezależne Posiadanie komputera Rodzaj dostępu do Internetu Cechy demograficzne - płeć - wiek - miejsce zamieszkania - rok studiów - kierunek studiów

Ważenie Struktura próby ze względu na rok studiów i płeć niezgodna ze strukturą populacji Dane dotyczące liczby osób na każdym roku, z podziałem na kobiety i mężczyzn nie do uzyskania Ważenie tylko ze względu na płeć, ale z uwzględnieniem struktury na każdym roku studiów (dane z rekrutacji)

Analiza społeczno-demograficzna badanej zbiorowości

Płeć i rok studiów

Kierunek studiów

Miejsce zamieszkania

Praca zawodowa

Rozkłady częstości

Posiadanie komputera

Dostęp do Internetu

Korzystanie z Internetu w miejscu zamieszkania

Korzystanie z Internetu na uczelni

Korzystanie z Internetu w kawiarenkach internetowych

Korzystanie z Internetu w pracy

Korzystanie z Internetu w domu rodziców

Korzystnie z Internetu u znajomych

Częstotliwość korzystania z Internetu

Intensywność korzystania z Internetu Średnia: 2,01h Odchylenie standardowe: 1,47h

Cele wykorzystania Internetu (1/2)

Cele wykorzystania Internetu (2/2)

ŚCIĄGANIE I DOSTAWANIE (1/4)

ŚCIĄGANIE I DOSTAWANIE (2/4)

ŚCIĄGANIE I DOSTAWANIE (3/4)

ŚCIĄGANIE I DOSTAWANIE (4/4)

MUZYKA - Słuchanie muzyki

Słuchanie muzyki - różne gatunki

WERYFIKACJA POSTAWIONYCH HIPOTEZ

Hipotezy, które nie zostały odrzucone (1/2) Posiadanie przez studentów własnego komputera zwiększa prawdopodobieństwo, iż będą oni ściągać pliki i programy z Internetu - 90% ściągających posiada własny komputer; różnice statystycznie istotne Posiadanie przez studentów stałego dostępu do Internetu - 57% ściągających posiada sztywne łącze; różnice statystycznie istotne

Hipotezy, które nie zostały odrzucone (2/2) Ponad połowa zbadanych studentów korzysta z Internetu częściej niż 4 razy w tygodniu - różnice statystycznie istotne, ponad 86% studentów korzysta częściej niż 4 razy w tygodniu Studenci mieszkający w akademikach korzystają z Internetu częściej i intensywniej niż pozostali studenci - blisko 90% mieszkańców akademików korzysta codziennie Wśród rodzajów zasobów Internetu ściąganych przez studentów samodzielnie dominują artykuły prasowe i MP3 (artykuły ściąga 96%, muzykę 77%)

Hipotezy, które zostały odrzucone: Im dłuższy czas poświęcany przez studenta na korzystanie z Internetu, tym większe prawdopodobieństwo, że będzie on ściągać pliki i programy z Internetu - różnice statystycznie istotne; zależność odwrotna: największy odsetek ściągających (61.5%) w grupie korzystających do 10h tygodniowo Studenci kierunku MISI korzystają z Internetu częściej i intensywniej niż studenci innych kierunków - różnice statystycznie nieistotne Mężczyźni korzystają z Internetu częściej i intensywniej niż kobiety - różnice statystycznie nieistotne Studenci mieszkający w akademikach korzystają z Internetu intensywniej niż pozostali studenci - różnice nieistotne

Analiza czynnikowa

Analiza czynnikowa Zmienne analizowane: gatunki słuchanej muzyki Skala 1-5 Pominięte gatunki: inne (wielkość próby) muzyka klasyczna (niska zmienność wspólna)

Analiza czynnikowa KMO=0,684 , test Bartletta wskazał istotność macierzy korelacji 65% wyjaśnianej wariancji (wartości własne większe od 1) 4 czynniki Rotacja Varimax

Zmienność wspólna Jedyna niska wartość, pozostawiona jednak do dalszej analizy (istotne znaczenie dla powstania czynnika)

Charakterystyka czynników Jazz, blues, reggae, soul Rock, metal, nie hiphop, nie soul Techno, drum’n’bass Pop, folk

Segmentacja Podstawą wyznaczone wcześniej czynniki Metoda K-średnich Wynik: 3 porównywalne wielkościowo segmenty

Segmentacja

Podejście alternatywne Włączenie do analizy gatunku: inne Poprawa wartości zmienności wspólnych Zmiana w wartościach czynników Duża utrata respondentów (320 -> 180)

Segmentacja

Segmentacja - porównanie

Od czego zależy ściąganie muzyki, filmów i programów? Regresja logistyczna Od czego zależy ściąganie muzyki, filmów i programów?

Ściąganie muzyki, filmów, programów

Podsumowanie

Kodowanie zmiennych jakościowych

Test istotności współczynników modelu

Podsumowanie modelu

Klasyfikacja obserwacji

Zmienne w modelu

Wnioski (1) Szansa, że student będzie ściągał muzykę, filmy i programy z Internetu, jest ok. 4 razy większa jeśli ma on stałe łącze i ok. 2,5 razy większa jeśli ma dostęp do Internetu przez modem, niż w przypadku gdy nie ma on dostępu do Internetu w miejscu zamieszkania.

Wnioski (2) Szansa, że student będzie ściągał muzykę, filmy i programy z Internetu, jest o 67% mniejsza jeśli czasami korzysta on z Internetu na uczelni i o 73% mniejsza jeśli często korzysta z Internetu na uczelni, niż w przypadku gdy bardzo często korzysta on z Internetu na uczelni.

Wnioski (3) Szansa, że student będzie on ściągał muzykę, filmy i programy z Internetu jest ok. 4 razy większa dla studenta korzystającego z grup dyskusyjnych niż dla nie korzystającego.

Wnioski (4) Szansa, że student będzie ściągał muzykę, filmy i programy z Internetu jest mniejsza dla tych, którzy słuchają radia lub grają w gry przez Internet, niż dla tych, którzy nie grają i nie słuchają radia.

Wnioski (5) Wzrost udziału rozrywki w obszarach wykorzystania Internetu o 1 punkt prowadzi do wzrostu szans ściągania muzyki, filmów i programów z Internetu o 37%.

Wnioski (6) Wzrost dziennego czasu słuchania muzyki o 1 godzinę prowadzi do wzrostu szans ściągania muzyki, filmów i programów z Internetu o 22%.

Identyfikacja wzorów zachowań w dziedzinie korzystania z Internetu

Wzory zachowań Korzystanie z Internetu w oparciu o: dostęp do komputera dostęp do Internetu cechy demograficzne Segmentacja studentów ze względu na wyodrębnione wzory zachowań

Plan analizy Wyodrębnienie czynników w oparciu o skalowanie optymalne (HOMALS) Segmentacja respondentów metodą K-średnich Profilowanie segmentów

Skalowanie optymalne Wykorzystane zmienne: cele wykorzystania Internetu (z obszarów: komunikacja; zdobywanie informacji, edukacja; rozrywka; usługi internetowe) pliki ściągane osobiście z Internetu pliki otrzymywane od znajomych

Segmentacja

Segmentacja

Segmenty

Posiadanie komputera

Dostęp do Internetu

Korzystanie z Internetu w miejscu zamieszkania

Częstotliwość korzystania z Internetu