Korstabulering analys är en marknad - forskning verktyg som syftar till att visa sambandet - eller brist på sådan - mellan vissa förinställda variabler . Till exempel , om du tillfrågade 1000 personer om deras favorit frukostflingor , kan du skapa en tabell över tabulating stråsäd val med åldersgruppen av de människor du tillfrågade , för att se hur ålder kan påverka frukost önskemål . Korstabulering för stora datamängder är lättare när det är gjort på en dator . Alternativ
Du behöver inte stanna vid en korstabuleringstabell - skapa så många tabeller som det finns relationer mellan variabler som du vill undersöka . Förutom att tabulating spannmål preferenser efter ålder , till exempel , kan du ställa upp i tabellform också val av inkomster , ras , geografi och utbildningsnivå . Den enda begränsningen är att du samlat in uppgifter om variablerna i din ursprungliga undersökningen . Cross - tabulating uppgifter kan visa att variablerna är starkt korrelerade , men ibland visar de inte har någon verklig relation . Addera Chi - Square
Även om du tror att du ser ett förhållandet mellan variabler , kan det vara en fluke . Chi - square test är en matematisk metod som jämför resultaten av korstabulering till dem du skulle observera om resultaten var helt slumpmässigt , och de två variablerna inte påverkar varandra . Flera program på marknaden som av denna publikation kan hantera antalet knaprande inblandade . Detta minskar arbetet med att analysera stora undersökningar med många variabler att dubbelkontrollera tabellform .
Hypoteser
En dator kan knapra siffror , tryck upp tabeller och beräkna den chi - square , men det kan inte berätta vilken information som är viktig för ditt projekt . Innan du samla in data , formulera en hypotes du vill testa - barn gillar sockrade flingor mer än vuxna , till exempel - och sedan se till att undersökningen samlar den information du behöver för att bekräfta eller förkasta hypotesen . Begå inte dig själv till en obevisad hypotes : Om uppgifterna visar att det är fel , du måste acceptera det. [ REF3 Addera Försiktighet
försiktig när du drar slutsatser från korstabulering . Även om datorn visar ett mycket starkt samband mellan ålder och smak frukost , som kanske inte betyder mycket om du bara har ett halvt dussin tillfrågade under åldern av 12 . Små siffror är mer sårbara för provtagning VALSTJÄRT , exempelvis att du bara råkade kartlägga sex barn som delar samma smak , ett större prov i ett sådant fall skulle korsa - tabellform annorlunda . Detta är ett exempel på hur analyserar datorns information kräver användning av dom , inte bara statistik .
