krysstabell analyse er en markedsorientert forskning verktøy som tar sikte på å vise sammenhengen - eller mangelen på dem - mellom visse forhåndsdefinerte variabler. For eksempel, hvis du spurte 1000 personer om deres favoritt frokostblanding , kan du opprette en tabell cross- tabulerer kornblanding valg med aldersgruppe av de personene du i undersøkelsen , for å se hvordan alder kan påvirke frokost preferanse . Krysstabell for store datasett er enklere når det er gjort på en datamaskin . Alternativer

Du trenger ikke å stoppe på en krysstabelarisk tabell - lage så mange bord som det er relasjoner mellom variabler som du ønsker å undersøke. I tillegg til tabulerer kornblanding preferanser etter alder, for eksempel, kan du også tabulate valg etter inntekt , rase , geografi og utdanningsnivå . Den eneste begrensningen er at du samlet inn data om variablene i den opprinnelige undersøkelsen. Cross - tabulerer data kan vise at variablene er sterkt korrelert , men det noen ganger viser de har ingen faktiske forhold.
Chi - Square

Selv om du tror du ser en forhold mellom variabler , kan det være en Fluke . Khikvadrattesting er en matematisk metode som sammenligner resultatene av krysstabulering til de du ville se om resultatene var helt tilfeldig , og de ​​to variablene ikke påvirker hverandre . Flere programmer på markedet som av denne publikasjonen kan håndtere tallknusing involvert. Dette reduserer arbeidet med å analysere store undersøkelser med mange variabler å kryss- Tabuleringene .
Hypoteser

En datamaskin kan knase tall, print opp bord og beregne chi -kvadrat , men det kan ikke fortelle deg hvilken informasjon som er viktig for prosjektet. Før du samle data , formulere en hypotese du vil teste - barna liker sukkerholdig frokostblanding mer enn voksne gjør , for eksempel - så sørg for at undersøkelsen samler inn den informasjonen du trenger for å bekrefte eller forkaste hypotesen . Ikke forplikte deg til en uprøvd hypotese : Hvis informasjonen viser at det er galt , må du akseptere det. [ ref3
Forsiktig

Vær forsiktig når du trekke konklusjoner fra krysstabell . Selv om datamaskinen viser en meget sterk sammenheng mellom alder og frokost smaker , som kanskje ikke bety mye hvis du bare har et halvt dusin respondenter under 12 år. Små tall er mer sårbare for prøvetaking flukes , for eksempel at du bare skjedd å kartlegge seks barn som deler samme smak , et større utvalg i et slikt tilfelle kan kryss- tabulate annerledes. Dette er et eksempel på hvordan å analysere datamaskinens informasjon krever bruk av skjønn , ikke bare statistikk .