Wprowadzenie do analizy danych ankietowych

Analiza danych ankietowych w Pythonie

EbunOluwa Andrew

Data Scientist

Czym jest analiza danych ankietowych?

Uzyskiwanie wglądu
- Więcej wyników = lepsze zrozumienie
Pomiar efektów
- Wysoki wskaźnik odpowiedzi jest kluczowy
- Przykład: odpowiedź w ankiecie uzupełniającej wskazuje skuteczność zmian w produkcie

Baner z prośbą o opinię

Czym są dane ankietowe?

Odpowiedzi uczestników badania
Ilościowe lub liczbowe
Jakościowe lub opisowe
Rzetelna reprezentacja opinii grupy docelowej

Zdjęcie: Celpax, Unsplash – kobieta wypełniająca ankietę

¹ Photo by Celpax on Unsplash

Typy danych ankietowych

Porządkowe
- Odpowiedzi tworzą logiczną kolejność
- Przykładowe pytanie: Jak często korzysta Pan/Pani z naszego produktu?
- Przykładowe odpowiedzi: Nigdy, Rzadko, Czasami, Często, Zawsze
- Kolejność ma znaczenie

Wypełnianie formularza ankiety

Typy danych ankietowych

Nominalne
- Różne grupy/kategorie
- Brak kolejności między kategoriami
- Przykłady: miasto urodzenia, płeć, narodowość

Akt urodzenia

Typy danych ankietowych

Interwałowe
- Dane uporządkowane
- Odległość między wartościami jest znacząca i równa
- Przykładowe odpowiedzi: 22°C, 24°C lub 26°C

Termometr - zdjęcie: Bianca Ackermann, Unsplash

Ilorazowe
- Dokładne pomiary
- Prawdziwy punkt zerowy
- Przykładowa odpowiedź: $5321

Dom z banknotów studziesięciodolarowych - zdjęcie: Kostiantyn Li, Unsplash

Definiowanie celów

Definiowanie celów badania
Wskaźnik odpowiedzi
Wyciąganie wniosków z opinii

Niereprezentacyjna próba

Próbkowanie w badaniach ankietowych

Zebranie danych od całej populacji jest niemożliwe
Próbkowanie służy do estymacji lub testowania hipotez o populacji
Różne techniki próbkowania pozwalają tworzyć nieobciążone próby

Zdjęcie: Joseph Chan, Unsplash – ludzie z parasolkami na ulicy w ciągu dnia

¹ Photo by Joseph Chan on Unsplash

Przegląd technik próbkowania

Proste losowe
- Losowo wybrany podzbiór populacji
Warstwowe losowe
- Populacja podzielona na warstwy (np. rasa, płeć)
- Z każdej warstwy losowo wybierany jest podzbiór

Analytics Vidhya – próbkowanie warstwowe losowe

Przegląd technik próbkowania

Ważone
- Wybór podzbioru odpowiadającego proporcjom populacji
Skupiskowe
- Populacja podzielona na skupiska (np. szkoły, miasta)
- Z każdego skupiska losowo wybierany jest podzbiór

Aoife Dalton na SlideServe – ilustracja próbkowania skupiskowego

¹ Aoife Dalton on SlideServe

Tabela krzyżowa – popularna metoda analizy danych ankietowych

.crosstab() -> bada wzajemną zależność między dwiema zmiennymi nominalnymi.

print(survey.head())

| Age     | Occupation_Title          | Current Student | Gender | Education  |
|---------|---------------------------|-----------------|--------|------------|
| 18 - 24 | Credit officer            | No              | Female | Bachelor's |
| 18 - 24 | Student                   | Yes, Full-Time  | Male   | Bachelor's |
| 18 - 24 | Student                   | Yes, Full-Time  | Female | Bachelor's |
| 25 - 34 | Senior Financial Analyst  | No              | Female | Bachelor's |
| 35 - 44 | Public Relations Director | No              | Female | Bachelor's |

Funkcja tabeli krzyżowej

cross_tabulation = pd.crosstab(survey.Age, survey.Gender)
cross_tabulation

|         | Female | Male |
|---------|--------|------|
| 18 - 24 |     39 |   12 |
| 25 - 34 |     28 |   12 |
| 35 - 44 |      5 |    1 |
| 45 - 54 |      3 |    0 |

Czas na ćwiczenia!

Analiza danych ankietowych w Pythonie