Помощь

SavStat — веб-приложение для анализа социологических и маркетинговых данных в формате SPSS (.sav). Ниже — краткое руководство и разбор меню «Анализ» по пунктам.

Начало работы

Подготовка данных

Вывод (журнал)

Анализ по пунктам

Описательные статистики

Среднее, стандартное отклонение, дисперсия, минимум/максимум, стандартная ошибка, асимметрия и эксцесс (скорректированные формулы SPSS G1/G2). Пропуски исключаются попарно по каждой переменной. Есть поддиалог «Опции».

Частоты

Таблицы частот и процентов для категориальных переменных и наборов множественных ответов.

Таблицы сопряженности

Двумерные таблицы: частоты и проценты по строкам/столбцам/от общего итога, критерий хи-квадрат. Поддерживаются MR-наборы (строки — мультивыбор). Таблицу можно выгрузить в Excel.

Комбинированные таблицы

Многомерные таблицы как в SPSS Custom Tables: строки — переменные и MR-наборы (с вложением), столбцы — категории одной или нескольких переменных с групповыми подписями; подстолбцы — вложенные столбцы, каждая группа открывается итоговым подстолбцом Total. Ячейки: Col % + Count либо компактный режим (только Col % и база); база процента — отвечавшие на вопрос в столбце (пропуски исключены), как в SPSS. Статистические критерии: z-тест долей столбцов, t-тест средних (Уэлча), хи-квадрат, поправка Бонферрони, APA-буквы значимости или отдельная таблица различий. Выгрузка в Excel — таблицы и всего журнала.

Корреляционный анализ

Парные… — коэффициенты Пирсона, тау-b Кендалла, Спирмана с двусторонней значимостью. Частные… — парные корреляции при контроле остальных переменных.

Регрессионный анализ

Линейная регрессия (OLS, в том числе пошаговые методы) и бинарная логистическая регрессия.

Факторный анализ

Экстракция (метод главных компонент и общие факторы), вращение, КМО и критерий сферичности Бартлетта, communality, значения факторов (регрессия, Бартлетт, Андерсона—Рубина) с сохранением в данные.

Кластерный анализ методом K-Means

Число кластеров, итерации, файл начальных/итоговых центров (читается и записывается, как в SPSS), сохранение номеров кластеров и расстояний.

Дискриминантный анализ

Пошаговый отбор по последовательному критерию допуска (как в SPSS), канонические коэффициенты и структурная матрица, статистики групп, классификация с матрицей ошибок и сохранением предсказаний.

Conjoint analysis

Полный аналог SPSS Conjoint / Sawtooth Lighthouse: ортогональные планы (аналог ORTHOPLAN), эффективный D-оптимальный план, методы CVA (полный профиль, OLS по респондентам), CBC (выбор из наборов, агрегатный MNL), CBC/HB (иерархический Байес — индивидуальные полезности), ACA (адаптивный) и Hybrid, рыночный симулятор (First Choice / Share of Preference / Randomized First Choice).

Порядок работы: Атрибуты… (атрибуты и уровни) → План… (генерация дизайна, запись в данные) → Данные… (респонденты: ввод в браузере или импорт CSV) → Оценка… (модель) → Симулятор… (доли рынка). Ответы ACA вводятся только на страницах респондента (импорт CSV для ACA не поддерживается — адаптивный поток требует сессию).

Примеры и вспомогательные файлы

Готовые демо-файлы для каждого метода (скачивание по ссылке). Планы построены тем же модулем, что и приложение, поэтому при тех же параметрах диалога дизайн совпадёт карточка-в-карточку, а ответы из CSV подойдут к нему:

CVA: атрибуты «Цена: низкая, средняя, высокая, премиум» / «Бренд: A, B, C, D» / «Упаковка: стандарт, подарочная, эко, люкс»; План…: минимальное число прогонов, holdout 2, seed 5 → 18 карточек (= cva_plan.sav); Данные…: импорт cva_ratings.csv.

CBC: атрибуты «Цена (4 уровня)» / «Бренд: A, B, C» / «Упаковка: стандарт, подарочная, эко»; План…: 12 задач, 3 концепта, «ни один» = да, overlap balanced, seed 3 (= cbc_design.sav); Данные…: импорт cbc_choices.csv; Оценка…: MNL или CBC/HB.

ACA: атрибуты как для CBC; План…: 9 пар; пример значений самоэкспликации — aca_selfexp.sav (важности IMPORT1..3, желательности DES*_*, переносятся вручную).

Hybrid: атрибуты и план как для CBC; демо-значения самоэкспликации — hybrid_data.sav, затем импорт cbc_choices.csv.

SavStat не связан с IBM; SPSS — товарный знак IBM Corp.