Statystyki opisowe porządkują dane z badania i pokazują ich najważniejsze cechy w zwięzłej, interpretowalnej formie. Pozwalają opisać typowy wynik, zróżnicowanie odpowiedzi oraz strukturę badanej próby, ale w badaniach opartych na próbie same nie rozstrzygają, czy obserwowane różnice występują również w całej populacji.
Co to są statystyki opisowe?
Statystyki opisowe to zbiór metod służących do syntetycznego przedstawiania danych zebranych w badaniu. Ich zadaniem jest redukcja dużej liczby pojedynczych obserwacji do miar, tabel i wykresów, które umożliwiają szybkie rozpoznanie podstawowych wzorców. Statystyka opisowa odpowiada przede wszystkim na pytania: jaki wynik jest typowy, jak bardzo różnią się odpowiedzi, jaka część respondentów wybrała daną odpowiedź oraz jak wygląda rozkład badanej cechy.
W badaniach rynku statystyki opisowe są zwykle pierwszym etapem analizy danych ilościowych. Stosuje się je do opisu wyników ankiet, badań satysfakcji, testów konceptów, badań marki, analiz cenowych, badań pracowniczych i analiz danych behawioralnych. Mogą być również użyteczne w projektach mixed-methods, gdy wyniki jakościowe są kodowane i zestawiane według częstości występowania tematów, postaw lub barier.
Najczęściej wyróżnia się dwie grupy miar. Pierwsza opisuje położenie wyników, czyli wartość uznawaną za typową. Druga pokazuje ich rozproszenie, a więc skalę różnic między respondentami lub obserwacjami. Do podstawowych elementów statystyki opisowej należą:
- średnia arytmetyczna – suma wyników podzielona przez liczbę obserwacji;
- mediana – wartość środkowa po uporządkowaniu wyników od najniższego do najwyższego;
- dominanta – wartość występująca najczęściej;
- odsetki i częstości – informacja o liczbie lub udziale odpowiedzi w poszczególnych kategoriach;
- rozstęp – różnica między najwyższą i najniższą zaobserwowaną wartością;
- odchylenie standardowe – miara rozproszenia wyników wokół średniej.
Dobór miary zależy od rodzaju danych. Średnia ma sens przede wszystkim dla zmiennych liczbowych, takich jak deklarowany budżet, czas zakupu czy ocena na odpowiednio zaprojektowanej skali. Dominanta jest przydatna dla danych nominalnych, na przykład najczęściej wskazywanej marki. Mediana bywa właściwa dla danych porządkowych i rozkładów silnie asymetrycznych.
Zastosowanie statystyk opisowych w praktyce
Statystyki opisowe pozwalają odbiorcom raportu szybko ocenić skalę badanego zjawiska bez konieczności analizowania surowych odpowiedzi. Korzystają z nich badacze rynku, analitycy, marketerzy, zespoły sprzedażowe, product managerowie oraz osoby odpowiedzialne za doświadczenie klienta. W praktyce są one podstawą zarówno raportów jednorazowych, jak i monitoringu wskaźników w czasie.
Przykładowo, w badaniu satysfakcji klientów statystyka opisowa może przedstawić średnią ocenę obsługi, medianę czasu oczekiwania oraz odsetek klientów deklarujących gotowość do ponownego zakupu. Sam poziom średniej nie wystarcza jednak do pełnej interpretacji. Wysoka średnia przy dużym odchyleniu standardowym może oznaczać, że część klientów ocenia doświadczenie bardzo dobrze, a inna część bardzo źle. Taki wynik wskazuje na potrzebę segmentacji lub analizy źródeł zróżnicowania.
W raportach z badań rynku szczególnie użyteczne są następujące zastosowania:
- opis profilu próby według cech demograficznych, zawodowych, zakupowych lub firmograficznych;
- ocena znajomości marki, korzystania z kategorii i preferencji zakupowych;
- porównanie ocen konceptów, reklam, opakowań lub funkcjonalności produktu;
- monitorowanie wskaźników satysfakcji, lojalności i jakości obsługi w kolejnych falach badania;
- identyfikacja odpowiedzi skrajnych, nietypowych wartości i możliwych błędów w danych;
- prezentacja wyników segmentów, na przykład klientów nowych i obecnych, małych oraz dużych firm, użytkowników intensywnych i okazjonalnych.
W praktyce pytanie, kiedy mediana lepiej opisuje wynik niż średnia, ma duże znaczenie przy analizie wydatków, dochodów, czasu realizacji usługi lub wartości koszyka zakupowego. Mediana jest bardziej odporna na pojedyncze wysokie lub niskie wyniki. Jeżeli niewielka grupa respondentów deklaruje wydatki znacznie wyższe od pozostałych, średnia może sugerować poziom niecharakterystyczny dla większości badanych. Mediana w takiej sytuacji lepiej pokazuje wartość środkową.
Najważniejsze miary stosowane w statystyce opisowej
Interpretacja statystyk opisowych wymaga łączenia miar tendencji centralnej z miarami rozproszenia. Oparcie raportu wyłącznie na średniej może prowadzić do uproszczonych wniosków, szczególnie gdy odpowiedzi są silnie zróżnicowane lub mają asymetryczny rozkład.
Średnia arytmetyczna jest przydatna, gdy dane są porównywalne liczbowo, a rozkład odpowiedzi nie jest silnie zaburzony przez wartości skrajne. W badaniu oceny produktu może informować o ogólnym poziomie akceptacji. Nie powinna być automatycznie interpretowana jako opinia większości, ponieważ ten sam wynik średni może wynikać zarówno z wielu umiarkowanych ocen, jak i z połączenia ocen bardzo wysokich oraz bardzo niskich.
Mediana wskazuje wartość dzielącą uporządkowany zbiór na dwie części. Jest szczególnie użyteczna przy analizie czasu, wydatków i innych zmiennych, w których wartości skrajne są naturalne. Dominanta z kolei wskazuje najczęściej występującą odpowiedź. W badaniu wyboru marki może pokazać najpopularniejszą markę, a w pytaniu o preferowany kanał kontaktu – kanał wybierany najczęściej.
Odchylenie standardowe i rozstęp opisują, jak bardzo wyniki różnią się między sobą. Niski poziom rozproszenia sugeruje względną zgodność odpowiedzi, a wysoki – większą heterogeniczność badanej grupy. W raporcie z testu reklamy podobna średnia ocena dwóch materiałów nie musi oznaczać podobnego odbioru. Jedna reklama może uzyskiwać stabilne, umiarkowanie pozytywne oceny, a druga wywoływać silne reakcje zarówno pozytywne, jak i negatywne.
Statystyki opisowe a powiązane metody
Statystyki opisowe są częścią analizy ilościowej, ale nie należy utożsamiać ich z wnioskowaniem statystycznym. Statystyka opisowa opisuje dane faktycznie zebrane w próbie. Wnioskowanie statystyczne służy natomiast do oceny, czy wyniki z próby można uogólniać na populację oraz czy różnice między grupami mogą być wynikiem przypadku.
Wnioskowanie statystyczne obejmuje między innymi testy istotności, przedziały ufności oraz analizę regresji stosowaną do oceny zależności i uogólniania wyników. Statystyki opisowe często poprzedzają te analizy, ponieważ pozwalają sprawdzić jakość danych, rozkład zmiennych i zasadność dalszego modelowania. Przykładowo, przed porównaniem ocen marki między segmentami warto najpierw opisać liczebności grup, średnie, mediany i rozproszenie wyników.
Statystyki opisowe bywają także łączone z analizą tabel krzyżowych, segmentacją, analizą czynnikową oraz badaniami trackingowymi. W projektach jakościowych ich rola jest ograniczona, lecz mogą wspierać analizę poprzez zliczanie zakodowanych motywów lub porównywanie częstości tematów między grupami. Częstość występowania wątku nie przesądza jednak o jego znaczeniu interpretacyjnym, dlatego dane jakościowe wymagają analizy kontekstu wypowiedzi.
Najważniejszym ograniczeniem jest to, że nawet poprawnie obliczone statystyki opisowe nie wyjaśniają przyczyn obserwowanych zjawisk. Pokazują, co występuje w danych i z jakim natężeniem, lecz nie dowodzą związku przyczynowego. Rzetelny raport badawczy powinien zatem łączyć statystykę opisową z oceną jakości próby, sposobu pomiaru, kontekstu rynkowego oraz – gdy cel badania tego wymaga – analizą wnioskowania statystycznego.