Analisi Cross- tabulazione è uno strumento di ricerca di mercato che mira a mostrare la relazione - o la sua assenza - tra alcune variabili predefinite. Ad esempio, se si intervistate 1.000 persone circa la loro cereali per la colazione preferita , è possibile creare una tabella di incrociare scelte di cereali con la fascia di età delle persone che intervistate , per vedere come l'età può influire colazione preferenza . Tabulazione incrociata per grandi insiemi di dati è più facile quando è fatto su un computer . Opzioni

Non è di fermarsi a un tavolo tabulazione incrociata - creare le tabelle che ci sono relazioni tra le variabili che si vogliono indagare. Oltre a catalogare le preferenze dei cereali per età , per esempio , è anche possibile catalogare le selezioni di reddito , razza , geografia e livello di istruzione . L' unica limitazione è che avete raccolto i dati sulle variabili nel sondaggio originale. Dati incrociare possono mostrare che le variabili sono fortemente correlati , ma a volte dimostra di non avere rapporto reale .
Chi-Square

Anche se si pensa di vedere un relazione tra le variabili , può essere un caso. Test chi-quadro è un metodo matematico che mette a confronto i risultati di tabulazione incrociata per quelli che si osservano se i risultati sono stati del tutto casuale , e le due variabili non ha influenzato l'altro. Diversi programmi software sul mercato a partire da questa pubblicazione possono gestire il numero macinare coinvolti . Questo riduce il lavoro necessario per l'analisi di grandi inchieste con molte variabili a cross- tabulare .
Ipotesi

Un computer può macinare numeri , stampare le tabelle e calcolare il chi-quadro , ma può non dirvi quali informazioni sono importanti per il vostro progetto . Prima di raccogliere dati , formulare una ipotesi da verificare - ragazzi come cereali zuccherati di più rispetto agli adulti , per esempio - quindi assicurarsi che l' indagine raccoglie le informazioni necessarie per confermare o rifiutare l'ipotesi . Non impegnarsi a un'ipotesi non dimostrata : Se le informazioni di mostra che è sbagliato , è necessario accettare il fatto che . [ RIF3
Attenzione

Prestare attenzione quando si è trarre conclusioni da tabulazione incrociata . Anche se il computer mostra un legame molto forte tra l'età e la prima colazione gusti , che non può significare molto se si ha solo una mezza dozzina di intervistati di età inferiore ai 12 anni. Piccoli numeri sono più vulnerabili ai colpi di fortuna di campionamento , come quello che è appena successo per esaminare sei bambini che condividono lo stesso gusto , un campione più ampio , in tal caso potrebbe incrociata tabulare in modo diverso . Questo è un esempio di come analizzare le informazioni del computer richiede l'uso del giudizio, non solo statistiche .