Analiza różnic między zmiennymi Łatwość, Użyteczność, Intencja zakupu.

Niniejszą analizę wykonano w Systemie Zautomatyzowanego Tworzenia Opisu Statystycznego - SZTOS (Hryniewicz, Milewska, 2023). Wizualizację wyników przeprowadzono z wykorzystaniem pakietu graficznego “ggplot2” (Wickham, 2016). W celu weryfikacji różnic między N = 3 pomiarami (Łatwość, Użyteczność, Intencja zakupu) pod względem nasilenia zmiennej Nasilenie pomiaru, przeprowadzono jednoczynnikową analizę porównań w układzie dla prób zależnych. W analizie wzięło udział N = 303 obserwacji.

Nieparametryczny test Friedmana (Friedman, 1937) wykazał istotne różnice między testowanymi pomiarami zmiennej Nasilenie pomiaru χ²(2) = 175.82; p < 0.001; W = 0.29. Współczynnik W Kendalla (Kendall, 1948) wykazał, że różnice między wszystkimi testowanymi pomiarami Łatwość, Użyteczność, Intencja zakupu wyjaśniały około 29% zmienności wyników zmiennej Nasilenie pomiaru. W celu wykrycia dokładnych różnic między porównywanymi pomiarami przeprowadzono serię porównań wielokrotnych parami testem Wilcoxona (Wilcoxon, 1945) z korektą istotności wykonaną metodą Bonferroniego (Dunn, 1961). Ocenę siły różnic pomiędzy pomiarami wykonaną za pomocą współczynnika siły efektu korelacji dwuseryjnej Glassa (Glass, 1965). Analiza porównań wykonana tą techniką wykazała, że:

• Różnica między Intencja zakupu a Łatwość była istotna statystycznie p < 0.001. Średnie nasilenie wyników zmiennej Nasilenie pomiaru w pomiarze Intencja zakupu było statystycznie mniejsze w porównaniu do wyników pomiaru Łatwość, nasilenie tych wyników wynosiło odpowiednio Mrang = 340.67 vs Mrang = 564.77 (siła różnic między tymi pomiarami była mocna, współczynnik siły efektu korelacji dwuseryjnej wyniósł r = 0.66)

• Różnica między Intencja zakupu a Użyteczność była istotna statystycznie p < 0.001. Średnie nasilenie wyników zmiennej Nasilenie pomiaru w pomiarze Intencja zakupu było statystycznie mniejsze w porównaniu do wyników pomiaru Użyteczność, nasilenie tych wyników wynosiło odpowiednio Mrang = 340.67 vs Mrang = 459.57 (siła różnic między tymi pomiarami była mocna, współczynnik siły efektu korelacji dwuseryjnej wyniósł r = 0.58)

• Różnica między Łatwość a Użyteczność była istotna statystycznie p < 0.001. Średnie nasilenie wyników zmiennej Nasilenie pomiaru w pomiarze Łatwość było statystycznie większe w porównaniu do wyników pomiaru Użyteczność, nasilenie tych wyników wynosiło odpowiednio Mrang = 564.77 vs Mrang = 459.57 (siła różnic między tymi pomiarami była umiarkowana, współczynnik siły efektu korelacji dwuseryjnej wyniósł r = 0.39)

Wyniki analizy przedstawia tabela i rysunek nr 1 oraz rysunek 1b.

Tabela nr 1

Statystyki opisowe różnic między pomiarami Łatwość, Użyteczność, Intencja zakupu pod względem zmiennej Nasilenie pomiaru

Pomiar Min Max M SD SE Ranga
Łatwość 1 5 3.61 0.79 0.05 565
Użyteczność 1 5 3.24 0.89 0.05 460
Intencja zakupu 1 5 2.76 1.03 0.06 341

Nota: Ilość badanych obserwacji: N = 303; Min = Wartość minimalna; Max = Wartość maksymalna; M = Średnia arytmetyczna; SD = Odchylenie standardowe; SE = Błąd standardowy średniej; Ranga = Średnia ranga dla pomiaru.

Rysunek nr 1

Różnice między pomiarami Łatwość, Użyteczność, Intencja zakupu pod względem zmiennej Nasilenie pomiaru

Nota: Wąsy błędów na poziomych słupkach przedstawiają błędy standardowe średnich w pomiarach: Łatwość, Użyteczność, Intencja zakupu. Zachodzące na siebie linie wąsów między słupkami przedstawiają w przybliżeniu podobieństwo wyników między pomiarami pod względem zmiennej Nasilenie pomiaru. Natomiast, linie wąsów nie zachodzące na siebie przedstawiają w przybliżeniu istotne różnice między pomiarami pod względem Nasilenie pomiaru.

Rysunek nr 1b

Różnice między pomiarami Łatwość, Użyteczność, Intencja zakupu pod względem zmiennej Nasilenie pomiaru

Nota: Wyniki na rysunku przedstawiają średnie oszacowanie rang dla każdego pomiaru.

Bibliografia

Dallal, G.E. and Wilkinson, L. (1986) An analytic approximation to the distribution of Lilliefors’ test for normality. The American Statistician, 40, 294–296.

Dunn, O. J. (1961). Multiple Comparisons among Means. In Journal of the American Statistical Association (Vol. 56, Issue 293, pp. 52–64). Informa UK Limited. https://doi.org/10.1080/01621459.1961.10482090

Friedman, M.: The use of ranks to avoid the assumption of normality implicit in the analysis of variance. J. Am. Stat. Assoc. (1937). https://doi.org/10.2307/2279372

Glass, G. V. (1965). A Ranking Variable Analogue of Biserial Correlation: Implications for Short-Cut Item Analysis. Journal of Educational Measurement, 2(1), 91–95. http://www.jstor.org/stable/1433839

Hryniewicz, K., Milewska, A. (2023). SZTOS: System Zautomatyzowanego Tworzenia Opisu Statystycznego (Wersja SZTOS) [Oprogramowanie]. https://sztos-it.com/

Kendall, M.G. (1948) Rank correlation methods. London: Griffin.

Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. ISBN 978-3-319-24277-4

Wilcoxon, F. (1945). Individual Comparisons by Ranking Methods. Biometrics Bulletin, 1(6), 80–83. https://doi.org/10.2307/3001968