Analyse Tableau croisé est un outil d'étude de marché qui vise à montrer la relation - ou son absence - entre certaines variables prédéfinies. Par exemple, si vous avez sondé 1.000 personnes au sujet de leur céréale de petit déjeuner préféré, vous pouvez créer un tableau croisant les choix de céréales avec la tranche d'âge des personnes sondées vous , pour voir comment l'âge peut affecter déjeuner préférence . Tableau croisé de grands ensembles de données est plus facile quand il est fait sur ​​un ordinateur. Options de

Vous n'avez pas de s'arrêter à un tableau croisé - créer autant de tables que il ya des relations entre les variables que vous souhaitez étudier . En plus de la tabulation préférences de céréales par âge , par exemple, vous pouvez aussi compiler sélections selon le revenu , la race , la géographie et le niveau d' éducation . La seule limitation est que vous avez collecté des données sur les variables de votre enquête initiale. Données croisant peuvent montrer que les variables sont fortement corrélées , mais il montre parfois ils n'ont pas de relation réelle.
Chi -Square

Même si vous pensez que vous voyez une relation entre les variables , il peut être un coup de chance . Test du chi- carré est une méthode mathématique qui compare les résultats des tableaux croisés à ceux que vous souhaitez observer si les résultats étaient complètement aléatoire , et les deux variables n'a pas d'incidence sur l'autre. Plusieurs logiciels sur le marché que de cette publication ne peut gérer le nombre calculs impliqués . Ceci réduit le travail nécessaire à l'analyse de grandes enquêtes avec beaucoup de variables à croiser .
Hypothèses

Un ordinateur peut calculer des chiffres , l'impression des tableaux et calculer le chi - carré, mais elle ne peut pas vous dire ce que l'information est importante pour votre projet. Avant de recueillir des données, formuler une hypothèse à tester - enfants comme des céréales sucrées plus que les adultes font, par exemple - alors assurez-vous que l' enquête permet de recueillir les informations nécessaires pour confirmer ou infirmer cette hypothèse. Ne vous engagez pas à une hypothèse non prouvée : Si l'information montre que c'est faux , vous devez l'accepter. [ ref3
Attention

Soyez prudent lorsque vous êtes en tirer des conclusions à partir de données croisées. Même si l'ordinateur affiche un lien très fort entre l'âge et les goûts de petit déjeuner, qui peut ne pas signifier grand-chose si vous ne disposez que d'une demi- douzaine de répondants âgés de moins de 12 ans. Petits nombres sont plus vulnérables aux douves d'échantillonnage , comme celle que vous venez arrivé à arpenter six enfants qui partagent le même goût, un échantillon plus important dans un tel cas pourrait croiser différemment . Ceci est un exemple de la façon dont l'analyse de l'information de l' ordinateur nécessite l'utilisation de jugement , pas de simples statistiques .