탄탄한 설문조사 설계의 효과

다양한 도구로 분석 시 사소한 문제나 혼란 해결 가능 설문조사를 마치면 데이터를 분석해야 합니다. 기대되지만 힘든 작업이기도 합니다. 엑셀이나 SPSS로 맞춤 필드를 정의하면서 피벗 테이블 때문에 짜증이 날 수도 있습니다. 특정 유형의 응답자가 너무 많은 것은 아닌가요? 수치 답변이 업계 표준 대비 100배 차이 나나요? 무엇을 주의해야 할지 안다면 이 모든 문제를 사전에 해결할 수 […]

나쁜 데이터 걸러내기

“콩 심은 데 콩 나고 팥 심은 데 팥 난다”는 속담이 있습니다. 설문조사도 마찬가지입니다. 여기서는 나쁜 데이터가 결과에 영향을 미치지 않도록 해주는 베스트 프랙티스를 살펴보겠습니다. 베스트 프랙티스를 활용하면 수집한 데이터와 이를 토대로 내린 결론을 신뢰할 수 있습니다. 현대적인 도구와 방법을 사용하면 내가 원하는 데이터를 이를 가지고 있는 사람들로부터 쉽게 수집할 수 있습니다. 하지만 모든 데이터가 […]

통계적 유의성이 부족한 경우

통계적 유의성이 없어도 의미 있는 결과 확보 가능 얼마나 많은 정보를 수집해야 신뢰할 수 있는 데이터 세트를 확보할 수 있을까요? 통계적으로 유의미한 결과의 필요성은 과장된 경우가 많습니다. 양이 많다고 질이 좋은 것은 아니기 때문입니다. 그렇다면 충분한 데이터를 확보했는지 언제 알 수 있을까요? 아래에서 몇 가지 고려사항을 살펴보겠습니다. 의사 결정의 종류 다가오는 휴일 파티에 대한 직원 […]

설문조사의 올바른 목적

설문조사의 목표는 객관적인 가설 테스트 설문조사를 실시하기로 결심하고 설문조사 설계의 베스트 프랙티스도 복습했다면, 전체 과정에서 가장 중요한 질문을 던져야 합니다. 설문조사가 가설을 테스트하기 위한 것인가요? 아니면 입증하기 위한 것인가요? 이 두 질문은 보기에는 별 차이가 없는 것 같지만 그 의미는 전혀 다릅니다. 가설을 테스트하려면 기본 가정을 확인하거나 반박하는 편향되지 않은 설문조사를 설계해야 합니다. 가설을 입증하려면 […]