Professional Documents
Culture Documents
KaufS TluczakA Metodyitechniki
KaufS TluczakA Metodyitechniki
Opole University
https://repo.uni.opole.pl
opolan
Metody i techniki badañ ankietowych
na przyk³adzie zachowañ komunikacyjnych
UNIWERSYTET OPOLSKI
opolan
OPOLE 2013
RECENZCENCI
Marian Duczmal, W³odzimierz Szkutnik
REDAKTOR
Jan Neuberg
REDAKTOR TECHNICZNY
Halina Szczegot
SK£AD KOMPUTEROWY
Jolanta Kotura
KOREKTA
Jan Neuberg
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
PROJEKT OK£ADKI
Jolanta Brodziak
ISBN 978–83–7395–555–4
7
kszta³towania oferty komunikacji zbiorowej. I choæ opracowanie planu
transportowego zosta³o na³o¿one na jednostki terytorialne na mocy prawa,
to w³adze samorz¹dowe podchodz¹ do problemu z du¿¹ starannoœci¹. Pro-
wadz¹ zakrojone na szerok¹ skalê badania ankietowe, w których wynikach
upatruj¹ mo¿liwoœci poprawy sytuacji komunikacyjnej oraz wprowadzenia
instrumentów pozwalaj¹cych na zmianê niekorzystnych zachowañ komu-
nikacyjnych. Te bowiem prowadz¹ do sta³ego nasilania siê ruchu drogowego
powoduj¹cego powstawanie wielokilometrowych zatorów. W konsekwencji
badania ankietowe pozwalaj¹ nie tylko zgromadziæ wiedzê o podstawowych
motywach przemieszczeñ, ale równie¿, a mo¿e przede wszystkim, o moty-
wach determinuj¹cych wybór œrodka transportu. W ostatnim czasie obser-
wujemy sta³e zwiêkszanie siê liczby przejazdów komunikacj¹ indywidualn¹,
kosztem komunikacji zbiorowej. Tendencje te s¹ oczywiœcie negatywne
i stwarzaj¹ potrzebê podjêcia dzia³añ zapobiegawczych. To zaœ bêdzie mo¿li-
we jedynie wówczas, kiedy w³odarze miast bêd¹ dysponowali odpowiednimi
informacjami o podstawowych czynnikach wp³ywaj¹cych na zachowania
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
1
Zjawisko zwi¹zane z tworzeniem siê zatorów.
8
Powy¿sze za³o¿enie zadecydowa³o o strukturze niniejszej ksi¹¿ki, która
podzielona zosta³a na osiem rozdzia³ów u³o¿onych zgodnie z logik¹ realizacji
procesu badawczego.
Pierwszy rozdzia³ stanowi podstawê dalszych rozwa¿añ i umo¿liwia ich
prawid³owe usytuowanie w ca³oœci procesu badawczego. Z tego te¿ powodu
stanowi niezbêdne wprowadzenie do tematyki zachowañ komunikacyjnych.
W rozdziale tym przedstawiono zarówno definicjê, jak i podstawowe deter-
minanty zachowañ komunikacyjnych. Okreœlono, w jaki sposób zachowania
i przekonania jednostki wp³ywaj¹ na wybór œrodka transportu. Zasadnicz¹
czêœæ tego rozdzia³u stanowi wskazanie roli i znaczenia analizy sposobów
przemieszczania siê mieszkañców w procesie kszta³towania zachowañ ko-
munikacyjnych. Poniewa¿ jedn¹ z podstawowych metod gromadzenia da-
nych o nich jest kwestionariusz ankiety, dalsza czêœæ ksi¹¿ki traktuje o pro-
cesie przeprowadzania badania ankietowego, pocz¹wszy od skonstruowania
kwestionariusza po podstawowe metody prezentacji uzyskanych wyników.
I tak, w rozdziale 2 przedstawiono metody i zasady konstruowania kwestio-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
9
nikacyjnych opolan. Jest to przyk³ad raportu pisemnego z badania ankieto-
wego.
Centraln¹ czêœæ ksi¹¿ki stanowi zatem przegl¹d podstawowych metod
gromadzenia i analizy danych empirycznych oraz wskazanie na mo¿liwoœci
ich zastosowania w obszarze kszta³towania zachowañ komunikacyjnych.
Ze wzglêdu na stale wzrastaj¹ce znaczenie badañ ankietowych w praktyce
gospodarczej wydaje siê, ¿e ksi¹¿ka ta przydatna bêdzie zarówno dla studen-
tów ró¿nych kierunków (m.in.: ekonomii, zarz¹dzania, logistyki, socjologii,
gospodarki przestrzennej), jak i dla szerokiego krêgu praktyków gospodar-
czych.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
10
Rozdzia³ I
Zachowania komunikacyjne
a mo¿liwoœci ich kszta³towania
2
J. Szo³tysek, Kreowanie mobilnoœci mieszkañców miast, Warszawa 2011, s. 14.
3
M. Lanzendorf, J. Scheiner, Verkehrsgenese als Herausforderung für Transdisziplinarität.
Stand und Perspektive der Forschung, in: Verkehrsgenese. Entstehung von Verkehr sowie Poten-
11
podró¿y uwzglêdniaj¹cych ró¿ne motywacje, takie jak np.: dojazdy do pracy,
szko³y czy teatru. Sposób wyboru celu i rodzaju podró¿y mo¿liwy jest zaœ
dziêki adekwatnej sieci komunikacyjnej, konsoliduj¹cej wiele alternatyw
przemieszczania siê z uwzglêdnieniem czasu, wygody i kosztu podró¿y4. Ta-
kie ujêcie mobilnoœci w Polsce czêsto uto¿samiane jest z pojêciem „zachowa-
nia komunikacyjne”. Mo¿na zatem uznaæ, ¿e
ziale und Grenzen der Gestaltung einer nachhaltigen Mobilität. Studien zur Mobilitäts- und
Verkehrsforschung, Hrsg. H. Dalkmann, M. Lanzendorf, J. Scheiner, Band 5, Mannheim 2004,
s. 14; B. Zemlin, Das Entscheidungsverhalten bei der Verkehrsmittelwahl, Köln 2005, s. 14.
4
R. Roess, E. Prassa, W. McShane, Traffic Engineering, New Jersey 2004.
5
R. Schellhase, Mobilitätsverhalten im Stadtverkehr. Eine empirische Untersuchung zur
Akzeptanz verkehrspolitischer Maßnahmen, Wiesbaden 2000, s. 20.
6
J. Szo³tysek, op. cit., s. 145.
7
B. Zemlin, op. cit., s. 14.
8
J. Szo³tysek, op. cit., 2011, s. 145.
12
czynkiem czy nawi¹zywaniem kontaktów spo³ecznych. Podró¿owanie w obrê-
bie miasta przysparza pasa¿erom coraz wiêkszych trudnoœci. Poci¹ga za sob¹
wysokie koszty spo³eczne9, a tak¿e anga¿uje czas bêd¹cy dobrem o okreœlo-
nej wartoœci10. Czas ten obecnie stale siê wyd³u¿a, co jest konsekwencj¹
wzrostu zapotrzebowania na przemieszczenia i braku dostosowanych do po-
trzeb odbiorców systemów transportowych.
Jedn¹ z podstawowych determinant zachowañ komunikacyjnych s¹ cha-
rakterystyki przejazdu, a przede wszystkim11:
· cel, który okreœla przyczynê inicjacji przejazdu;
· d³ugoœæ, która wp³ywa na wybór œrodka transportu; podró¿e do jednego
kilometra realizowane s¹ w zasadzie pieszo lub rowerem, odleg³oœci dalsze
pokonywane s¹ samochodem lub komunikacj¹ miejsk¹ (decyduje wygoda
podró¿y); wraz ze wzrostem odleg³oœci roœnie udzia³ podró¿y œrodkami komu-
nikacji indywidualnej;
· termin, zgodnie z którym mo¿emy dokonaæ podzia³u przejazdów na obli-
gatoryjne, realizowane w dni robocze i fakultatywne – odbywaj¹ce siê w dni
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
9
Sk³adaj¹ siê na nie koszty w³asne i zewnêtrzne (koszty ha³asu, zanieczyszczenia œrodowi-
ska, kongestii, wypadków).
10
Potwierdzaj¹ to przeprowadzone w 2004 roku przez J. Szo³tyska badania ankietowe
w miastach województwa œl¹skiego. Wynika z nich, ¿e 83% respondentów wybiera œrodek trans-
portu ze wzglêdu na czas dojazdu; J. Szo³tysek, Logistyczne aspekty zarz¹dzania przep³ywami
osób i ³adunków w miastach, Katowice, 2005, s. 161.
11
W. Gronau, Freizeitmobilität und Freizeitstile. Ein Praxisorientierter Ansatz zur Modellie-
rung des Verkehrsmittelwahlverhaltens an Freizeitgroßeinrichtungen, in: Studien zur Mobili-
täts- und Verkehrsforschung, Hrsg. M. Gather, A. Kagermeier, M. Lanzendorf, Band 9, Mann-
heim 2005, s. 35.
13
jej przez dzieci gospodarstwa domowe znajduj¹ siê w fazie rozwoju. A to nie-
jako wymusza czêste korzystanie z indywidualnej komunikacji samochodowej.
Odnosz¹c siê do faz cyklu ¿ycia rodziny, stwierdziæ mo¿na tak¿e, ¿e w szóstej
fazie, obejmuj¹cej tzw. puste gniazda, nastêpuje zmiana zachowañ komunika-
cyjnych. Malej¹ potrzeby mobilnoœciowe, spada tak¿e udzia³ podró¿y realizo-
wanych w³asnymi œrodkami komunikacji. Mo¿e to byæ konsekwencj¹ mniej-
szych potrzeb w zakresie podró¿owania czy te¿ uwarunkowañ zdrowotnych.
Okreœlone zachowania komunikacyjne s¹ tak¿e funkcj¹ dostêpnoœci jed-
nostki do indywidualnej komunikacji samochodowej. Mo¿na pokusiæ
siê tutaj o stwierdzenie, ¿e czêstotliwoœæ korzystania z komunikacji miej-
skiej jest odwrotnie proporcjonalna do dostêpnoœci jednostki do samochodów,
tzn. im wiêkszy dostêp, tym rzadszy wybór alternatywnych form przemiesz-
czania siê12. Ze wzglêdu na rutynowoœæ wielu wyborów komunikacyjnych
jednostki czêsto nie maj¹ œwiadomoœci, ¿e ich zachowania komunikacyjne s¹
pochodn¹ posiadania w³asnego œrodka komunikacji.
Nie do przecenienia s¹ tak¿e postrzegane cechy œrodka transportu,
wœród nich m.in.: koszt, czas i komfort13. Ich postrzeganie jest jednak subiek-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
12
M. Lanzendorf, J. Scheine, op. cit., s. 27.
13
S. Kauf, The Instruments of Urban Logistics and Mobility Management of Population, „Lo-
gistics & Transport” 2010, nr 1.
14
http://www.axa.de/servlet/PB/show/1188882/AXA_Verkehrssicherheits-Report_2009_
Studienergebnisse.pdf, www.zukunft-mobilitaet.net/2487/strassenverkehr/die-wahren-kosten-eines
-kilometers-autofahrt [22.02.2012].
15
Sposób przemieszczania siê uzale¿niony jest od takich czynników, jak: aspekty demograficz-
ne, infrastruktura miejska, mobilnoœæ mieszkañców, oddzia³ywanie sposobów przemieszczania
siê na œrodowisko miasta.
14
obecne sprawiaj¹, ¿e po drogach jeŸdzi coraz wiêcej samochodów osobowych,
bo to de facto samochód poszerzy³ granice mobilnoœci. To dziêki niemu
cz³owiek otrzyma³ mo¿liwoœæ dotarcia do tych miejsc, które z ró¿nych przy-
czyn do tej pory by³y dlañ niedostêpne16. W konsekwencji to w³aœnie ruch
indywidualny jest przyczyn¹ najwiêkszego zat³oczenia i powstawania konge-
stii transportowej. I nie jest to stwierdzenie bez pokrycia, gdy¿ nale¿y siê
spodziewaæ, ¿e zamiast 700 mln samochodów osobowych poruszaj¹cych siê
po drogach krajów OECD w roku 2000, w 2030 poruszaæ siê bêdzie 1,3 mld
pojazdów (rys. 1). Oznacza to roczny przyrost przep³ywów siêgaj¹cy 1,6%17.
[mln] 4500
4000
3500
Indie
3000
2500
2000 Chiny
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
1500
1000
Kraje OECD
500
USA
0
1960 1970 1980 1990 2000 2010 2020 2030
lata
16
J. Szo³tysek, Kreowanie mobilnoœci..., s. 15.
17
www.cki.tu-berlin.de/fileadmin/fg94/CKI/Vortraege_Konferenz_2011/Roland_Edel_v6.pdf
[07.10.2012].
18
www.skm.warszawa.pl [03.04.2007].
19
http://edroga.pl/inzynieria-ruchu/brd/438-brd-w-miastach [21.09.2012].
20
http://lubczasopismo.slon24.pl/Namarginesie/post/255807,czy-warszawa-ma-3-razy-wiekszy-
wskaznik-motoryzacji-od-berlina [21.09.2012].
15
[tys.] 25 000
24 000
23 000
22 000
21 000
20 000
19 000
18 000
17 000
16 000
15 000
2003 2004 2005 2006 2007 2008 2009 2010 2011
lata
21
http://www.trans.info/message/view/8562.html [03.01.2012].
22
European Commission, Document Accompanying the White Paper – Roadmap to a Single
European Transport Area – Towards a competitive and resource efficient transport system,
Brussels 2011, http://ec.europa.eu/transport/themes/strategies/2011_white_paper_en.htm
16
lu czynników, a jego konsekwencje maj¹ istotny wp³yw na funkcjonowanie
obszarów miejskich.
Zachowania komunikacyjne u¿ytkowników miast odzwierciedlaj¹ siê w in-
termodalnoœci wykorzystywanych œrodków transportu (tzw. Modal split) i ta-
kich charakterystykach, jak: czêstotliwoœæ podró¿y, d³ugoœæ przemieszczeñ
(liczba pokonanych kilometrów na osobê i jednostkê czasu) oraz czas przejaz-
du (czas niezbêdny na przejechanie drogi przez osobê). W celu zaspokojenia
potrzeb zwi¹zanych z pokonywaniem przestrzeni mieszkañcy miast wyko-
rzystuj¹ ró¿ne alternatywne œrodki komunikacyjne (œrodki transportu). Mog¹
podró¿owaæ pieszo, rowerem, samochodem indywidualnym lub wykorzystu-
j¹c transport zbiorowy (rys. 3).
Punkt Punkt
wyjœcia docelowy
podró¿
samochodem
23
Mamy tu namyœli m.in. du¿y ruch drogowy czy brak odpowiedniego oœwietlenia.
17
z przeprowadzonych w Niemczech badañ24, gotowoœæ mieszkañców do przej-
œcia pieszo do nastêpnego przystanku czy miejsca pracy siêga niespe³na 200
metrów. Odleg³oœæ ta powinna zatem stanowiæ punkt wyjœcia planowania lo-
kalizacji punktów przesiadkowych komunikacji zbiorowej25. Wiêksz¹ goto-
woœæ do przemieszczania siê wykazuj¹ osoby preferuj¹ce jazdê na rowerze.
Osoby takie s¹ sk³onne przejechaæ od 3 do nawet 10 km do punktu docelowe-
go26. Je¿eli odleg³oœæ ta jest wiêksza, wówczas zastosowanie znajduje koncep-
cja ³¹czenia podró¿y rowerem i œrodkami komunikacji miejskiej. Mo¿e ona
przybieraæ ró¿ne formy27:
· Bike & Ride – dojazd rowerem z domu do przystanku komunikacji zbio-
rowej i kontynuacja podró¿y transportem miejskim;
· Ride & Bike – dojazd z domu do miejsca zaparkowania roweru transpor-
tem zbiorowym i kontynuacja podró¿y rowerem;
· Bike & Ride & Bike – dojazd rowerem do przystanku komunikacji zbio-
rowej, kontynuacja podró¿y transportem miejskim bez roweru i dojazd do
celu drugim rowerem;
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
24
Badania te przeprowadzone zosta³y w latach 2002–2008 i objê³y swoim zasiêgiem oko³o
50 tys. gospodarstw domowych, tj. prawie 100 tys. jednostek; Mobiliät in Deutschland, Bundes-
ministerium für Verkehr, Bau und Stadtentwicklung, http://www.mobilitaet-in-deutschland.
de/, 2009.
25
Ka¿dy mieszkaniec powinien mieszkaæ w promieniu nie dalszym jak 200 metrów od przy-
stanku.
26
Z badañ przeprowadzonych przez Biuro Planowania Miasta w Kopenhadze wynika, ¿e
przesz³o po³owa rowerzystów przemierza a¿ 6 km dziennie, a 20% ankietowanych zadeklarowa³o
podró¿e na odleg³oœæ przekraczaj¹c¹ 10 km; TERM 2001, „Indicators tracking transport and en-
vironment integration in the EU, Copenhagen 2001, http://www.eea.europa.eu/publications/
term2001.
27
T. Kopta, Integracja transportu zbiorowego z rowerowym, „Przegl¹d Komunalny” 2007,
nr 9, s. 49.
28
A. J. Khattak, D. Rodriguez, Travel Behavior in Neo-traditional Neighborhood Develop-
ments: A case Study in USA, „Transportation Research” 2005, Part A 39, s. 481 i n.
18
Tabela 1. Wady i zalety ró¿nych œrodków komunikacji
Atrybuty
Sposób prze- Zalety Wady
mieszczania siê
ród³o: opracowanie w³asne na podstawie: E. Zwerts, G. Allaert, D. Janssens, G. Wets, F. Witlox, How chil-
dren view their travel behaviour: a case study from Flanders (Belgium), „Journal of Transport Geography”
2010, nr 8, s. 702 i n.
19
nego. Jego ograniczenie wymaga odpowiednich dzia³añ uatrakcyjniaj¹cych
transport zbiorowy. Podniesienie jego konkurencyjnoœci jest warunkiem
koniecznym, ale niewystarczaj¹cym, by poprawiæ sytuacjê komunikacyjn¹
w mieœcie. Konieczna jest tak¿e zmiana zachowañ komunikacyjnych miesz-
kañców. Dokonuj¹c wyboru œrodka transportu, zazwyczaj porównuj¹ oni po-
szczególne œrodki transportu (tab. 2).
Komunikacja
Indywidualna samochodowa Zbiorowa
Kryteria
Czas · czas dojœcia (np. czas przejœcia · czas dojœcia (np. czas przejœcia
od miejsca zamieszkania do sa- od miejsca zamieszkania do
mochodu) przystanku)
· czas przejazdu · czas oczekiwania na przyjazd
· czas poszukiwania miejsca par- œrodka transportu
kingowego · czas przejazdu
· czas dojœcia do miejsca docelo- · ewentualny czas na przesiadki
wego (np. od parkingu do miej- · czas dojœcia do celu (np. od
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Wady i zalety (tab. 1), a tak¿e kryteria oceny (tab. 2) nie s¹ jedynymi
czynnikami wp³ywaj¹cymi na wybór œrodka transportu, a zarazem zachowa-
nia komunikacyjne mieszkañców. Istotn¹ rolê odgrywaj¹ tak¿e czynniki ja-
koœciowe oceniane subiektywnie. Wœród nich wymieniæ nale¿y czynniki:
· czasowe,
· przestrzenne,
· atmosferyczne,
· zwi¹zane z dostêpnoœci¹.
Czas jako kryterium wyboru œrodka transportu oceniany jest z perspekty-
wy ca³kowitego czasu niezbêdnego do przemieszczenia siê, czasu konieczne-
go do dojœcia do œrodka transportu i od niego do celu oraz czasu oczekiwania.
Ze wzglêdu na gotowoœæ mieszkañców do przejœcia do przystanku istotne s¹
czynniki przestrzenne, a to sprawia, ¿e pod uwagê bierze siê zarówno od-
leg³oœæ fizyczn¹, jak i uci¹¿liwoœæ drogi. Wa¿ny jest tak¿e dystans pomiêdzy
20
punktem wyjœcia a punktem docelowym. Dostêpnoœæ uto¿samiana z liczb¹
przesiadek, por¹ dnia i miejscami postojowymi w pobli¿u celu jest kolejnym
czynnikiem podlegaj¹cym ocenie. Analizuj¹c czynniki jakoœciowe jako kryte-
ria wyboru œrodka transportu, wspomnieæ nale¿y tak¿e o przyzwyczajeniach
i nawykach, które szczególnie w przypadku przejazdów rutynowych maj¹
niejednokrotnie decyduj¹ce znaczenie29.
Coyle, Bardi i Langley dokonali oceny (w skali: 1 – najlepszy, 5 – najgor-
szy) œrodków transportu w ujêciu ga³êziowym ze wzglêdu na piêæ podstawo-
wych kryteriów wyboru œrodka transportu. Zaliczyli do nich: koszt, czas
przewozu, niezawodnoœæ, dostêpnoœæ przestrzenn¹ i bezpieczeñstwo30.
Z przedstawionych rozwa¿añ wynika, ¿e jest wiele czynników wp³ywaj¹cych
na zachowania komunikacyjne mieszkañców i wynikaj¹ce z nich decyzje do-
tycz¹ce wyboru œrodka transportu. Poniewa¿ obecnie coraz wiêcej przemie-
szczeñ realizowanych jest indywidualn¹ komunikacj¹ samochodow¹ pro-
wadz¹c¹ do coraz wiêkszej kongestii, celowe jest d¹¿enie do zmian zachowañ
komunikacyjnych. By cel ten osi¹gn¹æ, konieczna jest jednak wiedza o moty-
wach postêpowania mieszkañców oraz przyczynach takich, a nie innych wy-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
29
Zob. R. Soko³owski, Wspó³czesny tabor autobusowy. V Konferencja Naukowo-Techniczna
Miasto i Transport. Nowoczesna komunikacja autobusowa. Materia³y konferencyjne, Warszawa
2011.
30
Zob. J.J. Coyle, E.J. Bardi, C.J. Langley Jr, Zarz¹dzanie logistyczne, Warszawa 2010.
31
R. Budziñski, T. Ordysiñski, Informacja jako kluczowy sk³adnik przedsiêbiorstwa „Nowej
Gospodarki”, w: Zarz¹dzaniu wartoœci¹ przedsiêbiorstwa, Szczecin 2002, s. 298.
21
Relacje pomiêdzy wiedz¹ a informacj¹ zapisaæ mo¿na w postaci32:
i wtórne.
32
T. Dziuba, Gospodarki nasycone informacj¹ i wiedz¹, Warszawa 2000, s. 25.
33
S. Kaczmarczyk, Badania marketingowe. Metody i techniki, Warszawa 2003, s. 180.
22
w Larissie w Grecji, gdzie od 2000 roku przeprowadza siê regularne aktuali-
zacje danych metod¹ liczenia pasa¿erów. Badania takie mog¹ byæ obarczone
b³êdami, wynikaj¹cymi z subiektywizmu obserwatora. Natomiast metody
badawcze oparte na wzajemnym komunikowaniu siê polegaj¹ na przep³ywie
informacji pomiêdzy stronami procesu komunikacji. Komunikowanie jest
procesem dwustronnym, gdy¿ z jednej strony wystêpuje przekaz badacza
zwi¹zany z proœb¹ o wziêcie udzia³u w badaniu, z drugiej zaœ wystêpuje
przekaz respondenta udzielaj¹cego odpowiedzi na zadane mu pytania. Kry-
terium klasyfikacji metod badañ opartych na wzajemnym komunikowaniu
siê mo¿e zostaæ dodatkowo wzbogacone o kryterium rodzaju kontaktu.
Zgodnie z tym kryterium wyró¿niæ mo¿emy metody bezpoœrednie, do
których nale¿¹ wywiady, a w szczególnoœci:
34
J. Dietl, Marketing, Warszawa 1986, s. 166.
23
Wywiady grupowe s¹ przeprowadzane w grupach licz¹cych od 5 do 25 res-
pondentów35. Osoba prowadz¹ca wywiad pe³ni rolê moderatora, którego za-
daniem jest wywo³ywanie i kontrolowanie dyskusji pomiêdzy uczestnikami
grupy. W samej dyskusji moderator uczestniczy relatywnie rzadko. Dla po-
trzeb jednego badania konstruuje siê zazwyczaj kilka grup dyskusyjnych,
a ich liczba uzale¿niona jest od przedmiotu i zakresu badania. Nadmieniæ
jednoczeœnie nale¿y, ¿e dobór jednostek badawczych jest doborem celowym,
opartym o kryteria demograficzne oraz dotycz¹ce postaw, przekonañ lub te¿
zachowañ respondentów.
Wœród metod opartych na wzajemnym komunikowaniu siê wyró¿niæ mo-
¿emy tak¿e metody poœrednie, a w nich metody ankietowe36.
35
S. Kaczmarczyk, op. cit., s. 256. W pracy Badania marketingowe, red. K. Mazurek-£opaciñ-
ska, Wroc³aw 2006 liczba uczestników wywiadu grupowego okreœlona zosta³a w przedziale od 6
do 8 osób.
36
O. Hafermalz, Schriftliche Befragung – Möglichkeiten und Grenzen, Studienreihe Betrieb
und Markt, Wiesbaden 1976, s. 484.
37
Badania marketingowe..., s. 34.
38
H. Meffert, Marketingforschung und Käuferverhalten, Wiesbaden 1992, s. 201.
24
terpretacjê zachowañ oraz oczekiwania mieszkañców w zakresie przemiesz-
czeñ. Wyniki badañ aktualizowane s¹ corocznie. Przyk³adem mog¹ byæ rów-
nie¿ Niemcy, gdzie od roku 1999 chêtni operatorzy i organizacje transportu
publicznego bior¹ udzia³ w ogólnokrajowym studium porównawczym
(ÖPNV-Kundenbarometer). W 2008 roku 32 uczestników (w wiêkszoœci œred-
nich i du¿ych przedsiêbiorstw) zmierzy³o zadowolenie klientów w 32 katego-
riach. Wœród nich znalaz³y siê takie elementy, jak: ocena us³ug, czêstotli-
woϾ kursowania, liczba przesiadek, punktualnoϾ, czystoϾ, wygoda, infor-
macja, ¿yczliwoœæ, stopieñ pokrycia kosztów39. Badania zadowolenia pasa¿e-
rów prowadzone s¹ tak¿e przez Szwedzkie Stowarzyszenie Transportu Pub-
licznego (SLTF). Uczestnicz¹ w nich wszystkie miasta. Badania przeprowa-
dzane s¹ w formie wywiadu telefonicznego, a respondentom zadawanych jest
zwykle 25–30 pytañ dotycz¹cych ich postaw wobec komunikacji miejskiej.
Oblicza siê tak¿e WskaŸnik Satysfakcji Klienta (Nöjdkundindex), mierzony
w skali od 1 do 10040.
W badaniach ankietowych zastosowanie znajduj¹ tak¿e analiza conjoint
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
39
http://www.yasni.de/kundenbarometer/ [09.10.2012].
40
http://www.mynewsdesk.com/se/pressroom/beans-ab/pressrelease/view/
beans-noejdkundindex-2012 [09.10.2012].
41
http://www.hslu.ch/181_ieee_florenz_living___mobility_assessment [10.10.2012].
42
http://onlinepubs.trb.org/onlinepubs/tcrp/tcrp_report_88/Guidebook.pdf [10.10.2012].
25
kane od tej grupy respondentów mog¹ pos³u¿yæ do analizy postrzegania ko-
munikacji publicznej i identyfikacji potencjalnych obszarów poprawy. Czasem
wykorzystuje siê tak¿e tzw. proces otwartego uczestnictwa43 pozwa-
laj¹cy samorz¹dom terytorialnym okreœliæ potrzeby u¿ytkowników na pod-
stawie ich opinii. Tego rodzaju badania znajduj¹ zastosowanie zw³aszcza
w przypadku planowania uruchomienia nowych linii autobusowych, innej
czêstotliwoœci kursowania komunikacji miejskiej czy tworzenia nowych
rozk³adów jazdy.
Równie istotnym sposobem gromadzenia informacji o potrzebach i prefe-
rencjach u¿ytkowników ruchu s¹ fora z organizacjami konsumentów,
np. z organizacjami rowerzystów, wspólnotami mieszkaniowymi czy izbami
handlowymi.
Przeprowadzaj¹c badania zachowañ komunikacyjnych mieszkañców, na-
le¿y mieæ œwiadomoœæ, ¿e aktualni i potencjalni u¿ytkownicy mog¹ stanowiæ
czêœæ tej samej grupy docelowej. Z tego te¿ powodu celowe wydaje siê prze-
prowadzanie badañ obejmuj¹cych obydwie grupy respondentów.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
43
Ibidem.
26
Rozdzia³ II
Badania ankietowe
jako podstawa gromadzenia danych
o zachowaniach komunikacyjnych mieszkañców
2.1. (kwestionariuszowych)
44
S. Kauf, Badania rynkowe w sferze marketingu i logistyki, Opole 2004.
45
H.-J. Rogge, Marktforschung. Elemente und Methode betrieblicher Informationgewinnung,
München 1981, s. 139 i n.
46
J. Sztumski, Wstêp do metod i technik badañ spo³ecznych, Katowice 2005.
47
M. £obocki, Wprowadzenie do metodologii badañ pedagogicznych, Kraków 2007.
27
Badania ankietowe opieraj¹ siê zazwyczaj na drukowanej liœcie pytañ,
okreœlanej mianem kwestionariusza ankietowego (ankieta). Wed³ug S. No-
waka48:
(respondenta50).
Badania ankietowe mo¿emy podzieliæ ze wzglêdu na sposób udzielania od-
powiedzi oraz docierania do respondentów. W pierwszym przypadku mamy
do czynienia z ankietami jawnymi i anonimowymi. Klasyfikacja ankiet
uwzglêdniaj¹ca sposób rozdawania kwestionariuszy ankietowych pozwala
zaœ wyodrêbniæ ankiety:
· œrodowiskowe – tzn. rozprowadzane bezpoœrednio w okreœlonym œro-
dowisku, np. wœród studentów czy pracowników danej instytucji; w bada-
niach tych uczestniczy ankieter51, który informuje respondentów o celu ba-
dania oraz o zachowaniu poufnoœci wyników; w razie potrzeby wyjaœnia
ewentualne niejasnoœci pojawiaj¹ce siê w kwestionariuszu; kontroluje wa-
runki realizacji badania; jego obecnoœæ wp³ywa na starannoœæ wype³niania
kwestionariuszy i wiêksz¹ zwrotnoœæ ankiet;
· audytoryjne – wype³niane jednoczeœnie przez okreœlon¹ grupê respon-
dentów w obecnoœci badacza, np. po konferencji, szkoleniu; ankieter jedynie
informuje respondentów o celu badania i wyjaœnia sposób wype³nienia an-
kiety; metoda ta pozwala na prawie stuprocentow¹ zwrotnoœæ ankiet; nie
mo¿e byæ stosowana w badaniach reprezentatywnych;
· prasowe – zamieszczane najczêœciej w gazecie lub czasopiœmie; znaj-
duj¹ zastosowanie, gdy respondenci s¹ rozproszeni przestrzennie, co utrud-
48
S. Nowak, Metody badañ socjologicznych, Warszawa 1965, s. 66.
49
S. Kaczmarczyk, op. cit., s. 123.
50
Osoba udzielaj¹ca odpowiedzi na postawione w kwestionariuszu pytania.
51
Osoba przeprowadzaj¹ca badanie.
28
nia dostêp do nich; dostêpnoœæ do ankiet warunkowana jest nak³adem oraz
kosztami druku i dystrybucji ankiet;
· telefoniczne – technika bêd¹ca na pograniczu wywiadu; ankieter uzys-
kuje informacje, dzwoni¹c do wybranej grupy respondentów; ten typ charak-
teryzuje siê stosunkowo niskim kosztem badania i du¿¹ ograniczonoœci¹ cza-
sow¹; rozmowa nie powinna trwaæ d³u¿ej ani¿eli 10 minut, gdy¿ d³u¿sza spo-
woduje znu¿enie respondenta i w efekcie jej przedwczesne zakoñczenie;
· pocztowe – wysy³ane poczt¹ bezpoœrednio do respondenta z proœb¹
o wype³nienie oraz odes³anie do adresata; podstawow¹ zalet¹ jest mo¿liwoœæ
objêcia badaniem stosunkowo du¿ego obszaru przestrzennego; efektywnoœæ
badania jest doœæ niska, podobnie jak responsywnoœæ52 (miêdzy 5 a 40%); an-
kiety takie wymagaj¹ opatrzenia ich instrukcj¹53, objaœniaj¹c¹ trudniejsze
pytania; do ankiety nale¿y do³¹czyæ zaadresowan¹ kopertê zwrotn¹ wraz ze
znaczkiem pocztowym;
· internetowe – realizowane za pomoc¹ stron www; gwarantuj¹ pe³n¹
anonimowoœæ respondentów, charakteryzuj¹ siê niskim kosztem badania
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
52
Stopa zwrotu ankiet.
53
Na temat instrukcji kwestionariuszowych bêdzie mowa w dalszej czêœci opracowania.
29
talnych b¹dŸ celowych. Znacznym ograniczeniem jest, wspomniana ju¿,
niewielka responsywnoœæ badania oraz ograniczonoœæ mo¿liwych do zadania
pytañ. W wiêkszoœci form badañ ankietowych trudno okreœliæ stopieñ samo-
dzielnoœci udzielenia odpowiedzi przez respondenta. Dlatego pisemne bada-
nia ankietowe znajduj¹ zastosowanie, gdy54:
· nie jest konieczne gromadzenie danych reprezentatywnych,
· mo¿na oczekiwaæ du¿ego zainteresowania ze strony respondentów,
· gromadzi siê dane jakoœciowe, a nie iloœciowe,
· dane mo¿na poddaæ standaryzacji i systematyzacji,
· pytania mo¿na zadaæ w formie prostej i nieskomplikowanej.
Pomimo wielu wad kwestionariuszy ankiety s¹ one najwa¿niejszym
elementem wi¹¿¹cym proces badania marketingowego z procesem podejmo-
wania decyzji. Znajduj¹ zastosowanie w ró¿nych formach pomiaru, a ich
projektowanie wymaga znajomoœci i umiejêtnoœci skalowania oraz podsta-
wowych zasad ich budowy. Ka¿de badanie wymaga przygotowania odrêbne-
go kwestionariusza, a przynajmniej modyfikacji ju¿ gotowego.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
54
L. Berekoven, W. Ecker, P. Ellenreider, Marktforschung. Methodische Grundlagen und
praktische Anwendung, Wiesbaden 2009, s. 107.
30
rozpoczynanie budowy kwestionariusza od formu³owania pytañ mo¿e dopro-
wadziæ do poruszania problemów pobocznych, potraktowania zaœ zasadni-
czych problemów ogólnikowo i wyrywkowo55. Budowê kwestionariusza nale-
¿y ka¿dorazowo rozpocz¹æ od okreœlenia tego, czego chcemy siê w trakcie
badania dowiedzieæ, tzn. od sporz¹dzenia rozwiniêtej listy potrzebnych infor-
macji.
Projektuj¹c kwestionariusz, nale¿y uwzglêdniaæ wytyczne i decyzje podjê-
te w trakcie projektowania badania. Im projekt zosta³ opracowany dok³ad-
niej, tym ³atwiej bêdzie skonstruowaæ poprawny kwestionariusz. Podstawo-
we decyzje, które nale¿y podj¹æ, projektuj¹c kwestionariusz, zaprezento-
wano na rys. 4.
55
K. Konarzewski, Jak uprawiaæ badania oœwiatowe. Metodologia praktyczna, Warszawa
2000, s. 126.
56
E. Babbie, Badania spo³eczne w praktyce, Warszawa 2007, s. 56.
31
miêdzy badanymi faktami oraz o prawid³owoœciach, wed³ug których fakty te
zachodz¹57.
Hipotezy mo¿na tworzyæ zarówno na podstawie z³o¿onych wniosków wy-
snuwanych z ju¿ istniej¹cych teorii, poprzez uogólnienie zebranych danych,
jak i w oparciu o doœwiadczenia ¿yciowe i w³asne domys³y58.
Hipotezy badawcze nie mog¹ byæ formu³owane w formie pytañ (np.: jaki
jest stosunek mieszkañców aglomeracji do œrodków komunikacji publicz-
nej?). Poprawnoœæ hipotez zwi¹zana jest:
· z wyborem relacji miêdzy istotnymi zmiennymi; musi byæ adekwatn¹
odpowiedzi¹ na postawiony problem;
· z prostot¹ jej sformu³owania – im bardziej zawi³a, tym trudniejsza do
weryfikacji;
· z dysponowaniem odpowiednimi wskaŸnikami, miernikami i narzêdzia-
mi badawczymi.
Przyk³ad formu³owania hipotez badawczych przedstawia rys. 5.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Hipotezy
badawcze
57
F. Krzyka³a, Metodologia badañ i technik badawczych w socjologii, Koszalin–Poznañ
1986, s. 33.
58
J. Sztumski, op. cit., s. 55.
32
Przed rozpoczêciem prac nad sformu³owaniem w³aœciwych pytañ niezbêd-
ne jest okreœlenie formy i metody zbierania informacji, co determinuje szcze-
gó³owoœæ i wizualizacjê ankiety. I tak np. kwestionariusz, który wype³niany
jest bez udzia³u ankietera, powinien byæ bardziej rozbudowany i precyzyjniej-
szy, ni¿ ten wype³niany przy wspó³udziale osoby badaj¹cej, która mo¿e wyjaœ-
niæ wszelkie w¹tpliwoœci respondenta. W przypadku pisemnej formy kwes-
tionariusza istotne znaczenie maj¹ m.in.:
· instrukcje dla respondenta;
· dok³adne skale odpowiedzi w pytaniach zamkniêtych;
· uk³ad i kolejnoœæ pytañ;
· jednoznacznoœæ i prostota pytañ;
· liczba pytañ;
· jakoœæ papieru i druku.
W konsekwencji, przygotowuj¹c kwestionariusz ankiety, niezbêdne jest
precyzyjne okreœlenie struktury obiektu oraz formy pomiaru. Przy czym
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
59
Skale do pomiaru wykorzystywane w kwestionariuszach ankietowych omówione zostan¹
póŸniej.
33
zlecenie badania s¹ realizowane. Celem sprawdzania jest wyeliminowanie
niedostatków i nieœcis³oœci. W wyniku wspomnianych czynnoœci powstaje
kwestionariusz próbny.
34
· informuj¹ce o sposobie odpowiedzi, np. „proszê zaznaczyæ w³aœciw¹ od-
powiedŸ, u¿ywaj¹c znaku X” lub „proszê zaznaczyæ tylko jedn¹ odpowiedŸ”;
· kieruj¹ce procesem pomiaru, np. „je¿eli nie, to proszê przejœæ do pytania
15”, „je¿eli tak, proszê wskazaæ jedn¹ z poni¿szych mo¿liwoœci”;
· wyjaœniaj¹ce bli¿ej okreœlone pytanie, np. „jaki jest przybli¿ony dochód
Pana/i gospodarstwa domowego (tzn. dochód Pana/i plus dochód ¿ony lub in-
nej osoby utrzymuj¹cej gospodarstwo domowe”;
· kieruj¹ce uwag¹ respondenta, np. „zanim odpowie Pan/i na poni¿sze py-
tanie dotycz¹ce..., prosimy o ponowne zapoznanie siê z listem przewodnim”.
Pytania zawarte w kwestionariuszu powinny dostarczyæ niezbêdnych info-
rmacji, a tak¿e umo¿liwiæ respondentowi udzielenie samodzielnej i wyczer-
puj¹cej odpowiedzi. Realizacja tak sformu³owanych zadañ wymaga odpo-
wiedniego sformu³owania pytania. Ka¿de pytanie powinno byæ niezbêd-
ne, tzn. powinno dostarczaæ informacji na œciœle okreœlony temat60. W przy-
padku niemo¿noœci okreœlenia celowoœci pytania nale¿y je omin¹æ. Jeœli nie-
potrzebne bêd¹ np. dane o wieku lub miejscu zamieszkania, mimo i¿ wydaj¹
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
60
W. Möhring, D. Schlütz, Die Befragung in der Medien- und Kommunikationswissenschaft:
Eine praxisorientierte Einführung, Wiesbaden 2010, s. 483 i n.
61
S. Kaczmarczyk, op. cit., s. 132 i n.
35
l - (1 - P )P B
PA = (2)
P
gdzie: PA – proporcja odpowiedzi twierdz¹cych na pytanie kontrowersyjne;
l – proporcja odpowiedzi twierdz¹cych na obydwa pytania;
P – prawdopodobieñstwo wyboru pytania kontrowersyjnego;
PB – proporcja odpowiedzi twierdz¹cych na pytanie neutralne.
(kiedy nie bêdzie chcia³ przyznaæ siê do swojej niewiedzy) b¹dŸ niedok³ad-
nych (w pytaniu np. o motywy postêpowania, których mo¿e sam byæ nieœwia-
domy). Z zagadnieniem zdolnoœci respondenta do udzielenia dok³adnych od-
powiedzi wi¹¿e siê problematyka pytañ filtruj¹cych, za pomoc¹ których
zostaje wydzielona grupa respondentów nieudzielaj¹cych odpowiedzi na
dany temat lub grupa, do której skierowane bêd¹ inne pytania62. Je¿eli np.
chcemy uzyskaæ informacjê o stopniu zadowolenia z u¿ytkowanego samocho-
du, musimy najpierw zapytaæ, czy respondent posiada w³asny samochód
(rys. 7).
Formu³uj¹c pytania, niezmiernie istotne jest równie¿ to, aby zadane pyta-
nia by³y jednoznaczne i dla wszystkich zrozumia³e (rys. 8). Efekt ten
uzyskuje siê dziêki zwróceniu uwagi na dobór odpowiedniego s³ownictwa,
sugestywnoœci i emocjonalnoœci. Zastosowanie odpowiedniego s³ownictwa
sprowadza siê do dostosowania go do grupy odniesienia (np. do osób z wy-
kszta³ceniem zawodowym i wy¿szym, dzieci i doros³ych). Wyrazy skompliko-
wane i specjalistyczne wymagaj¹ bli¿szej interpretacji. Sugestywnoœæ pytañ
zak³ada pewn¹ tendencyjnoœæ, z góry narzuca odpowiedŸ. Emocjonalnoœæ wy-
ra¿a siê w akceptacji lub negacji okreœlonego zjawiska (rys. 8). W konsek-
wencji nale¿y unikaæ pytañ rozpoczynaj¹cych siê od zwrotów: „Wszyscy
wiedz¹, ¿e...”, „Jak wiadomo...”, „Zawsze..”, „¯aden”, „Nigdy” itp.
Ka¿de pytanie powinno mieæ odpowiedni¹ formê jêzykowo-stylis-
tyczn¹. Stosowanie ró¿nych form stylistycznych mo¿e prowadziæ do uzyska-
62
Badania marketingowe, Teoria i praktyka, red. K. Mazurek-£opaciñska, Warszawa 2005,
s. 105.
36
1. Czy posiada Pan/i w³asny samochód?
tak
nie
bezpieczeñstwo
nie
nie
37
Spiera siê dominikanin z jezuit¹, czy grzechem jest paliæ papierosy i modliæ siê w tym samym czasie.
Nie mog¹c dojœæ do porozumienia, poszli z proœb¹ o poradê do prze³o¿onych. Po powrocie
dominikanin pyta jezuitê:
– I jaka jest twoja odpowiedŸ?
– Wszystko w porz¹dku!
– A twoja? – spyta³ jezuita.
– Mnie powiedziano, ¿e to wielki grzech.
– A jak zapyta³eœ? – spyta³ jezuita.
– Czy wolno paliæ w trakcie modlitwy?
– Oh, a ja czy wolno modliæ siê podczas palenia?
Nie bez znaczenia jest tak¿e kolejnoœæ zadawanych pytañ. Istotne jest
to, aby pytania charakteryzowa³y siê wzrastaj¹c¹ szczegó³owoœci¹, stale
wzbudza³y zainteresowanie respondenta i stopniowo d¹¿y³y do wyczerpania
tematu63. Kolejnoœæ pytañ w decyduj¹cym stopniu wp³ywa na jakoœæ udzielo-
nych odpowiedzi; nie zawsze nale¿y umieszczaæ je w kolejnoœci od najprost-
szych do najtrudniejszych. Jak do tej pory nie zosta³y opracowane ¿adne dy-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
63
L. Berekoven, W. Ecker, P. Ellenreider, op. cit, s. 105 i n.
64
S. Kauf, Badania rynkowe..., s. 84.
38
· zachowañ nabywców – pozwalaj¹ m.in. na ustalenie bie¿¹cej i potencjal-
nej pozycji produktu na rynku i schematów zachowañ; pytania te pozwalaj¹
na identyfikacjê osób dokonuj¹cych zakupów oraz opisuj¹ schematy zacho-
wañ, umo¿liwiaj¹ tak¿e ustalenie pozycji rynkowej (w aspekcie udzia³u)
przedsiêbiorstwa lub marki (rys. 10);
Przyczyny zachowañ: Dlaczego korzysta Pan/i z komunikacji miejskiej..., jakie czynniki maj¹
najwiêkszy wp³yw na wybór przez Pana/i¹ œrodka transportu?
Ustalenie popytu niezaspokojonego: Czy zakupiony przez Pana/i¹ samochód spe³nia wczeœniejsze
oczekiwania, jakie cechy powinien posiadaæ poszukiwany przez Pana/i¹ samochód?
Ustalenie postaw w stosunku do np. produktów, miejsc: Co myœli Pan/i o..., jaka marka...
jest najlepsza?
39
umo¿liwia wyodrêbnienie relatywnie niewielkiej liczby segmentów. Dziêki
pytaniom z tej grupy uzyskujemy informacje o zró¿nicowaniu (lub jego bra-
ku) preferencji poszczególnych grup wiekowych czy zawodowych. Poniewa¿
pytania te dotycz¹ cech osobistych respondenta i mog¹ wp³ywaæ zniechê-
caj¹co na udzia³ w badaniu, zaleca siê ich umieszczanie w ostatniej czêœci
kwestionariusza. Respondent, który udzieli³ ju¿ odpowiedzi na pytania
merytoryczne, z regu³y nie odmawia wype³nienia pytañ metryczkowych
(chyba, ¿e uzna je za dra¿liwe).
Pytania merytoryczne przyjmowaæ mog¹ wiele form. Najczêœciej rozró¿nia
siê pytania bezpoœrednie i poœrednie.
k³opotów w trakcie analizy. Niemniej taka forma zadania pytania mo¿e pro-
wadziæ do ró¿nych b³êdów wynikaj¹cych m.in. z chêci ukrycia przez respon-
denta rzeczywistych motywów dzia³ania.
nie
Czy jest w Pana/i rodzinie ktoœ, kto opowiada siê za wprowadzeniem op³at za wjazd
do centrum miasta?
tak
nie
40
Niezale¿nie od bezpoœredniej czy poœredniej formy pytania rozró¿niæ mo-
¿emy pytania otwarte i zamkniête65 (rys. 13). Najczêstsze zastosowanie znaj-
duj¹ pytania zamkniête. Najprostsz¹ ich form¹ s¹ pytania alternatywne, zgod-
nie z którymi respondent ma mo¿liwoœæ udzielenia tylko jednej z dwóch
mo¿liwych odpowiedzi. Inn¹ równie prost¹ form¹ pytania zamkniêtego jest ka-
feteria. W tak sformu³owanym pytaniu respondentowi podaje siê listê mo¿li-
wych odpowiedzi. Przy czym wœród pytañ w formie kafeterii wyró¿niæ mo¿emy66:
· kafeteriê zamkniêt¹, niedaj¹c¹ respondentowi mo¿liwoœci wyboru in-
nych odpowiedzi ni¿ podane;
· kafeteriê pó³otwart¹, charakteryzuj¹c¹ siê podaniem najistotniejszych
alternatyw wyboru oraz pozostawiaj¹c¹ respondentowi mo¿liwoœæ udzielenia
odpowiedzi w³asnej;
· kafeteriê zamkniêt¹, która wystêpowaæ mo¿e w postaci dysjunktywnej,
pozwalaj¹cej respondentowi na wybranie tylko jednej z wymienionych alter-
natyw, oraz koniunktywnej, daj¹cej mo¿liwoœæ wyboru kilku alternatyw.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Pytania
Otwarte Zamkniête
Jakimi œrodkami komunikacji porusza siê Przedstawia siê z góry okreœlone
Pan/i po mieœcie? Proszê wymieniæ odpowiedzi
Alternatywa: Kafeteria:
Czy jeŸdzi Pan/i œrodkami komunikacji Z jakich œrodków komunikacji publicznej
miejskiej? Pan/i korzysta?
tak autobus
nie tramwaj
PKS
inne, jakie….
65
Badania marketingowe..., s. 103 i n.
66
R. Porst, Fragebogen. Ein Arbeitsbuch, Wiesbaden 2009, s. 185.
41
Jak ocenia Pan/i ruch komunikacyjny w mieœcie?
Tytu³ ankiety (powinien zawieraæ informacjê o treœci ankiety, okreœlaæ problematykê badañ;
dopuszcza siê tak¿e umieszczanie zamiast tytu³u samego s³owa „ankieta”);
Preambu³a (krótka informacja, kto i w jakim celu prowadzi badania; zapewnienie o anonimowoœci;
proœba o udzielanie prawdziwych informacji i szczere wypowiedzi; podziêkowanie za wype³nienie ankiety;
tu te¿ czasem zamieszczona jest instrukcja ankiety);
Pytania (najwa¿niejsza, merytoryczna czêœæ ankiety; zwyczajowo do 20 pytañ, ¿eby czas wype³nienia nie by³
d³u¿szy ni¿ 30 min.);
Zakoñczenie.
42
Ankieta jest jedn¹ z najbardziej popularnych technik badawczych. Nie-
mniej nie mo¿e byæ jedyn¹. Ze wzglêdu na wspomniane jej wady dla uzyska-
nia wiarygodnych wyników powinno siê stosowaæ kilka technik. Badania
ankietowe s¹ bowiem Ÿród³em obszernej wiedzy, ale nie pog³êbionej. Infor-
macje zgromadzone t¹ drog¹ maj¹ raczej walor informuj¹cy, a nie wyjaœ-
niaj¹cy. Zebrane t¹ drog¹ dane opieraj¹ siê w zasadzie na werbalnych zacho-
waniach respondentów, nie zawsze odzwierciedlaj¹cych stan rzeczywisty.
67
Populacja generalna obejmuje wszystkie jednostki, które powinny byæ przebadane.
68
M. Rószkiewicz, Metody iloœciowe w badaniach marketingowych, Warszawa 2007, s. 136.
69
J. Bleymüller, G. Gehlert, H. Gülicher, Statistik für Wirtschaftswissenschaftler, München
2002, s. 155 i n.
43
Metody doboru próby badawczej
Zak³ada siê, ¿e ka¿da jednostka ma takie samo Cechy próby okreœla siê arbitralnie.
ró¿ne od zera prawdopodobieñstwo wejœcia do próby. Zak³ada siê, ¿e tak dobrana próba ujawnia równie¿
Mo¿e stanowiæ podstawê wnioskowania o ca³oœci charakterystyczne cechy populacji generalnej
wielofazowy wybór z populacji du¿ej grupy jednostek, a z niej kilku grup mniejszych
44
Najprostsz¹ z metod jest losowanie proste polegaj¹ce na bezpoœrednim
i nieograniczonym doborze jednostek badania do próby bezpoœrednio z popu-
lacji generalnej. Wykorzystanie losowania jako techniki doboru wymaga
zast¹pienia ka¿dej jednostki badawczej losem (numerem) i umieszczeniem
go w urnie70. Nastêpnie dokonuje siê losowania odpowiedniej liczby losów
niezbêdnych do osi¹gniêcia wyników reprezentatywnych. Równie prosty jest
dobór systematyczny. Tutaj do próby wybiera siê co k-ty71 element zbiorowoœ-
ci generalnej72. Nastêpnie od losowo wybranej jednostki znajduj¹cej siê
w obrêbie pierwszego interwa³u dobiera siê kolejno co k-t¹ jednostkê z ka¿-
dego nastêpnego interwa³u. Wyboru dokonuje siê a¿ do uzyskania niezbêdnej
liczby jednostek.
W przypadku zbiorowoœci o znacznym stopniu wewnêtrznej heterogenicz-
noœci siêga siê po metodê doboru warstwowego. Tutaj dokonuje siê podzia³u,
w oparciu o wyodrêbnione kryteria, heterogenicznej zbiorowoœci generalnej
na kilka zbiorowoœci wzglêdnie homogenicznych. Nastêpnie z ka¿dej grupy
dokonuje siê oddzielnego, nieograniczonego doboru prostego73. Jako podsta-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
70
Dobór losowy prosty mo¿e byæ tak¿e dokonany z wykorzystaniem liczb losowych.
71
Okreœlany tak¿e jako interwa³ losowania.
72
k obliczane jest poprzez podzielenie liczebnoœci populacji generalnej przez niezbêdn¹ liczeb-
noœæ próby.
73
J. Bleymüller, G. Gehlert, H. Gülicher, op. cit., s. 55.
74
Zob. J. Bazarnik, T. Grabiñski, E. K¹ciak, S. Mynarski, A. Sagan, Badania marketingowe.
Metody i oprogramowanie komputerowe, Kraków 1992, s. 14.
75
P. Hamman, B. Erichson, Marktforschung. Methoden – Anwendungen – Praxisbeispiele,
Wiesbaden 2006, s. 147.
76
Ibidem.
45
Oprócz losowych metod doboru próby do badañ wystêpuj¹ równie¿ metody
nielosowe, takie jak: kwotowy, jednostek typowych, przez eliminacjê, celowy
i przypadkowy (rys. 18)77.
jednostek
wybiera siê do badañ „typowych” reprezentantów populacji generalnej
typowych
przypadkowy do próby wybiera siê osoby, które zgodzi³y siê na udzia³ w badaniach
Populacja generalna liczy 21 857 mln osób posiadaj¹cych prawo jazdy (100%), w tym:
kobiet 10 567 mln (48%)
mê¿czyzn 11 290 mln (52%)
mieszkañców miast 18 052 mln (37%)
mieszkañców wsi 13 805 mln (63%)
77
S. Kauf, Badania rynkowe..., s. 61 i n.
78
B. Flyvbjerg, Five Misunderstandings about Case Study Research. „Qualitative Inquiry”
2006, vol. 12, nr 2, s. 219 i n.
46
Metoda doboru jednostek typowych wychodzi z za³o¿enia wystêpowania
w populacji generalnej jednostek typowych, tzn. odpowiadaj¹cych w przybli-
¿eniu jednostkom przeciêtnym79. Ze wzglêdu na wystêpowanie niewielkie ró¿-
nic miêdzy badanymi jednostkami przeciêtnymi dobrana do badania próba
nie musi byæ zbyt liczna. Metoda ta dostarcza jedynie informacji ogólnych
i obejmuj¹cych jednostki przeciêtne; nie informuje o iloœciowym zró¿nicowa-
niu badanego zjawiska.
Metoda eliminacji uwzglêdnia zjawisko koncentracji. Polega ono na
wyborze jednostek skupiaj¹cych najwiêcej interesuj¹cych nas cech i elimina-
cji tych, które s¹ ma³o atrakcyjne z punktu widzenia badania. W doborze
celowym typ i struktura próby badawczej wynikaj¹ z celów badania. Dobór
ten polega na ca³kowicie subiektywnym wyborze jednostek przez badacza.
Elementami próby s¹ zaœ jednostki, zdaniem badacza, najlepiej odpowia-
daj¹ce celom badania. Ostatni¹ metodê stanowi dobór przypadkowy, na
chybi³ trafi³, osób, które wyrazi³y zgodê na uczestnictwo w badaniu.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
79
P. Hamman, B. Erichson, Marktforschung, Stuttgart–New York 1990, s. 112.
80
S. Kauf, Badania rynkowe..., s. 70.
81
Liczba jednostek, która powinna zostaæ przebadana zale¿na jest od rodzaju badania.
82
K. Holm, Die Befragung, München 1975, s. 148.
47
Tabela 3. Wielkoœci próby stosowane w badaniach
å (x - x )2
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
i
i =1
S= (3)
n -1
83
Szerzej na temat szacowania b³êdu standardowego próby badawczej zob. S. Kaczmarczyk,
op. cit., s. 79 i n.; V. Barnett, Elementy teorii pobierania prób, Warszawa 1982, s. 58 i n.
84
S. Ostasiewicz, Z. Rusnak, U. Siedlecka, Statystyka. Elementy teorii i zadania, Wroc³aw
2011, s. 71 i n.
85
A. Aczel, Statystyka w zarz¹dzaniu, Warszawa 2000, s. 210.
48
cza³a z góry okreœlonej wartoœci z prawdopodobieñstwem równym 1 – a. To
zadane z góry prawdopodobieñstwo nosi nazwê wspó³czynnika ufnoœci, jego
wartoœæ powinna byæ bliska jednoœci. Dotyczy to sytuacji, kiedy próbê ba-
dawcz¹ bêdziemy wybierali metod¹ losowania prostego niezale¿nego (dla po-
pulacji skoñczonej)86. Wzór na okreœlenie niezbêdnej liczebnoœci próby dla
oszacowania œredniej populacji, gdy cecha x ma rozk³ad zbli¿ony do normal-
nego, przybiera postaæ87:
N
n= (5)
ND2
1+ 2 2
ta S
poziomie istotnoœci a.
Liczebnoœæ próby jest wprost proporcjonalna do liczebnoœci populacji gene-
ralnej, wariancji cechy w populacji oraz wartoœci funkcji testowej, a odwrot-
nie proporcjonalna do przyjêtej tolerancji odchyleñ. W przypadku nieznane-
go odchylenia standardowego nale¿y je oszacowaæ na podstawie wyników
uzyskanych z badañ pilota¿owych.
Dla uzyskania lepszej zgodnoœci struktury próby badawczej ze struktur¹
populacji generalnej w badaniach reprezentatywnych bardzo czêsto wyko-
rzystuje siê losowanie warstwowe. Jak ju¿ wczeœniej wspomniano, losowanie
to polega na niezale¿nym losowaniu jednostek badawczych z ka¿dej war-
stwy. W przypadku zastosowania takiej procedury losowania, przy za³o¿eniu
proporcjonalnoœci doboru populacji skoñczonej, niezbêdn¹ liczebnoœæ próby
okreœla siê na podstawie wzoru88:
L
åW S
h=1
h
2
h
n= (6)
d2 1 L
+ å WhS h2
ua2 N h = 1
86
P. Hamman, B. Erichson, Marktforschung, Stuttgart 2000, s. 142.
87
R. Zastêpa, Badania statystyczne metod¹ reprezentacyjn¹, Warszawa 1962, s. 79 i n.
88
S. Mynarski, Badania rynkowe w przedsiêbiorstwie, Kraków 2001, s. 35.
49
d – dopuszczalny maksymalny b³¹d szacunku œredniej;
ua2 – wartoœæ odczytana z tablic rozk³adu normalnego na poziomie
ufnoœci 1 – a89.
Po okreœleniu niezbêdnej liczby jednostek, które powinny zostaæ poddane
badaniu, konieczne jest okreœlenie liczby jednostek, które powinny byæ wylo-
sowane z ka¿dej warstwy. Dokonuje siê tego na podstawie wzoru90:
Nh
nh = ×n (7)
N
gdzie: Nh – liczba elementów w warstwie h;
N – liczba elementów w populacji;
n – liczba elementów w próbie;
nh – liczba elementów warstwy h w próbie.
Inna jest metoda obliczania liczebnoœci próby w sytuacji, kiedy jednostki
badawcze dobieraæ bêdziemy na podstawie losowania zespo³owego. Wówczas
populacjê generaln¹ nale¿y podzieliæ na K równo- lub ró¿nolicznych zes-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
æ ö
ç ÷
ç K ÷
k =ç 2 2 ÷
(8)
ç 1 + Kn0 d ÷
ç 9 s 02 ÷ø
è
89
Najczêœciej poziom ufnoœci ustala siê na poziomie 1 – a = 0,9, wówczas u0,1 = 1,645; jeœli
1 – a = 0,95, to u0,05 = 1,96, natomiast w przypadku gdy 1 – a = 0,99, to u0,01 = 2,576.
90
Zob. równie¿ J. Bleymüller, Stichprobenverfahren für Wirtschaftswissenschaftler, Wiesba-
den 1989, s. 157.
91
J. Steczkowski, Zastosowanie metody reprezentacyjnej w badaniach spo³eczno-ekonomicz-
nych, Warszawa 1988, s. 239; S. Mynarski, op. cit., s. 47.
50
1 k0
n0 = å n0
k0 i = 1
(9)
1 k0
s 02 = å
k 0 - 1i = 1
)a 0i - n0i x 0 ) 2 (10)
92
Zagadnienie zwi¹zane z okreœleniem liczebnoœci próby do badañ zosta³o szczegó³owo opra-
cowane w pracy: S. Mynarski, Badania..., s. 27 i n.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
51
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Rozdzia³ III
Mo¿na zatem przyj¹æ, ¿e podstaw¹ teorii pomiaru jest pojêcie skal. Przed-
miotem pomiaru nie jest zaœ osoba, rzecz, stan czy zdarzenie, lecz s¹ nimi ce-
chy tych kategorii, obejmuj¹ce np. wra¿enie, jakie dany obiekt wywo³uje
w porównaniu z innymi obiektami93. Warunkiem uzyskania niezbêdnych in-
formacji jest prawid³owe zdefiniowanie obiektu badania oraz cech podle-
gaj¹cych badaniu, które mo¿na podzieliæ na iloœciowe i jakoœciowe. W odnie-
93
S. Kaczmarczyk, op. cit., s. 96.
53
sieniu do cech iloœciowych istniej¹ obiektywne mierniki badanego zjawiska,
jak np. wielkoœæ sprzeda¿y. Badanie cech jakoœciowych opiera siê zaœ na pew-
nych za³o¿eniach teoretycznych, dla których nie istniej¹ jednoznaczne i ogól-
nie obowi¹zuj¹ce mierniki czy wskaŸniki. Dlatego podstawowym warunkiem
zgromadzenia niezbêdnych danych jakoœciowych staje siê operacjonalizacja
sformu³owanych za³o¿eñ teoretycznych94. Polega ona na opisie okreœlonego
pojêcia za pomoc¹ innych pojêæ przyjêtych za zrozumia³e. Przejawia siê
w poszukiwaniu odpowiednich wskaŸników lub równowa¿ników empirycz-
nych umo¿liwiaj¹cych nie tylko weryfikacjê za³o¿eñ, ale tak¿e podejmowanie
trafnych i adekwatnych decyzji95. Innymi s³owy, dokonuj¹c operacjonaliza-
cji, decydujemy siê, w jaki sposób dana zmienna bêdzie mierzona i okreœla-
my zalecenia s³u¿¹ce pomiarowi zdefiniowanych cech96.
Bez pomiaru (skonstruowania instrumentu pomiarowego) niemo¿liwe jest
zgromadzenie danych, ich analiza oraz wnioskowanie. Istot¹ badañ jest bo-
wiem kwantyfikacja nawet takich cech, które nie s¹ mierzalnymi elementa-
mi psychiki konsumenta97. Najogólniej wyró¿niæ mo¿na cztery poziomy po-
miaru: nominalny, porz¹dkowy, przedzia³owy i ilorazowy (rys. 20)98.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
1. Skala nominalna
wystêpowanie œrodka komunikacji publicznej tramwaj car on daymond*
autobus
w mieœcie
2. Skala porz¹dkowa
popularnoœæ œrodka transportu 3 (rower) 2 (autobus) 1 (tramwaj)
4. Skala ilorazowa
zu¿ycie paliwa na 100 km 10,2 9,8 12,4
* Koncepcja car on daymond opiera siê na wspólnym u¿ytkowaniu samochodu osobowego bêd¹cego w³asnoœ-
ci¹ w³adz miasta. Samochody mog¹ byæ przez u¿ytkowników odbierane i pozostawiane na poboczu ulicy w ró¿-
nych miejscach miasta. Koncepcja ta nie wymaga uprzedniej rezerwacji samochodu, nie wp³aca siê te¿ kaucji i nie
uiszcza op³at cz³onkowskich. „Wolne” samochody mo¿na znaleŸæ online z w³asnego PC, smartphona lub po pro-
stu przechodz¹c obok nich.
Rysunek 20. Podstawowe skale pomiarowe
ród³o: opracowanie w³asne.
94
H. Rinne, Taschenbuch der Statistik, Frankfurt a. M. 2008, s. 41.
95
L. Berekoven, W. Ecker, P. Ellenreider, op. cit., s. 192.
96
Zob. S. Kaczmarczyk, op. cit., s. 99.
97
Badania rynkowe i marketingowe, red. J. Kramer, Warszawa 1994, s. 43.
98
J. Bleymüller, G. Gehlert, H. Gülicher, op. cit., s. 277; S. Kaczmarczyk, op. cit., s. 104 i n.
54
matycznych zwiêkszaj¹cych dok³adnoœæ wyników99. Poziomy pomiaru two-
rz¹ same w sobie skalê kumulatywn¹, co oznacza, ¿e ka¿dy wy¿szy poziom
skali charakteryzuje siê cechami skal ni¿szych. Na ka¿dym poziomie pomia-
ru mo¿na wykorzystywaæ metody adekwatne dla poziomów ni¿szych. Nie-
mniej ka¿dorazowo powinno siê wykorzystywaæ metody analizy dostosowane
do poziomu pomiaru. W innym przypadku mo¿na utraciæ istotne informa-
cje100.
Skala nominalna (niemetryczna) s³u¿y identyfikacji i klasyfikacji
obiektów, a tak¿e pozwala zidentyfikowaæ ró¿nice miêdzy obiektami. Pod-
staw¹ przyporz¹dkowania s¹ cechy jakoœciowe, co pozwala jedynie stwier-
dziæ czêstotliwoœæ wystêpowania cechy (rys. 21). Na skali tej nie mo¿na do-
konywaæ ¿adnych obliczeñ statystycznych, z wyj¹tkiem zliczenia cech,
okreœlenia procentów i mody.
bliskoœæ przystanków
99
P. Hamman, B. Erichson, Marktforschung. Methoden – Anwendungen – Praxisbeispiele,
Stuttgart 2006, s. 123.
100
S. Kaczmarczyk, op. cit., s. 105–106.
101
F. Dirk, W. Schlund, Eine neue Lösung des alten Skalenproblems, „Planung & Analyse”
2000, H. 6, s. 56 i n.; E. Scheuch, H. Zehnpfennig, Skalierungsverfahren in der Sozialforschung,
in: Handbuch der empirischen Sozialforschung, Stuttgart 1974, s. 103.
55
re, równie¿ niezale¿nie od biegunów, nie s¹ podzielone na przedzia³y i stano-
wi¹ pewne continuum od poziomu najni¿szego do najwy¿szego (rys. 22).
2 du¿e
5 bardzo ma³e
102
P. Hamman, B. Erichson, Marktforschung. Methoden – Anwendungen – Praxisbeispiele...,
s. 89 i n.
56
Jaki jest udzia³ transportu zbiorowego w podró¿ach mieszkañców miasta X.
1 bardzo du¿e
2 du¿e
3 ani du¿e ani ma³e
4 ma³e
5 bardzo ma³e
2. Jaka by³aby Pana/i reakcja na wprowadzenie w mieœcie indywidualnego transportu zbiorowego (PRT)?
1 entuzjastyczna
2 bardzo pozytywna
3 pozytywna
4 obojêtna
5 negatywna
103
S. Kaczmarczyk, op. cit., s. 150 i n.
57
Natomiast liczba kategorii skal zale¿y przede wszystkim od postawy respon-
denta, formy pomiaru oraz wykorzystywanych metod analizy. Je¿eli potrze-
bne s¹ jedynie dane ogólne, wówczas mo¿na zastosowaæ np. skale trzystop-
niowe. Natomiast w przypadku poszukiwania odpowiedzi dotycz¹cych postaw
i zachowañ powinno siê stosowaæ skale piêcio-, a nawet siedmiostopniowe.
+2
1 2 3 4 5 6 7
–2
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
6 5 4 3 2 1
58
Skala komparatywna ma charakter porz¹dkowy lub rangowy, a in-
terpretacja dokonywana jest w kategoriach wzglêdnych. Skale niekom-
paratywne dostarczaj¹ zazwyczaj danych o charakterze interwa³owym
lub ilorazowym.
Do komparatywnych technik skalowania zaliczamy m.in.: porównywanie
parami (Thurstone’a), rangowanie czy sumowanie ocen.
Najczêœciej wykorzystywan¹ technik¹ komparatywn¹ jest porównywa-
nie parami, polegaj¹ce na:
Cecha i
Pieszo Rowerem Samochodem Autobusem
Cecha j
Pieszo 0 0,81 0,95 0,58
Rowerem 0,19 0 0,71 0,86
Samochodem 0,50 0,29 0 0,14
Autobusem 0,43 0,14 0,86 0
ród³o: opracowanie w³asne.
59
œród czterech sposobów przemieszczania siê w mieœcie. Wyniki zliczania
mog¹ przybieraæ formê liczb bezwzglêdnych, u³amków dziesiêtnych czy pro-
centów. Na przeciêciu ka¿dego wiersza i kolumny wpisuje siê proporcje odpo-
wiedzi wskazuj¹ce preferencje wobec obiektów znajduj¹cych siê w kolumnie
powy¿ej obiektu w wierszu. Na g³ównej przek¹tnej umieszcza siê zera. War-
toœci znajduj¹ce siê po obu stronach przek¹tnej dope³niaj¹ siê do jednoœci104.
WskaŸniki osi¹gaj¹ce wartoœæ powy¿ej 0,5 i znajduj¹ce siê pod przek¹tn¹
oznaczaj¹ preferencje nabywców wobec poszczególnych cech obiektów miesz-
cz¹cych siê w wierszach. WskaŸniki wiêksze od 0,5 znajduj¹ce siê nad
przek¹tn¹ wskazuj¹ wiêksze preferencje wobec obiektów w kolumnach105.
Kolejny krok w realizacji metody Thurstone’a zwi¹zany jest z koniecznoœci¹
dokonania standaryzacji uzyskanych wyników empirycznych. Standaryzacji
tej dokonuje siê z wykorzystaniem tablicy rozk³adu normalnego. Dla ka¿dej
wartoœci empirycznej wiêkszej od 0,5 znajduje siê wartoœæ teoretyczn¹
posiadaj¹c¹ znak dodatni, natomiast dla ka¿dej wartoœci empirycznej
mniejszej od 0,5 znajduje siê wartoœæ ze znakiem ujemnym. W ten sposób
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Cecha i
Pieszo Rowerem Samochodem Autobusem
Cecha j
Pieszo 0
Rowerem 0
Samochodem 0
Autobusem 0
Œrednia
Skala
ród³o: opracowanie w³asne.
104
J. Berbecka, Wykorzystanie metody Thurstone’a do badañ preferencji nabywców czekola-
dy, w: Metody badañ marketingowych, Kraków 1996, s. 291.
105
A. Bazarnik, T. Grabiñski, E. K¹ciak, S. Mynarski, A. Sagan, op. cit., s. 81 i n.
60
0 0,5 1,0 1,5
Proszê uszeregowaæ podane ni¿ej charakterystyki œrodków komunikacji miejskiej, porz¹dkuj¹c je tak, aby
te cechy, które maj¹ dla Pana/i najwiêksz¹ wagê otrzyma³y wartoœæ najmniejsz¹ (1), a te, które maj¹
najmniejsze znaczenie – wartoœæ najwiêksz¹ (8)
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
– komfort jazdy
– punktualnoœæ
– rozmieszczenie punktów przesiadkowych
– stan techniczny
– czystoœæ
– uprzejmoœæ kierowców
– sieæ komunikacyjna
– czas dojazdu
61
Proszê podzieliæ 100 punktów miêdzy wymienione ni¿ej atrybuty œrodków komunikacji miejskiej,
tak by podzia³ odzwierciedla³ znaczenie cechy:
komfort jazdy
punktualnoϾ
rozmieszczenie punktów przesiadkowych
stan techniczny
czystoϾ
uprzejmoœæ kierowców
sieæ komunikacyjna
czas dojazdu
106
P. Green, D.S. Tull, Methoden und Techniken der Marketingforschung, Stuttgart 1987,
s. 278.
107
E. Babbie, op. cit., Warszawa 2004, s. 56.
108
L. Berekoven, W. Eckert, P. Ellenreider, op. cit., s. 73.
62
Ni¿ej wymieniono kilka czynników wp³ywaj¹cych na ocenê funkcjonowania komunikacji miejskiej.
Prosimy o wyra¿enie swojej opinii przez zaznaczenie odpowiedniego miejsca przy ka¿dym z czynników.
109
V. Tromsdorff, Konsumentenverhalten, Stuttgart 2009, s. 193 i n.
110
Zob. S. Kaczmarczyk, op. cit., s. 167.
111
E. Aronson, T.D. Wilson, R.M. Akert, Sozialpsychologie, Stuttgart 2008, s. 192 i n.
112
L. Berekoven, W. Eckert, P. Ellenrieder, op. cit., s. 78 i n.
63
Ni¿ej podano 4 cechy charakteryzuj¹ce pojazdy komunikacji miejskiej. Prosimy o wskazanie jak Pana/i zdaniem
nale¿y oceniæ poszczególne cechy – pozytywna ma znak plus, negatywna – minus.
+2 +2 +2 +2
+1 +1 +1 +1
–1 –1 –1 –1
–2 –2 –2 –2
Proszê zaznaczyæ swoje oceny najlepiej odzwierciedlaj¹ce opiniê Pana/i o wymienionych cechach
transportu publicznego (ka¿da cecha reprezentuje jedn¹ cechê w siedmiostopniowej skali intensywnoœci).
szybki X wolny
tani X drogi
dostêpny X niedostêpny
wygodny X zat³oczony
brudny X czysty
113
Badania marketingowe. Teoria i praktyka..., s. 157.
64
zacji polega na obliczeniu œrednich arytmetycznych wa¿onych lub mediany
dla danych z poszczególnych skal.
Nastêpnie wyniki ³¹czy siê liniami na zestawionych razem skalach. Ka¿da
linia obrazowaæ mo¿e inny obiekt lub te¿ inn¹ grupê respondentów (rys.
33)114. Dokonuj¹c porównania wszystkich linii, otrzymuje siê profile polary-
zacji obrazuj¹ce preferencje i postawy respondentów wobec badanych obiek-
tów. Za pomoc¹ danych uzyskanych z profilu polaryzacji mo¿liwa jest dalsza
analiza i wnioskowanie.
1 2 3 4 5 6 7
szybki wolny
tani drogi
dostêpny niedostêpny
wygodny zat³oczony
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
brudny czysty
œrodek 1 œrodek 2
Rysunek 33. Hipotetyczny profil postaw i preferencji wobec dwóch œrodków komunikacji miejskiej
ród³o: opracowanie w³asne.
punktualnoϾ
dostêpnoœæ
szybkoϾ
114
S. Kaczmarczyk, op. cit., s. 163.
115
B. Döring, Forschungsmethoden und Evaluation, Heidelberg 2006, s. 189.
65
Reasumuj¹c, skalowanie odpowiedzi jest stosunkowo ³atwym, przejrzys-
tym i ma³o pracoch³onnym narzêdziem pomiaru postaw. Niemniej pozwala na
przedstawienie zakresu zró¿nicowania ocen, g³oszonych pogl¹dów i postaw
wzglêdem badanych obiektów.
116
A. Czarnecki, Wiarygodnoœæ badañ marketingowych, „Marketing w Praktyce” 2000, nr 4,
s. 6 i n.
117
M. Klimczyk-Bryk, Ogólne zasady stosowania skal w procesie badania jakoœci us³ug,
w: Metody badañ marketingowych, Kraków 1996, s. 78.
118
P. Hamman, B. Erichson, Marktforschung..., 2000, s. 93 i n.
66
Tabela 6. B³êdy pomiaru
ród³o: opracowanie w³asne na podstawie: S. Kaczmarczyk, Badania marketingowe. Metody i techniki, Warszawa
2003, s. 117 i n.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
du¿a
x x
x xx
x x x
x x xx
x
TrafnoϾ
xx
x
x x
x
x x x xx
x x xx x x
ma³a
ma³a du¿a
RzetelnoϾ
Rysunek 35. Zwi¹zek miêdzy rzetelnoœci¹ i trafnoœci¹ pomiaru
ród³o: E. Gatnar, M. Walesiak, Metody statystycznej analizy wielowymiarowej w badaniach marketingo-
wych, Wroc³aw 2004, s. 64.
67
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Wspó³czynnik a-Cronbacha informuje, jak¹ czêœæ wariancji skali sumary-
cznej stanowi wariancja prawdziwej wartoœci tej skali. Obliczony wspó³czyn-
nik mo¿e przyjmowaæ wartoœci z przedzia³u 0–1. Wartoœæ 0 oznacza, ¿e po-
szczególne pozycje skali nie mierz¹ prawdziwego wyniku, lecz generuj¹ tylko
b³¹d losowy. O rzetelnoœci pomiaru œwiadczy wspó³czynnik nie mniejszy ni¿
0,7124.
Je¿eli dokonamy standaryzacji zmiennych reprezentuj¹cych poszczególne
pozycje skali wówczas wzór 13 ma postaæ125:
k × r (xi , x j )
a= (14)
1 + ( k - 1) × r ( x i , x j )
é 2 k
ù
êS ( x s ) - å p j q j ú
k ê j =1 ú
KR 20 = (15)
k -1 ê 2
S (x s ) ú
ê ú
ë û
k éS ( x s ) - kpq ù
2
KR 21 = ê ú (16)
k - 1 ë S 2 (x s ) û
k k
åp
j =1
j åq
j =1
j
gdzie: p = oraz q =
k k
124
W badaniach marketingowych przyjmuje siê, ¿e wartoœæ wspó³czynnika a-Cronbacha po-
winna zawieraæ siê w przedziale (0,7; 0,9); zob.: E. Gatnar, M. Walesiak, op.cit, s. 63.
125
Ibidem, s. 68.
126
Ibidem, s. 60–64; http://www.odn.poznan.pl/doradcy/warsztat/pliki/Pomiar.pdf;
http://www. statsoft.pl/czytelnia/marketing/rzetelnosc.pdf
69
Wspó³czynnik KR21 powinien byæ stosowany, gdy badacz nie zna stopnia
trudnoœci poszczególnych pytañ tworz¹cych narzêdzie pomiarowe.
Kolejnej modyfikacji wzoru 15, uwzglêdniaj¹cej mo¿liwoœæ wyst¹pienia
wiêkszej ni¿ dwie liczby kategorii, dokona³ Ferguson127:
é 2 k
ù
êS ( x s ) - å v j ú
k ê j =1 ú
rx s x s = (17)
k -1 ê S 2 (x s ) ú
ê ú
ë û
2
m
æ m ö
v j = å w l2 p l - çç å w l p l ÷
÷ (18)
èl =1 ø
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
l =1
wl – waga odpowiedzi;
pl – frakcja osób, które wybra³y l-t¹ kategoriê.
Problemem znacznie bardziej skomplikowanym jest sprawdzenie trafnoœci
instrumentu pomiaru/badania (np. kwestionariusza ankiety). Pomiarów mo¿-
na tutaj dokonaæ, analizuj¹c trafnoœæ prognostyczn¹, bêd¹c¹ wspó³czyn-
nikiem korelacji miêdzy wynikami pomiaru a kszta³towaniem siê mierzonej
cechy w przysz³oœci. Metoda ta polega na sprawdzeniu stopnia zgodnoœci
prognozy z rzeczywistoœci¹. W tym celu mierzon¹ cechê nale¿y poddaæ pono-
wnemu pomiarowi. Stopieñ zgodnoœci wyników mierzy siê za pomoc¹
wspó³czynników korelacji. Trafnoœæ mo¿na analizowaæ tak¿e pod k¹tem po-
prawnoœci diagnostycznej. Pomiar polega tutaj na obliczeniu wspó³czyn-
nika korelacji pomiêdzy wynikami pomiaru a kszta³towaniem siê cechy
zmierzonej z zastosowaniem innej skali (druga skala musi wykazywaæ siê
trafnoœci¹). Wspó³czynniki korelacji powinny przyjmowaæ wartoœci wysokie
w przypadku pomiarów silnie skorelowanych z mierzon¹ cech¹ (wystêpowa-
nie tzw. trafnoœci zbie¿nej) i wartoœci stosunkowo niskie w pomiarach s³abo
skorelowanych z badan¹ cech¹ respondenta (tzw. trafnoœæ dyskryminacyj-
na)128. O du¿ej trafnoœci diagnostycznej decyduje posiadanie przez zastoso-
wan¹ skalê zarówno trafnoœci zbie¿nej, jak i dyskryminacyjnej.
127
J. Cronbach, Coefficient alpha and the Internal Structure of Tests, „Psychometrika” 1951,
vol. 16, nr. 3, http://psych.colorado.edu/~carey/Courses/PSYC5112/Readings/alpha_Cronbach. pdf
128
J. Bazarnik, T. Grabiñski, E. K¹ciak, S. Mynarski, A. Sagan, op.cit., s. 57.
70
Omawiaj¹c problematykê trafnoœci pomiaru, wspomnieæ nale¿y równie¿
o trafnoœci wewnêtrznej (content validity)129 i teoretycznej. Pierwsza
sprawdza przedmiot badania, a nie stopieñ jego dok³adnoœci. Badanie jest
trafne, gdy uwzglêdnia wszystkie istotne czynniki, które mog¹ wp³ywaæ na
kszta³towanie siê danej cechy; ocena ta opiera siê o kryteria subiektywne.
Trafnoœæ teoretyczna z kolei wykazuje, ¿e wnioski teoretyczne znajduj¹ swo-
je potwierdzenie w serii pomiarów próbnych lub kontrolnych. Trafnoœæ okreœ-
la stopieñ korelacji pomiêdzy wielkoœciami uzyskanymi z pomiaru i rzeczywi-
stymi.
Wiarygodnoœæ pomiaru jest funkcj¹ objêtoœci instrumentu, tzn. im obszer-
niejszy instrument, tym wiêksza jego trafnoœæ i rzetelnoœæ. Rzetelnoœæ roœnie
bardziej równomiernie ani¿eli trafnoœæ, która szybciej osi¹ga górn¹ granicê.
Wzrost objêtoœci instrumentu pomiarowego podnosi rzetelnoœæ, ale po
przekroczeniu pewnej granicy instrument mo¿e okazaæ siê nietrafny130.
129
L. Hildebrandt, Kausalanalytische Validierung in der Marketingforschung, „Marke-
ting-ZfP” 1998, H. 1, s. 41 i n.
130
R.A. Johnson, D.W. Wichern, Applied Multivariate Statistical Analysis, New Jersey
2002., s. 135 i n.
131
L. Berekoven, W. Eckert, R. Ellenreider, op. cit., s. 24 i n.
71
Ka¿de badanie obarczone jest b³êdami; ca³kowita i bezkrytyczna popraw-
noœæ jest niemo¿liwa. B³êdy pope³niæ mo¿na na ka¿dym etapie badawczym,
a ewentualna ich identyfikacja i minimalizacja nale¿y do podstawowych za-
dañ badaczy. Okreœlanie stopnia prawid³owoœci i poprawnoœci wyników pod-
nosi efektywnoœæ i trafnoœæ decyzyjn¹.
B³êdy pojawiaj¹ce siê w procesie badawczym podzieliæ mo¿na na b³êdy
losowe i nielosowe132. Pierwsze wynikaj¹ z normalnej procedury losowa-
nia; urzeczywistniaj¹ siê w wystêpowaniu ró¿nicy pomiêdzy uzyskan¹ a rze-
czywist¹ wartoœci¹ parametru i uzale¿nione s¹ od przyjêtej metody losowa-
nia. Tego rodzaju b³êdy powstaj¹ w przypadku losowego doboru próby do
badañ133.
B³êdy nielosowe powstaj¹ w trakcie przeprowadzania, zbierania i analizo-
wania danych. Ich iloœæ najczêœciej roœnie wraz ze wzrostem przeprowadzo-
nych obserwacji. Mo¿e byæ ona wynikiem np. Ÿle sformu³owanego pytania
w kwestionariuszu ankietowym. Wszystkie b³êdy nielosowe mo¿na podzieliæ
na dwie zasadnicze grupy, a mianowicie na b³êdy przypadkowe i systematycz-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
132
S. Mynarski, op. cit., s. 51.
133
P. Hamman, B. Erichson, Marktforschung..., 2000, s. 129.
134
Ibidem.
72
neraln¹ w badaniach popytu na odzie¿ dzieciêc¹ wszystkich gospodarstw do-
mowych, a nie tylko tych, w których s¹ dzieci.
· b³¹d operacjonalizacji próby wynikaj¹cy z pobrania niew³aœciwej
próby badawczej, która nie uwzglêdnia pe³nej struktury populacji; b³êdy te
powstaj¹ jako efekt ró¿nicy pomiêdzy populacj¹ zdefiniowan¹ a wybran¹,
np. badaniu powinny byæ poddane wszystkie osoby przemieszczaj¹ce siê do
pracy samochodami prywatnymi, a badaniu podano te¿ osoby posiadaj¹ce
prawo jazdy;
· b³¹d selekcji polegaj¹cy na selektywnym doborze przez badacza jednos-
tek do badania, b³¹d ten jest wynikiem ró¿nicy pomiêdzy jednostkami, które
mia³y zostaæ poddane badaniu, a jednostkami faktycznie przebadanymi, np.
ankieter omija gospodarstwa domowe znajduj¹ce siê na wysokich piêtrach
osiedli mieszkaniowych.
· b³¹d operatu losowego wystêpuj¹cy wówczas, gdy operat losowania
nie zawiera wszystkich charakterystyk populacji generalnej lub te¿ opiera
siê na wykazach nieaktualnych, np. kiedy za podstawê identyfikacji jedno-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
135
A. Kuß, Marktforschung. Grundlagen der Datenerhebung und Datenanalyse, Wiesbaden
2012, s. 132.
136
W. Ciechomski, B³êdy w badaniach marketingowych, w: Metody badañ marketingowych,
Kraków 1996, s. 84 i n.
137
S. Kaufmann, Schriftliche Befragung, Stuttgart 1997 s. 83.
73
B³êdy redukcji danych s¹ z kolei efektem ró¿nicy pomiêdzy wynikami
uzyskanymi w rezultacie zastosowanych metod redukcji danych a informa-
cjami oczekiwanymi przez osobê prowadz¹c¹ badanie. G³ównym Ÿród³em ich
powstawania jest niestaranne przygotowanie danych surowych przeznaczo-
nych do dalszej obróbki, tzn. do analizy iloœciowej i jakoœciowej. B³êdy takie
powstawaæ mog¹ tak¿e podczas dokonywania redakcji wype³nionych kwe-
stionariuszy ankietowych lub wywiadu138.
B³êdy analizy i interpretacji danych wynikaj¹ z ró¿nicy pomiêdzy da-
nymi otrzymanymi a poszukiwanymi. Do podstawowych ich Ÿróde³ zalicza-
my: zastosowanie nieodpowiednich metod analizy czy b³êdy interpretacyjne.
B³êdy interpretacyjne mog¹ byæ wynikiem jednostronnego ujmowania prob-
lemu przez badacza lub jego d¹¿enia do wykazania s³usznoœci uprzednio sfor-
mu³owanych tez.
Ostatnim rodzajem pojawiaj¹cych siê w procesie badawczym b³êdów s¹
b³êdy prezentacji i oceny wyników. Powstaj¹ one jako ró¿nica pomiêdzy
informacjami przekazanymi przez badacza a odebranymi przez osoby zain-
teresowane. Do g³ównych ich Ÿróde³ zaliczamy m.in. b³êdne przygotowanie
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
138
H. Meffert, Online-Marketing: Grundlagen der Absatzpolitik in der Net Economy, Wies-
baden 2007, s. 10, n.
139
S. Kaczmarczyk, op. cit., s. 55–56.
74
Rozdzia³ IV
140
http://Logistyka.wnp.pl/opole-ma-studium-ukladu-komunikacyjnego-miasta,166772_1_0_0.html
[13.06.2012].
75
4. Czy mieszkañcy s¹ œwiadomi negatywnego wp³ywu ruchu drogowego na
jakoœæ ¿ycia?
5. Czy w mieœcie jest wystarczaj¹ca oferta alternatywnych dla samochodu
form komunikacji?
Na podstawie tak sformu³owanych problemów badawczych zidentyfikowa-
no rodzaj niezbêdnych informacji, które nale¿y zebraæ w czasie badania.
Stwierdzono, ¿e potrzebne bêd¹ informacje o:
· zachowaniach mieszkañców zwi¹zanych z przemieszczaniem siê;
· proporcji mieszkañców korzystaj¹cych z komunikacji miejskiej;
· czêstotliwoœci korzystania z komunikacji miejskiej i indywidualnej;
· cechach osób korzystaj¹cych z poszczególnych œrodków komunikacji;
· motywach korzystania z komunikacji miejskiej i indywidualnej.
Sformu³owano tak¿e hipotezy badawcze:
1. Im wy¿szy jest poziom ¿ycia mieszkañców, tym mniejsza jest ich sk³on-
noœæ do korzystania ze œrodków komunikacji miejskiej.
2. Je¿eli respondenci nie uwzglêdniaj¹ w swoich zachowaniach komunika-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
76
Tabela 8. Podzia³ mieszkañców Opola ze wzglêdu na
wiek
77
Bardzo proszê o wype³nienie poni¿szej ankiety, udzielenie rzetelnych
informacji oraz odpowiedzi na wszystkie postawione pytania, a nastêp-
nie wrzucenie jej do stoj¹cej obok urny. Informacje uzyskane dziêki tej
ankiecie bêd¹ pomocne we wprowadzaniu zmian w funkcjonowaniu ko-
munikacji w mieœcie, by lepiej odpowiada³a Pañstwa potrzebom.
Odpowiedzi proszê zaznaczaæ poprzez zakreœlenie znakiem „x”
w³aœciwego wariantu odpowiedzi.
Serdecznie dziêkujê za wspó³pracê.
Wiek:
78
W tym przypadku przedzia³y nie s¹ roz³¹czne i nie pozwalaj¹ na jednoznacz-
ne przypisanie osób maj¹cych np. lat 20, 30 czy 45.
Mo¿e siê tak¿e zdarzyæ, ¿e pytania nie bêd¹ zawiera³y wszystkich mo¿li-
wych wariantów. Tak np. nastêpuj¹ce pytanie o status spo³eczny:
Status spo³eczny:
uczeñ/student
niepracuj¹cy
pracuj¹cy
emeryt lub rencista
prowadz¹cy w³asn¹ dzia³alnoœæ gospodarcz¹
79
Powy¿sze pytanie zawiera jedynie kilka elementów, co wydaje siê niewy-
starczaj¹ce. Nie uwzglêdnia faktu, ¿e ka¿da z tych cech ma wiêksze b¹dŸ
mniejsze znaczenie dla podró¿uj¹cych. W tym przypadku powinno siê zasto-
sowaæ skalê rang. Poza tym warto by skalê tê nieco poszerzyæ i wymieniæ
takie charakterystyki, jak: punktualnoœæ czy czas dojazdu. Podejmuj¹c
próby identyfikacji rodzaju najczêœciej wykorzystywanych œrodków transpor-
tu, mo¿na sformu³owaæ pytanie:
tak
nie
Taki uk³ad pytañ sprawia, ¿e drugie pytanie staje siê zbêdne, gdy¿ w po-
przednim wyodrêbniono mo¿liwoœæ podró¿y samochodem. W pytaniu pierw-
szym jednak nie uwzglêdniono mo¿liwoœci wykorzystania transportu kom-
binowanego. W tym przypadku korzystniej by³oby zadaæ pytanie w nastêpu-
j¹cej formie:
Z jakiego œrodka transportu i jak czêsto korzysta Pan/i, przemieszczaj¹c siê w mieœcie?
MZK
samochód osobowy
rower
taxi
pieszo
80
Pytanie to zawiera w sobie trzy pytania, gdy¿ ocena ka¿dego rodzaju
infrastruktury mo¿e byæ inna. W miejsce tak sformu³owanego pytanie lepiej
by³oby zapytaæ np.:
ha³as
emisja CO2
korki
kongestia
sieæ komunikacyjna
drogi rowerowe
miejsca parkingowe
Ni¿ej podano 4 cechy charakteryzuj¹ce sytuacjê komunikacyjn¹ w mieœcie. Proszê wskazaæ, jak Pana/i zdaniem
nale¿y oceniæ poszczególne jej element (pozytywna ocena ma znak plus, negatywna – minus).
81
b³êdy takie mog¹ w znacznym stopniu wp³yn¹æ na trafnoœæ i rzetelnoœæ wy-
ników. A jak ju¿ wspomniano, wyniki nietrafne i nierzetelne nie mog¹ stano-
wiæ podstawy podejmowania decyzji.
Po dog³êbnej analizie ka¿dego zawartego w ankiecie próbnej pytania, a tak-
¿e po przeprowadzeniu badania wstêpnego dokonuje siê modyfikacji pytañ.
Zaprezentowany w Aneksie kwestionariusz ankiety pe³ni funkcjê przede
wszystkim dydaktyczn¹. Dlatego te¿ zawarto w nim pytania wykorzystuj¹ce
ró¿ne zasady i metody skalowania.
Spójnoœæ instrumentu – kwestionariusza ankiety – zosta³a zbadana za
pomoc¹ wspó³czynnika a-Cronbacha, który dany jest wzorem 13. Dla ca³ego
narzêdzia badawczego wartoœæ wspó³czynnika wynosi 0,81. Uzyskany wynik
œwiadczy o tym, ¿e instrument pomiarowy dostarcza trafnych wyników.
Sposób obliczenia w programie Excel zaprezentowano na rys. 36. Przedsta-
wiony fragment arkusza programu Excel zawiera numer respondenta w ko-
lumnie B, w kolumnach od C do AJ zakodowane odpowiedzi z ankiety. Ze
wzglêdu na obszernoœæ uzyskanego materia³u przedstawiono tylko jego frag-
ment, niektóre wiersze i kolumny zosta³y ukryte, natomiast obok zaprezen-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
82
Rozdzia³ V
Redukcja danych
83
G³ównym zadaniem redaktora po zgromadzeniu wype³nionych kwestiona-
riuszy jest sprawdzenie czytelnoœci i dok³adnoœci udzielonych odpo-
wiedzi, a tak¿e naniesienie ewentualnych poprawek (tam gdzie to mo¿-
liwe i konieczne). Potrzeba redakcji wynika z faktu, ¿e respondenci czêsto
niestarannie wype³niaj¹ kwestionariusz, co sprawia ¿e odpowiedzi s¹ nieczy-
telne. Czêsto tak¿e niektóre pytania, a nawet ca³e strony pozostaj¹ bez odpo-
wiedzi. W takim przypadku redaktor ma mo¿liwoœæ, na podstawie szcze-
gó³owej analizy udzielonych odpowiedzi, uzupe³niæ braki lub – je¿eli uzu-
pe³nienie nie jest mo¿liwe – odrzuciæ ankietê. Niejednokrotnie respondenci
œwiadomie udzielaj¹ fa³szywych odpowiedzi, które dziêki analizie redaktora
mog¹ zostaæ zidentyfikowane i wyeliminowane.
Eliminacji wymagaj¹ tak¿e sprzecznoœci i niezgodnoœci. Te wykryæ mo¿na,
analizuj¹c odpowiedzi na pytania poprzedzaj¹ce i nastêpuj¹ce. Na przyk³ad
na pytanie o korzystanie z komunikacji miejskiej respondent udziela odpo-
wiedzi: „nie korzystam”. W kolejnym zaœ pytaniu dokonuje oceny atrybutów
œrodków komunikacji miejskiej. Zak³adaj¹c, ¿e oceny dokonaæ mo¿na jedynie
wówczas, kiedy posiada siê w³asn¹ wiedzê, mo¿na wnioskowaæ, ¿e respon-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
141
S. Kaczmarek, op. cit., s. 318.
84
Klasyfikacja danych z pytañ otwartych
Proszê podaæ kilka czynników, które Pana/i zdaniem Czynniki wp³ywaj¹ce na ocenê funkcjonowania
najbardziej wp³ywaj¹ na ocenê funkcjonowania komunikacji miejskiej:
komunikacji miejskiej
uprzejmoœæ kierowców
inne
85
Numer Numer WartoϾ zmiennej Nazwa kategorii
Pe³na nazwa zmiennej
pytania kolumny (skala) skali
21 nr respondenta 1–3 – –
Nag³ówki
a b c a b c d e f g a b c d e f
...
Numery ankiety
86
Tworz¹c bazê danych, nale¿y pamiêtaæ, ¿e ka¿dy kwestionariusz powinien
mieæ swój w³asny unikalny kod, który z regu³y jest cyfr¹ arabsk¹. Numera-
cjê kwestionariuszy rozpoczyna siê od numeru 1. Numer ten powinien byæ
wpisany na papierow¹ wersjê kwestionariusza, tak by mo¿liwe by³o jego wy-
szukanie i zidentyfikowanie w bazie danych142.
Pierwszy wiersz arkusza zarezerwowany jest dla nag³ówków opisuj¹cych
pytanie. Ich treœæ mo¿e byæ dowolna, ale stosowaæ siê powinno proste nazew-
nictwo u³atwiaj¹ce identyfikacjê pytania. W zale¿noœci od typu ka¿de pyta-
nie mo¿e zajmowaæ kilka kolumn. Ka¿dy wiersz arkusza zarezerwowany jest
dla jednego kwestionariusza. Do bazy wpisujemy tylko kody zawarte w ksi¹¿-
ce kodowej. Tworz¹c bazê danych, nale¿y pamiêtaæ, ¿e ka¿de pytanie ma nie-
co inn¹ budowê w arkuszu bazy danych.
Najprostsze jest kodowanie pytañ z jednym wariantem odpowiedzi. Wów-
czas przyjmuj¹ one postaæ jak na rys. 42. Zastosowanie systemu zero-jedyn-
kowego zak³ada kodowanie ka¿dej kafeterii z osobna.
a b c a b c d e f g a b c d e f
1 1 0 0
...
142
E. Babbie, op. cit.
87
Nieco inaczej wygl¹da sytuacja w przypadku pytañ wieloodpowiedzio-
wych. Wówczas mo¿emy mieæ sytuacjê jak na rys. 44. Z tego przyk³adu
wynika, ¿e zdaniem respondenta do g³ównych powodów przemieszczania siê
po mieœcie nale¿¹: dojazdy do pracy, sprawy towarzyskie, a tak¿e robienie
zakupów. Odpowiedzi takie spowodowa³y, ¿e w bazie danych zapis bêdzie
wygl¹da³ jak na rys. 45.
3. Jaki jest g³ówny powód Pana/i przemieszczeñ w obrêbie miasta (proszê zaznaczyæ 3 najczêstsze przyczyny
3. podró¿y)
dojazd do pracy
dojazd do szko³y
sprawy towarzyskie
rekreacja
zakupy
opieka zdrowotna
W tym przypadku mamy do czynienia z kilkoma pytaniami, na które ka¿dorazowo musimy odpowiedzieæ:
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
a b c a b c d e f g a b c d e f
1 1 0 1 0 1 0
...
88
W przypadku pytañ ze skalami respondent wskazuje swoj¹ ocenê jakiejœ
cechy. Pytania takie koduje siê w ten sam sposób jak pytania zamkniête.
Kluczem kodowania bêdzie wartoœæ wybrana przez respondenta (rys. 46).
Oznacza to, ¿e kluczem kodowym dla czystoœci bêdzie +2, wygody +1, dostêp-
noœci –2, a dla punktualnoœæ +3. Tak te¿ kody te zostan¹ wpisane w bazie
danych.
Ni¿ej podano 4 cechy charakteryzuj¹ce pojazdy komunikacji miejskiej. Proszê wskazaæ, jak Pana/i .zdaniem nale¿y oceniæ
poszczególne cechy (ocena pozytywna ma znak plus, negatywna – minus).
+2 +2 +2 +2
+1 +1 +1 +1
–1 –1 –1 –1
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
–2 –2 –2 –2
–3 –3 –3 –3
Podobnie jest w przypadku skali rang, gdy respondenta prosi siê, aby
w skali od 1 do 7 oceni³ poszczególne charakterystyki komunikacji miejskiej,
gdzie 1 to cecha najwa¿niejsza dla respondenta, a 7 – najmniej wa¿na. Wów-
czas kodowanie odpowiedzi na takie pytanie bêdzie polega³o na wpisaniu do
bazy danych odpowiednich wartoœci rangowych, jak np. na rys. 47.
Nieco bardziej skomplikowany jest zapis pytania wyskalowanego skal¹
Likerta. Pos³u¿my siê przyk³adem u¿ytym w rys. 23 niniejszego opracowa-
a b c a b c d e f g a b c d e f
1 2 4 6 3 1 5 7
...
89
nia, gdzie respondent ocenia cztery czynniki wp³ywaj¹ce np. na sposób funk-
cjonowania komunikacji miejskiej. Ka¿dy z czynników oceniany jest w skali
piêciostopniowej z przedzia³em neutralnym. Wówczas kodowanie bêdzie wy-
gl¹da³o tak jak na rys. 48.
Lp. Pyt. 4
1 2 3 4
1 a b c d e a b c d e a b c d e a b c d e
2 0 1 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1
4
...
90
Mo¿na wyró¿niæ trzy podstawowe metody prezentacji danych: tabela-
ryczn¹, graficzn¹ i opisow¹.
P³eæ
Liczba osób kobiety mê¿czyŸni
202 182
ród³o: opracowanie w³asne.
Tabela 11. Podzia³ respondentów ze wzglêdu na trzy cechy: p³eæ, wiek i dochód
Dochód
P³eæ Wiek powy¿ej
do 1000 z³ 1001–2500 z³ 2501–5000 z³
5000 z³
13–20 lat 5 3 1 7
21–30 lat 10 19 8 5
31–45 lat 23 11 7 14
kobiety
46–60 lat 5 11 10 9
61–70 lat 6 3 5 13
powy¿ej 70 3 10 9 5
13–20 lat 6 4 2 4
21–30 lat 11 10 11 4
31–45 lat 19 7 14 11
mê¿czyŸni
46–60 lat 10 0 14 4
61–70 lat 5 8 8 4
powy¿ej 70 4 11 9 2
ród³o: opracowanie w³asne.
91
Do najczêœciej stosowanych metod graficznych nale¿¹:
· metoda liniowa – prezentowane wielkoœci przedstawiane s¹ w postaci
pionowych lub poziomych odcinków na osiach wspó³rzêdnych;
· metoda powierzchniowa – prezentowane wielkoœci przedstawiane s¹ za
pomoc¹ powierzchni figur p³askich (s³upki, ko³a) z równoczesnym zastosowa-
niem koloru;
· metoda obrazkowa – prezentowane wielkoœci przedstawiane s¹ za po-
moc¹ prostych obrazków;
· metoda iloœciowa – prezentowane wielkoœci przedstawiane s¹ za po-
moc¹ ³atwych do narysowania i podzielenia znaków graficznych, przy czym
pojedynczy znak graficzny wyra¿a okreœlon¹ liczbê jednostek;
· metoda iloœciowo-symbolowa – jest po³¹czeniem metody obrazkowej
i iloœciowej; rysunki i symbole musz¹ byæ proste i czytelne;
· kartogramy – wykresy statystyczne sporz¹dzane na mapie; mog¹ byæ
wykonane metod¹ symboli, oznaczania powierzchni, metod¹ punktow¹ lub
figur geometrycznych; przy ³¹czeniu metod, np. powierzchniowej i geometrycz-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
160
140 135
120
110
100
liczba osób
80
65
60
45
40
29
20
0
nie podró¿uje bardzo rzadko przeciêtnie czêsto codziennie
92
· Wykres ko³owy – ko³o przedstawia 100% danych. S³u¿y do pokazywania
rozmiaru elementów tworz¹cych seriê danych proporcjonalnie do sumy elemen-
tów. Na wykresie jest uwzglêdniana zawsze tylko jedna seria danych, a jest on
u¿ywany, gdy trzeba zwróciæ uwagê na istotny element danych (rys. 50).
3%
25%
nie podró¿ujê
bardzo rzadko
czasami
72%
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
15%
34%
32%
19%
93
200
161
150 127
liczba osób
100
76
56
50 34
0
ca³kowicie zgadzam siê ani tak, nie zgadzam ca³kowicie siê
siê zgadzam ani nie siê nie zgadzam
25 000 000
23 000 000
liczba pojazdów
21 000 000
19 000 000
17 000 000
15 000 000
2003 2004 2005 2006 2007 2008 2009 2010 2011
lata
Rysunek 53. Liczba pojazdów samochodowych i ci¹gników w Polsce w latach 2003–2011 – wy-
kres liniowy
ród³o: G³ówny Urz¹d Statystyczny, http://www.stat.gov.pl/bdl/app/dane_podgrup.hier?p_id=684802&p_token
=1000354736 [11.11.2012].
94
350
300 kobieta
mê¿czyzna
250
liczba osób
200
150
100
50
0
praca szko³a towarzystwo zakupy rekreacja zdrowie
Rysunek 54. Podzia³ respondentów ze wzglêdu na p³eæ i cel podró¿y œrodkami komunikacji
miejskiej – wykres kolumnowy
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
350
kobieta
300
mê¿czyzna
250
129
127
200
112
150
100
175
71 154
119 54
50 24
43 34 34
0
praca szko³a towarzystwo zakupy rekreacja zdrowie
Rysunek 55. Podzia³ respondentów ze wzglêdu na p³eæ i cel podró¿y œrodkami komunikacji
miejskiej – wykres kolumnowy z etykietami
ród³o: opracowanie w³asne.
95
50 000 000
40 000 000
liczba pojazdów
30 000 000
20 000 000
10 000 000
0
2003 2004 2005 2006 2007 2008 2009 2010 2011
lata
25 000 000
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
24 000 000
23 000 000
22 000 000
liczba pojazdów
21 000 000
20 000 000
19 000 000
18 000 000
17 000 000
16 000 000
15 000 000
2003 2004 2005 2006 2007 2008 2009 2010 2011
lata
mê¿czyŸni
71
kobiety
43
96
Rysunek 56 przedstawia liczbê pojazdów samochodowych i ci¹gników
w Polsce w latach 2003–2011. Przy tak wyskalowanej osi rzêdnych mo¿na
wnioskowaæ, ¿e przyrost liczby samochodów jest nieznaczny. Przyjmuj¹c
jednak dla osi pionowej za pocz¹tek skali wartoœæ 15 mln, a za maksimum
25 mln stwierdzamy, ¿e liczba pojazdów samochodowych i ci¹gników
wzros³a znacz¹co w badanym okresie (rys. 57).
Rysunek 58 przedstawia liczbê kobiet i mê¿czyzn doje¿d¿aj¹cych do pracy
œrodkami komunikacji miejskiej. Liczba kobiet jest o prawie 40% mniejsza
od liczby mê¿czyzn, ale prostok¹t przedstawiaj¹cy liczbê mê¿czyzn umiesz-
czono wy¿ej, dano mu bardziej wyrazisty kolor. W dodatku d³ugoœci
prostok¹tów nie s¹ proporcjonalne do danych liczbowych („prostok¹t mê¿-
czyzn” jest za d³ugi). Powszechnie uwa¿a siê, ¿e wykres ma œcis³y zwi¹zek
z nauk¹, a nauka jest przecie¿ obiektywna. Sprytny manipulator mo¿e to
wykorzystaæ i za pomoc¹ spreparowanych diagramów przekonaæ nas do
najdziwaczniejszych tez.
Kolejnym sposobem prezentacji wyników jest opis s³owny.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Przy wiêkszej liczbie danych tekst staje siê jednak nieczytelny, przydatne
okazuj¹ siê wówczas tabele i wykresy.
143
H. Meffert, op. cit., s. 243.
97
W dalszej czêœci niniejszego opracowania zaprezentowane zostan¹ jedynie
niektóre metody badawcze, a ich charakterystyka koncentrowaæ siê bêdzie
na przedstawieniu procedur analitycznych oraz wskazaniu mo¿liwoœci ich
zastosowania.
Aby ³atwiejsze by³o zrozumienie omawianych metod analitycznych, po-
s³u¿my siê hipotetycznym przyk³adem. Przyjmijmy, ¿e celem badania jest
stwierdzenie, jakimi motywami kieruj¹ siê nabywcy, dokonuj¹c zakupu
luksusowego samochodu oraz ¿e badaniami objêto 150 respondentów odwie-
dzaj¹cych salon samochodowy X. Przyjmijmy ponadto za³o¿enie, ¿e dobór
próby badawczej, ze wzglêdu na ró¿norodne wymagania jakoœciowe i kryte-
rium wiekowe, by³ doborem reprezentatywnym. Na podstawie badañ uda³o
siê wy³oniæ kilka podstawowych motywów zakupów, które zaprezentowane
zosta³y w tab. 12. Na rys. 59 zaznaczono profil przeciêtnych ocen, które
wszyscy respondenci przyznali poszczególnym motywom.
Skumulowana
Kategoria Przedzia³ Czêstotliwoœæ Czêstotliwoœæ
czêstotliwoœæ
odpowiedzi skali absolutna relatywna
relatywna
Bardzo wa¿na 1 10 6,6 6,6
Wa¿na 2 22 14,6 21,2
Œrednio wa¿na 3 37 24,6 45,8
Ma³o wa¿na 4 36 24,1 69,9
Niewa¿na 5 45 30,1 100,0
150 100,0
ród³o: opracowanie w³asne.
1 2 3 4 5
presti¿
duma z posiadania
samorealizacja
potrzeba estetyki
wysoka jakoϾ
Rysunek 59. Znaczenie podstawowych motywów jako determinanta zakupu samochodu luksu-
sowego
ród³o: opracowanie w³asne.
98
W sytuacji, kiedy w przeprowadzanych analizach skoncentrujemy siê na
badaniu zale¿noœci wystêpuj¹cych pomiêdzy jedn¹ lub dwiema zmiennymi,
zastosowanie znajduj¹, jak ju¿ wspomniano, analizy jednowymiarowe144.
Analizy jednowymiarowe wykorzystywane s¹ do badania wp³ywu jednej
zmiennej na wszystkie badane obiekty. Tego typu analizy nale¿¹ do podsta-
wowych narzêdzi badawczych. Przy czym wybór poszczególnych metod anali-
tycznych uzale¿niony jest m.in. od zastosowanej skali pomiaru zmiennych145.
W przypadku, kiedy zmienne zosta³y wyskalowane np. za pomoc¹ skali
nominalnej, analiza danych ogranicza siê, z regu³y, do okreœlenia wzglêdnej
i bezwzglêdnej czêstotliwoœci wystêpowania badanej zmiennej. W przypadku
zaœ zastosowania skal bardziej z³o¿onych okreœliæ mo¿na wartoœæ œrodkow¹,
dominantê i odchylenie standardowe.
Pos³uguj¹c siê teraz zaprezentowanym na pocz¹tku przyk³adem, mo¿emy
okreœliæ czêstotliwoœæ wystêpowania np. motywu, jakim jest chêæ samoreali-
zacji. Na podstawie uzyskanych z badañ informacji mo¿na zatem wykazaæ
czêstotliwoœci wystêpowania jak w tab. 12.
Wartoœci¹ œrodkow¹ okaza³a siê wartoœæ 3,57 (por. rys. 59). Oznacza to, ¿e
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
144
J. Bleymüller, G. Gehlert, H. Gülicher, op. cit., s. 24.
145
E. Gatnar, M. Walesiak, op. cit., s. 49.
99
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
100
Tabela 13. Podstawowe mierniki statystyczne
n n n
Odchylenie standardowea
å( x i
- x )2 å( x i
- x )2 × ni å( x$ i
- x )2 × ni
i =1 i =1 i =1
s= s= s=
n n n
Odchylenie æwiartkowe Q3 - Q1 Odchylenie æwiartkowe oraz wspó³czynnik Pozosta³e miary dla szeregu przedzia³o-
Q=
2 zmiennoœci wyznacza siê jak w szeregu wego wyznacza siê analogicznie jak dla
szczegó³owym. szeregu punktowego.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
kwartylowi pierwszemu, a 75% równe b¹dŸ wy¿sze od tego kwartyla. Kwartyl
górny dzieli zbiorowoœæ na dwie czêœci w ten sposób, ¿e 75% jednostek zbioro-
woœci ma wartoœci cechy ni¿sze b¹dŸ równe kwartylowi trzeciemu, a 25% rów-
ne b¹dŸ wy¿sze od tego kwartyla. Do miar rozproszenia nale¿¹: odchylenie
standardowe (æwiartkowe) okreœlaj¹ce ró¿nicê miêdzy odnotowywanymi war-
toœciami i ich œredni¹ wartoœci¹ (median¹), wspó³czynnik zmiennoœci charak-
teryzuj¹cy poziom zmiennoœci jednostek ze wzglêdu na badan¹ cechê146.
Sposób wyznaczania wymienionych parametrów uzale¿niony jest od cha-
rakteru uzyskanych danych i sposobu ich prezentacji (tab. 13).
Najczêstszym przyk³adem danych wystêpuj¹cych w badaniach ankieto-
wych wyskalowanych za pomoc¹ skali interwa³owej lub przedzia³owej jest
wiek respondentów. W tabeli 14 przedstawiono rozk³ad liczby respondentów,
którzy brali udzia³ w badaniach na temat zachowañ komunikacyjnych opo-
lan. Dla tych ankietowanych wyznaczymy omówione powy¿ej parametry.
Wiek Liczba x$ × ni ( x$ - x ) 2 × ni
x$ nsk
respondentów nabywców
13–20 lat 32 16,5 528 26046,65 32
21–30 lat 78 25,5 1989 29750,67 110
31–45 lat 106 38 4028 5238,538 216
46–60 lat 63 53 3339 4001,869 279
61–70 lat 52 65,5 3406 21789,2 331
71–80 lat 53 75,5 4001,5 49206,48 384
Razem 384 17291,5 136033,4
ród³o: opracowanie w³asne.
146
M. Rószkiewicz, op. cit., s. 119–143; M. Szewczyk, M. Ciesielska, Podstawy statystyczne
badañ marketingowych, Opole 2010, s. 60 i n.; G. Wieczorkowska, P. Kochañski, M. Eljaszuk,
Statystyka. Wprowadzenie do analizy danych sonda¿owych i eksperymentalnych, Warszawa
2003, s. 51–60.
102
Rysunek 60. Arkusz roboczy 2 – obliczenia pomocnicze
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
106 - 78
D = 31 + × 14 = 36,5
(106 - 78 ) + (106 - 63 )
æ 384 ö 9
Q = 21 + ç - 32 ÷ × = 28,4
è 4 ø 78
æ 384 ö 14
Me = 31ç - 110 ÷ × = 41,8
è 2 ø 106
æ 3 × 384 ö 9
Q3 = 61 + ç - 279 ÷ × = 62,6
è 4 ø 52
103
Z powy¿szych obliczeñ wynika, ¿e 25% ankietowanych ma mniej ni¿ 28,4 lat,
a 25% ankietowanych jest w wieku powy¿ej 62,6 lat. Po³owa respondentów
jest w wieku poni¿ej 41,8 lat, a po³owa powy¿ej tego wieku.
Czêsto wykorzystywanym instrumentem analitycznym jest równie¿ od-
chylenie standardowe, które wskazuje, o ile œrednio wartoœci badanej zmien-
nej ró¿ni¹ siê od œredniej arytmetycznej ca³ej badanej zbiorowoœci. Dodaæ
jednoczeœnie nale¿y, ¿e im badana zbiorowoœæ charakteryzuje siê wiêkszym
wewnêtrznym zró¿nicowaniem, tym wiêksze jest odchylenie standardowe.
Odchylenie standardowe wieku respondentów wynosi:
136033,8
s= = 18,8,
384
104
Rozdzia³ VI
Mo¿liwoœci wykorzystania
wnioskowania statystycznego i analizy czynnikowej
w interpretacji danych z pomiaru ankietowego
105
Tabela 16. Mo¿liwe decyzje przy weryfikacji hipotez statystycznych
Decyzja
Hipoteza
przyj¹æ odrzuciæ
Prawdziwa decyzja s³uszna b³¹d I rodzaju
Fa³szywa b³¹d II rodzaju decyzja s³uszna
ród³o: S. Ostasiewicz, Z. Rusnak, U. Siedlecka, Statystyka. Elementy teorii i zadania, Wroc³aw 2006,
s. 283–286.
106
TESTY STATYSTYCZNE
NIEPARAMETRYCZNE PARAMETRYCZNE
S K A L E
Z M I E N N E
107
Statystyka u wyra¿ona wzorem 19 ma standardowy rozk³ad normalny,
natomiast statystyka t wyra¿ona wzorem 20 ma rozk³ad t-Studenta z n – 1
stopniami swobody147. W zale¿noœci od postaci hipotezy alternatywnej H1
obszar krytyczny ma ró¿n¹ postaæ (rys. 63).
a 1–a a
2 2
–ua ua
H1: m ¹ m0, wówczas obszar krytyczny ma postaæ: (–¥, –ua) È (ua, +¥).
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
1–a
u 2a
1–a
–u2a
147
M. Duczmal, A. T³uczak, Statystyka matematyczna. Teoria. Przyk³ady. Zadania, Opole
2012, s. 91.
108
W przypadku testu dla proporcji zak³adamy, ¿e cecha ma w populacji
rozk³ad dwumianowy z danym prawdopodobieñstwem sukcesu p. Wartoœæ p
okreœla prawdopodobieñstwo, i¿ badana cecha przyjmuje konkretn¹ wartoœæ.
Za³ó¿my, ¿e chcemy zweryfikowaæ hipotezê, i¿ parametr p w populacji ma
okreœlon¹ wartoœæ p0, co zapiszemy nastêpuj¹co:
H 0: p = p 0
p - p0
u= (21)
p 0 (1 - p 0
n
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
gdzie: p = k/n;
k – liczba jednostek posiadaj¹ca dany wariant cechy;
n – liczba wszystkich jednostek.
Sposób weryfikacji hipotezy o wskaŸniku struktury przebiega podobnie
jak dla œredniej z populacji generalnej148.
Dla zobrazowania zasad testowania hipotez parametrycznych rozwa¿my
ponownie wyniki badañ ankietowych na temat zachowañ komunikacyjnych
mieszkañców Opola, o których to wynikach by³a mowa w rozdziale III. Zwe-
ryfikujmy opiniê, ¿e œredni wiek mieszkañca Opola (w tym wypadku osoby
bior¹cej udzia³ w badaniu) wynosi 46 lat. Podzia³ respondentów ze wzglêdu
na wiek przedstawia tabela 14.
Na podstawie obliczeñ ustalono, ¿e œredni wiek ankietowanych wynosi 45
lat, a odchylenie standardowe 18,8; w badaniu wziê³y udzia³ 384 osoby. Na
poziomie istotnoœci 0,05 zweryfikujemy opiniê, ¿e œrednia wieku wynios³a 46
lat. Hipoteza weryfikowana H0: m = 46 stawiana jest przeciwko hipotezie
alternatywnej H1: m ¹ 46. Statystyka testuj¹ca dana wzorem 19 wynosi
45 - 46
u= × 384,
18,8
148
Ibidem, s. 92.
149
W przypadku gdy próba liczy mniej ni¿ 30 elementów, wartoœæ krytyczn¹ nale¿y odczytaæ
z tablicy 2 Aneksu.
109
Obliczona wartoœæ statystyki testowej (–1,04) nie nale¿y do tego przedzia³u,
zatem nale¿y przyj¹æ hipotezê zerow¹ mówi¹c¹ o tym, ¿e œredni wiek res-
pondenta wynosi 46 lat.
Zweryfikujmy jeszcze na poziomie istotnoœci 0,05 opiniê, ¿e 35% opolan
doje¿d¿a do pracy autobusem miejskim MZK. Hipotezê tê mo¿na zapisaæ
nastêpuj¹co: H0: p = 35%, natomiast hipotezê alternatywn¹: H1: p ¹ 35%.
Spoœród 384 ankietowanych dok³adnie 114 osób doje¿d¿a do pracy autobu-
sem, co stanowi 30%. Aby zweryfikowaæ dan¹ hipotezê, skorzystamy ze wzo-
ru 21; statystyka testuj¹ca przyjmuje wartoœæ
0,3 - 0,35
u= = -2,05.
0,35 × (1 - 0,35)
384
110
Za³ó¿my, ¿e przedmiotem badania jest populacja generalna scharakte-
ryzowana przez dwie cechy X i Y (wiek i g³ówny powód przemieszczeñ
w obrêbie miasta). Badane hipotezy o niezale¿noœci dwóch cech zapiszemy
nastêpuj¹co:
H0: pij = pi. p.j – dla wszystkich par wskaŸników i, j,
H1: pij ¹ pi. p.j – dla chocia¿ jednej pary wskaŸników i, j.
k l (n$ij - n$ij ) 2
c2 = å å (22)
i =1 j =1 n$ij
ni . × n. j
n$ij =
n
150
Ibidem, s. 97; G. Wieczorkowska, P. Kochañski, M. Eljaszuk, op. cit., s. 117 i n.; M. Szew-
czyk, M. Ciesielska, op. cit., s. 175 i n.
111
H0: pij = pi.p.j – nie wystêpuje zale¿noœæ pomiêdzy wiekiem a powodem
przemieszczeñ dla wszystkich par wskaŸników i, j,
H1: pij ¹ pi.p.j – powód przemieszczeñ siê w obrêbie miasta jest uzale¿nio-
ny od wieku dla chocia¿ jednej pary wskaŸników i, j.
Odpowiednie dane oraz sposób obliczania w programie Excel przedstawia
tabela wielodzielcza (tab. 17) oraz rys. 64 i 65.
Tabela 17. Podzia³ respondentów ze wzglêdu na wiek i powód przemieszczeñ w obrêbie miasta
Powód przemieszczeñ
Wiek w latach dojazd dojazd sprawy opieka ni.
zakupy rekreacja
do pracy do szko³y towarzyskie zdrowotna
13–20 5 84 65 68 24 2 248
21–30 23 87 48 59 15 8 240
31–45 43 46 35 45 13 8 190
46–60 32 54 26 54 23 16 205
61–70 6 4 39 40 10 15 114
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
powy¿ej 70 5 6 18 38 3 9 79
n.j 114 281 231 304 88 58 1076
ród³o: opracowanie w³asne.
112
Rysunek 65. Arkusz roboczy 4 – obliczenia wartoœci statystyki c2
ród³o: opracowanie w³asne.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
c2
T= (24)
n( k - 1)(l - 1)
151
Podjêcie w³aœciwej decyzji o przyjêciu b¹dŸ odrzuceniu hipotezy zerowej sprowadza sie do
porównania wartoœci statystyki obliczonej na podstawie wzoru z wartoœci¹ odczytan¹ z tablic.
Je¿eli wartoœæ „obliczona” jest wiêksza od „odczytanej”, wówczas nale¿y przyj¹æ hipotezê o nie-
zale¿noœci dwóch badanych cech.
113
k = l, wtedy 0 £ T £ 1,
k ¹ l, wtedy T mo¿e byæ znacznie mniejsze od 1;
(c) wspó³czynnik V-Cramera
c2
V= (25)
n × min{( k - 1)(l - 1)}
zak³ada taki sam rozk³ad cechy w obu populacjach wobec hipotezy alterna-
tywnej:
152
S. Mynarski, Analiza danych rynkowych i marketingowych z wykorzystaniem programu
Excel, Kraków 2006, s. 118 i n.
153
W.T. Eadie, D. Drijard, F.E. James, M. Roos, B. Sadoulet, Statistical Methods in Experi-
mental Physics, Amsterdam: North-Holland, 1971, s. 269–271; A. Stuart, K. Ord, S. Arnold,
Kendall’s Advanced Theory of Statistics. T. 2A. London 1999, s. 25.37–25.43.
114
tych dystrybuant nie powinna byæ zbyt du¿a. Miar¹ zgodnoœci dwóch
rozk³adów empirycznych jest statystyka:
D* = sup F n1 ( x ) - F n2 ( x ) (26)
l =D n (27)
n1 n2
gdzie: n = .
n1 + n2
Przy prawdziwoœci hipotezy zerowej H0 statystyka ta ma asymptotyczny
rozk³ad l-Ko³mogorowa. Obszar krytyczny testu jest obszarem lewostron-
nym154.
Wspomniany test zgodnoœci Ko³mogorowa–Smirnowa czêsto wyko-
rzystuje siê w analizach marketingowych (ankietowych), gdy przeprowadza
siê badania na podstawie prób reprezentatywnych. W rzeczywistoœci chodzi
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
o to, ¿eby rozk³ad danej cechy (przewa¿nie wiek b¹dŸ p³eæ) by³ taki sam
w próbie i w populacji.
Zbadany teraz zostanie rozk³ad wieku respondentów bior¹cych udzia³
w badaniu zachowañ komunikacyjnych w Opolu. Tab. 18 przedstawia roz-
k³ad liczby mieszkañców Opola wed³ug wieku oraz rozk³ad respondentów
wed³ug wieku.
Liczba Liczba
Wiek w latach
respondentów opolan
13–20 32 11 441
21–30 78 21 218
31–45 106 20 298
46–60 63 27 917
61–70 52 13 834
70–80 53 13 373
ród³o: opracowanie w³asne na podstawie: http://www.stat.gov.pl/gus
154
M. Szewczyk, M. Ciesielska, op. cit., s. 175–188; M. Duczmal, A. T³uczak, op. cit.,
s. 94–96; G. Wieczorkowska, P. Kochañski, M. Eljaszuk, op. cit., s. 117 i n.; M. Rószkiewicz, op.
cit., s. 303.
115
Liczba
Wiek respon- Liczba
w latach dentów opolan
1 1 0
155
J. Okoñ, Analiza czynnikowa w psychologii, Warszawa 1968, s. 12 i n., M. Sztemberg-
-Lewandowska, Analiza czynnikowa w badaniach marketingowych, Wroc³aw 2009, s. 8 i n.
116
W analizie czynnikowej wyró¿niamy dwa poziomy jej stosowalnoœci i u¿y-
tecznoœci:
· analizê czynnikow¹ wyjaœniaj¹c¹ – jest to wówczas statystyczna meto-
da s³u¿¹ca opisowi i objaœnianiu z³o¿onoœci zjawisk i zmiennych;
· analizê czynnikow¹ konfirmacyjn¹ – ma charakter analizy indukcyjnej.
Podstawowe zadania, które powinna realizowaæ analiza czynnikowa, to156:
· wyodrêbnienie ze znacznej liczby zmiennych czynników g³ównych, któ-
re s¹ noœnikami znacznej czêœci informacji zawartych w badanych zmien-
nych pierwotnych oraz wnosz¹cych nowe treœci merytoryczne; realizacja tak
sformu³owanego zadania pozwala na dok³adn¹ identyfikacjê, na podstawie
niewielkiego zbioru zmiennych, czynników determinuj¹cych okreœlone zjawi-
ska (np. pozycjonowanie produktów w modelach rynkowych);
· identyfikacja ukrytych zmiennych wywieraj¹cych wp³yw na kszta³towa-
nie siê badanego zjawiska (zmiennych opisuj¹cych i opisywanych), które za
pomoc¹ innych metod nie mog³yby zostaæ wykryte;
· redukcja wymiaru przestrzeni zmiennych.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
X = [xij]nxm (28)
gdzie: i = 1, ..., n;
j = 1, ..., m;
m £ n.
W wyniku transformacji wartoœci zmiennych za pomoc¹ formu³y standa-
ryzacji uzyskuje siê zmienne o jednakowej wartoœci oczekiwanej (równej 0)
i jednostkowym odchyleniu standardowym157:
Z = [zij]nxm (29)
156
L. Berekoven, W. Eckert, P. Ellenreider, op. cit., s. 232; E. Gatnar, M. Walesiak, op. cit.,
s. 186–234.
157
M. Sztemberg, Konfirmacyjna analiza czynnikowa jako weryfikacja eksploracyjnej anali-
zy wieloczynnikowej, w: Pomiar w badaniach rynkowych i marketingowych, red. M. Walesiak,
Wroc³aw 2000, s. 92–101; M. Sztemberg-Lewandowska, op. cit., s. 26 i n.
117
Zak³ada siê, ¿e pomiêdzy zmiennymi Xj (j = 1, ..., m) zachodz¹ zwi¹zki,
których si³ê i kierunek okreœlaj¹ wspó³czynniki korelacji liniowej Pearsona
zawarte w macierzy:
R = [rkj]mxm (30)
gdzie:
ì1 n
rkj = Z Z = í n å
1 T ï zik zij ( k ¹ j)
i =1
(31)
n ïî 1 ( k = j)
v j = h 2j + b 2j (32)
Z = AF + BU (33)
158
Uzyskane czynniki g³ówne s¹ wzajemnie ortogonalne, a zatem zawarte w nich zasoby
informacyjne maj¹ charakter unikatowy. Przy czym ich liczba jest mniejsza od liczby zmien-
nych.
118
W przedstawionym modelu struktura zale¿noœci pierwotnego zbioru
zmiennych jest reprezentowana przez macierz kowariancji:
V = AAT + B2 (34)
gdzie:
ì p
ïï å a jl a kl ( k ¹ j)
V = [vkj]mxm – macierz kowariancji zmiennych v kj = í l =p1
ï å a 2jl + b 2j ( k = j)
ïî l =1
159
A. Balicki, Statystyczna analiza wielowymiarowa i jej zastosowania spo³eczno-ekonomicz-
ne, Gdañsk 2009, s. 63–98.
160
T. Czy¿, Zastosowanie metody analizy czynnikowej do badania ekonomicznej struktury re-
gionalnej Polski, http://rcin.org.pl/Content/13864/Wa51_21864_r1971_nr92_Prace-Geogr.pdf
[12.12.2012].
119
publicznego, jak: szybkoœæ, cena, dostêpnoœæ, komfort, czystoœæ i nadane tym
cechom oceny w skali od 1 do 6. Fragment arkusza zawieraj¹cego wprowa-
dzone dane przedstawia rys 67.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
120
Rozwa¿ane zmienne zosta³y poddane standaryzacji. Standaryzacji dokona-
no w programie Statistica wed³ug schematu przedstawionego na rys. 68 i 69.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
121
Aby potwierdziæ ustawienia i wykonaæ standaryzacjê, nale¿y wcisn¹æ kla-
wisz OK. Po standaryzacji zbiór zmiennych przedstawia siê tak jak na rys 70.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
122
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
123
Zaznaczono zmienne, dla których bêdzie przeprowadzona analiza czynni-
kowa, a dokonany wybór zaakceptowano klawiszem OK. Pojawia siê nastêp-
ne okno dialogowe (rys. 73).
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
124
W pierwszej kolejnoœci nale¿y uzyskaæ macierz korelacji zawieraj¹cej
wspó³czynniki korelacji pomiêdzy zmiennymi. W tym celu w oknie dialogo-
wym (rys. 74) wybieramy zak³adkê Statystyki opisowe, dalej wybieramy
Przegl¹d korelacji, œrednich i odchyleñ standardowych, a nastêpnie,
po klikniêciu w klawisz Korelacje, uzyskujemy macierz wspó³czynników
korelacji liniowej pomiêdzy zmiennymi (rys. 75).
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
161
Kryterium Kaisera zak³ada, ¿e nale¿y zostawiæ tylko te czynniki, które maj¹ wartoœci
w³asne wiêksze ni¿ 1. W istocie chodzi o to, ¿e jeœli czynnik nie wyodrêbnia przynajmniej tyle,
ile jedna zmienna oryginalna, to nale¿y go odrzuciæ.
162
Test osypiska zaproponowany przez Cattella w roku 1966 jest metod¹ graficzn¹. Na wy-
kresie liniowym przedstawia siê wartoœci w³asne. Cattell sugeruje, by znaleŸæ miejsce, od które-
go na prawo wystêpuje ³agodny spadek wartoœci w³asnych. Na prawo od tego punktu przypusz-
czalnie znajduje siê tylko „osypisko czynnikowe”. Teoretycznie kryteria te mo¿na oceniæ,
generuj¹c dane losowe w oparciu o konkretn¹ liczbê czynników. Nastêpnie mo¿na sprawdziæ,
czy kryteria wskazuj¹ dok³adnie tê sam¹ liczbê czynników. Stosowanie kryterium Kaisera spra-
wia, ¿e czasami zostaje zbyt wiele czynników, podczas gdy test osypiska czasami pozostawia ich
zbyt ma³o. Obie metody sprawuj¹ siê dobrze w normalnych warunkach, tzn. gdy jest relatywnie
ma³o czynników i wiele przypadków. W praktyce dodatkowym wa¿nym aspektem jest to, na ile
rozwi¹zanie poddaje siê interpretacji. Dlatego zazwyczaj bada siê kilka rozwi¹zañ z wiêksz¹ lub
mniejsz¹ liczb¹ czynników, a nastêpnie wybiera siê to, które wydaje siê najbardziej „sensowne”.
125
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
126
W oknie Wyjaœniana wariancja mo¿na ustaliæ ostateczn¹ liczbê czynni-
ków do dalszej analizy. Na karcie nale¿y wcisn¹æ klawisz Wartoœci w³asne,
by otrzymaæ tablicê zawieraj¹c¹: wartoœci w³asne czynników, procenty ogó³u
wariancji, skumulowane wartoœci w³asne oraz skumulowane procenty wa-
riancji zmiennych wejœciowych wyjaœniane przez kolejne czynniki (rys.78).
Kryterium Kaisera163 wskazuje, ¿e dalszej analizie powinny byæ poddane
oba czynniki. Przenosz¹ one wspólnie oko³o 50% informacji zawartych
w zmiennych wejœciowych. Klikaj¹c klawisz Wykres osypiska, otrzymuje-
my wykres wartoœci w³asnych (rys. 78).
Osypisko na wykresie (rys. 79) zaczyna siê od wartoœci w³asnej drugiego
czynnika, co sugeruje przyjêcie do dalszej analizy jednego czynnika. Nale¿y
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
1,6
1,4
1,2
1,0
Wart.
0,8
0,6
0,4
0,2
0,0
1 2 3 4 5
163
Wartoœæ w³asna jest wiêksza od jednoœci.
127
zatem podj¹æ decyzjê o kontynuacji dalszej analizy jednego czynnika, który
wyjaœni 27,27% zmiennoœci zmiennych wejœciowych. Nastêpnie klikamy kla-
wisz Anuluj i wracamy do okna Metoda wyodrêbniania czynników,
w którym zmieniamy maksymaln¹ liczbê czynników z 5 na 1. Wybór akcep-
tujemy klawiszem OK i otrzymujemy okno Wyniki analizy czynnikowej.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
128
Rysunek 81. Arkusz roboczy 19 – szczegó³owe wyniki analizy czynnikowej
ród³o: opracowanie w³asne.
129
Wartoœci w macierzy korelacji resztkowych to ró¿nice pomiêdzy korelacja-
mi zmiennych wejœciowych a korelacjami odtworzonymi przez wybrany
czynnik. Wartoœci na przek¹tnej macierzy to zasoby zmiennoœci (zasoby infor-
macji o badanych respondentach) poszczególnych zmiennych wejœciowych
niewyjaœniane przez pierwszy czynnik. Poza przek¹tn¹ znajduj¹ siê wartoœci
wspó³czynników korelacji liniowej pomiêdzy zmiennymi wejœciowymi, które
nie zosta³y odtworzone przez czynnik pierwszy (zarazem jedyny). Wartoœci
w macierzy korelacji odtworzonych s¹ korelacjami pomiêdzy zmiennymi wej-
œciowymi, które s¹ odtworzone przez czynnik.
Interpretacji czynników uwzglêdnionych w analizie dokonuje siê w opar-
ciu o wartoœci ³adunków czynnikowych. Aby je otrzymaæ w oknie Wyniki
analizy czynnikowej, na karcie £adunki nale¿y klikn¹æ klawisz £adun-
ki czynnikowe i uzyskaæ tabelê z wartoœciami ³adunków (rys. 84).
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
130
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
131
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
2,5
2,0
1,5
1,0
0,5
Czynnik 1
0,0
–0,5
–1,0
–1,5
–2,0
–2,5
–50 0 50 100 150 200 250 300 350 400
132
Podsumowuj¹c, w procesie analizy czynnikowej dokonanej metod¹ g³ów-
nych sk³adowych ze zbioru piêciu czynników okreœlaj¹cych cechy transportu
miejskiego wyodrêbniono jeden czynnik. Czynnik ten jest najsilniej skorelo-
wany ze zmienn¹ „czystoœæ” i ze zmienn¹ „komfort”, wyjaœnia on 27%
zmiennoœci wspólnej i zawiera informacje na temat atrakcyjnoœci korzysta-
nia z transportu miejskiego.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
133
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Rozdzia³ VII
szy do literatury przedmiotu w 1952 roku przez W.S. Torgersona, który za-
proponowa³ metryczne rozwi¹zanie problemu164.
164
W.S. Torgerson, Multidimensional Scaling: I. Theory and Method, „Psychometrika” 1952,
nr 17, s. 401–419.
135
m-wymiarowej relacji zachodz¹cych pomiêdzy obiektami. Polega to zatem na
takim rozmieszczeniu (grupowaniu) obiektów, aby, te, które s¹ najbardziej
podobne do siebie, znajdowa³y siê w najbli¿szych sobie odleg³oœciach geome-
trycznych165. Oznacza to, ¿e w metodzie tej dokonuje siê skalowania ka¿dej
cechy badanego obiektu na oddzielnej osi wspó³rzêdnych, co pozwala na
skonstruowanie przestrzeni wielowymiarowej o liczbie wymiarów odpowia-
daj¹cej liczbie analizowanych cech.
Punktem wyjœcia skalowania wielowymiarowego jest macierz odleg³oœci
pomiêdzy obiektami dik* . W sytuacji, gdy zamiast macierzy odleg³oœci dyspo-
nujemy macierz¹ korelacji rik , mo¿na j¹ przekszta³ciæ w macierz odleg³oœci
wed³ug wzoru dik* = [2(1 - rik )]2 . Jeœli macierz odleg³oœci powsta³a poprzez
1
n(n - 1)
uporz¹dkowanie par obiektów tych uporz¹dkowañ jest , to macierz
2
odleg³oœci jest jednoczeœnie macierz¹ podobieñstw. Wówczas do skalowania
wielowymiarowego stosuje siê procedury niemetryczne166.
W kolejnym kroku okreœla siê liczbê wymiarów przestrzeni, w której
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
d$ik = a + bdik*
gdzie a i b to parametry regresji.
Jeœli odleg³oœci dik* mierzone s¹ na skali ilorazowej, to w równaniu regre-
sji parametr a = 0. Procedura skalowania metrycznego zak³ada jak najlepsze
dopasowanie odleg³oœci pocz¹tkowych zawartych w macierzy dik* i odleg³oœci
miêdzy tymi obiektami w t-wymiarowej przestrzeni dik .
165
E. Dichtl, R. Schobert, Mehrdimensionale Skalierung – Methodische Grundlagen und
betriebswirtschaftliche Grundlagen, München 1979, s. 1.
166
E. Gatnar, M. Walesiak, op. cit., s. 246–278.
167
A. Zaborski, Skalowanie wielowymiarowe w badaniach marketingowych, Wroc³aw 2001,
s. 33–85; A. Zaborski, Przyk³ady zastosowañ skalowania wielowymiarowego w badaniach mar-
ketingowych, w: Pomiar w badaniach rynkowych i marketingowych, red. M. Walesiak, Wroc³aw
2000, s. 101–111.
136
4. Na podstawie jednego z dwóch kryteriów okreœla siê dopasowanie od-
leg³oœci dik oraz dik* 168:
a) Kruskala – wspó³czynnik STRESS:
S=
å (d - d$
ik ik )2
(36)
åd 2
ik
SS =
å (d - d$
2
ik
2
ik )2
(37)
åd 2
ik
a n æç d$ ö
pit = pit + å
n - 1 k =1 çè
1 - ik
dik
÷( p kt - pit )
÷
(38)
ø
168
Kryteriów dopasowania jest wiêcej od wymienionych w pracy. Autorzy prezentuj¹ te, któ-
re s¹ najczêœciej stosowane.
169
Podstawy marketingu, red. J. Altkorn, Kraków 1998, s. 107–109.
137
Punkt wyjœcia stanowi¹ œrednie oceny 4 cech komunikacji miejskiej doko-
nane przez 384 respondentów. Oceniane cechy to:
X1 – punktualnoœæ œrodków komunikacji miejskiej;
X2 – liczba punktów przesiadkowych;
X3 – czêstotliwoœæ kursowania komunikacji miejskiej;
X4 – cena biletów komunikacji miejskiej.
Dane wejœciowe powinny mieæ format macierzowy. Macierz poddawana
analizie mo¿e byæ macierz¹ podobieñstw, niepodobieñstw b¹dŸ macierz¹ ko-
relacji lub kowariancji. Z menu Statystyka wybieramy modu³ Statystyki
podstawowe i tabele, nastêpnie Macierze korelacji, wybór akceptujemy
klawiszem OK (rys. 89).
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
138
Nastêpnie nale¿y podaæ zmienne, dla których chcemy wyznaczyæ macierz
korelacji, wybieramy Jedna lista zmiennych i wybieramy zmienne X1 –
X4. Zatwierdzamy wybór klawiszem OK oraz klikamy w klawisz Zapisz
znajduj¹cy siê obok klawisza Podsumowanie: macierz korelacji (rys. 90).
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
139
cierzy podobieñstw (korelacji) wynika, ¿e najsilniej skorelowane s¹ ze sob¹
zmienne X1 i X3 (wspó³czynnik korelacji 0,227), a najs³abiej zmienne X4 i X3
(wspó³czynnik korelacji –0,027).
Tak otrzyman¹ macierz mo¿na teraz wykorzystaæ w procedurze skalowa-
nia wielowymiarowego.
Wybierzmy teraz pozycjê Skalowanie wielowymiarowe z menu Staty-
styka – Wielowymiarowe techniki eksploracyjne. Na ekranie pojawi
panel pocz¹tkowy Skalowanie wielowymiarowe. W panelu tym klikamy
przycisk Zmienne, aby przejϾ do standardowego okna wyboru zmien-
nych. W oknie tym wybieramy wszystkie zmienne dla analizy (tzn. obiekty,
czyli cechy), a nastêpnie klikamy przycisk OK (rys. 92).
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
140
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
141
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
142
zuj¹ na brak dopasowania. Pierwsza kolumna arkusza wyników odnosi siê
do elementów pierwotnej macierzy wejœciowej jako D (X,Y), gdzie X jest wier-
szem macierzy wejœciowej, a Y kolumn¹.
Na przyk³ad D (2, 1) by³by elementem w drugim wierszu i pierwszej kolum-
nie macierzy wejœciowej (tzn. w naszym przyk³adzie porównaniem miêdzy X2
i X1). Widaæ, ¿e porz¹dek odleg³oœci zosta³ odtworzony przez rozwi¹zanie
dwuwymiarowe.
Kolejny krok wymaga dokonania analizy wykresu Sheparda wyra¿aj¹cego
rozrzut obserwowanych danych wejœciowych (miar podobieñstwa lub odmien-
noœci) wzglêdem odleg³oœci odtworzonych (rys. 96). Na wykresie tym przed-
stawione s¹ tak¿e wartoœci D^, tzn. monotonicznie przekszta³cone dane
wejœciowe w postaci funkcji schodkowej. Aby utworzyæ ten wykres, klikamy
przycisk Diagram Sheparda umieszczony na karcie Podstawowe i na
karcie Wiêcej.
Diagram Sheparda
Odleg³oœci i D^ wzgl. danych
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
2,2
2,0
1,8
Odleg³oœci/D^
1,6
1,4
1,2
1,0
0,8
–0,25 –0,20 –0,15 –0,10 –0,05 0,00 0,05 0,10 0,15 0,20 0,25
Dane
143
tu 2W. Wybierzmy pozycjê Wymiar 1 w polu Pierwszy (X) oraz pozycjê
Wymiar 2 w polu Drugi (Y), a nastêpnie kliknijmy przycisk OK, aby utwo-
rzyæ wykres (rys. 97).
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Wykres rozrzutu 2W
Konfiguracja koñcowa, wymiar 1 wzgl. wymiaru 2
1,0
0,8 X4
0,6
X3
0,4
2
0,2
Wymiar
0,0
–0,2
X1
–0,4
–0,6
X2
–0,8
–1,0
–1,2 –1,0 –0,8 –0,6 –0,4 –0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2
Wymiar 1
144
7.2. Analiza conjoint i jej wykorzystanie w analizie
7.2. danych empirycznych
170
E. Gatnar E., M. Walesiak, op. cit., s. 139–180.
171
Modele kompensacyjne wynikaj¹ z za³o¿eñ racjonalnego zachowania konsumenta: neu-
tralizacji, alternatyw wyboru, przechodnioœci, dominacji i niezmienniczoœci.
172
Badania marketingowe..., s. 177.
173
E. Kucher, H. Simon, Durchbruch bei der Preisentscheidung. Conjoint Measurement, eine
neue Technik zur Gewinnoptimierung, „Harvard Manager” 1987, nr 3, s. 28 i n.; S. Kaczmar-
czyk, op. cit., s. 172.
174
M. Rószkiewicz, Narzêdzia statystyczne w analizach marketingowych, Warszawa 2002.
175
E. Dichtl, U. Thomas, Der Einsatz der Conjoint Measurement im Rahmen der Verpac-
kungsvorschung, „Zeitschrift für Marketing” 1986, nr 1, s. 27 i n.; Badania marketingowe...,
s. 177–178.
145
okreœlania koszyka atrybutów poszczególnych wariantów produktów; identy-
fikacja atrybutów mo¿e nast¹piæ drog¹ przeprowadzenia pretestów;
· okreœlenia poziomu atrybutów, np. rodzaj opakowania (plastikowe,
szklane), cena (2,0 z³, 2,50 z³);
· okreœlenia koszyków atrybutów bêd¹cych kombinacjami poszczególnych
charakterystyk produktów i ich wariantów (np. produkt X – opakowanie:
plastikowe, waga: 200 g, kolor: zielony; produkt Y – opakowanie: szklane,
waga: 450 g, kolor: czarny);
· oceny preferencji nabywców wobec poszczególnych alternatyw pole-
gaj¹cej na ustaleniu przez respondenta rang dla poszczególnych alternatyw;
· szacowania u¿ytecznoœci cz¹stkowych, tzn. oceny znaczenia dla nabyw-
cy ka¿dego z atrybutów.
Analiza conjoint mo¿e zostaæ przeprowadzona zarówno w odniesieniu do
poszczególnych respondentów, jak równie¿ na poziomie zagregowanym.
Dziêki takiemu podejœciu mo¿liwa jest identyfikacja segmentów nabywców
charakteryzuj¹cych siê podobnymi preferencjami wobec wyró¿nionych ko-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
szyków atrybutów176.
Podstawowym modelem w analizie conjoint jest model addytywny, który
uwzglêdnia g³ówne efekty generowane przez poszczególne cechy produktu.
Model ten nie zak³ada wystêpowania interakcji miêdzy cechami, które to in-
terakcje mog³yby wywo³aæ efekty dodatkowe. Przyjmuje siê, ¿e u¿ytecznoœæ
ca³kowit¹ produktu mo¿na przedstawiæ w modelu:
k mi
Yl = å åy ij x ij( l ) + e l (39)
i =l j =1
176
A. B¹k, Conjoint analysis jako metoda pomiaru postaw i preferencji konsumentów, w: Po-
miar w badaniach rynkowych i marketingowych, red. M. Walesiak, Wroc³aw 2000, s. 69–82.
146
Zak³ada siê, ¿e jeœli zmienna zale¿na mierzona jest na skali przedzia³owej
lub ilorazowej, to za procedurê estymowania parametrów przyjmuje siê kla-
syczn¹ metodê najmniejszych kwadratów (KMNK177). Zaœ zagadnienie u¿y-
tecznoœci ca³kowitej sprowadzone jest wówczas do problemu regresji wielora-
kiej, w której model ma postaæ:
k
Y$ pv = å Y$ipv + a 0v (41)
i =1
177
Zob. K. Hanusik, U. £angowska, Modelowanie ekonometryczne procesów spo³eczno-ekono-
micznych: procedury obliczeniowe wraz z oprogramowaniem, Opole 1994, s. 36 i n.
178
Wartoœci tych parametrów okreœlaj¹ u¿ytecznoœci cz¹stkowe poszczególnych atrybutów
produktu dla respondenta o numerze v.
179
Wspó³czynniki (wskaŸniki) u¿ytecznoœci cz¹stkowych informuj¹ o sile, z jak¹ wybrana
kategoria lub poziom atrybutu wp³ywaj¹ na ogóln¹ ocenê oferty produktu. WskaŸniki te s¹
standaryzowane, umo¿liwiaj¹ wiêc budowê rankingów atrybutów produktu pod wzglêdem si³y
ich wp³ywu na kszta³towanie siê preferencji konsumentów.
147
1) model maksymalnej u¿ytecznoœci – wskaŸnik udzia³u w rynku szacu-
je siê na podstawie frakcji ocen najwy¿szych wœród wszystkich ocen tej
oferty;
2) model probabilistyczny Bradleya–Terry’ego–Luce’a – wskaŸnik udzia³u
w rynku szacuje siê jako relacjê ca³kowitej u¿ytecznoœci danej oferty do
sumy ca³kowitych u¿ytecznoœci wszystkich ofert;
3) model logitowy – wskaŸnik udzia³u w rynku szacuje siê, zestawiaj¹c lo-
garytm naturalny ca³kowitej u¿ytecznoœci danej oferty z sum¹ logarytmów
naturalnych u¿ytecznoœci ca³kowitych poszczególnych ofert.
Uzyskane w ten sposób wyniki s¹ podstaw¹ do okreœlenia relatywnej
wa¿noœci ka¿dego atrybutu produktu. WskaŸniki relatywnego znaczenia
zmiennych ³¹cznie oceniaj¹ dan¹ cechê produktu wzglêdem pozosta³ych
cech. WskaŸniki te s¹ konstruowane na podstawie u¿ytecznoœci charaktery-
zuj¹cych ka¿dego respondenta, a wartoœci œrednie uzyskane na ich podsta-
wie odnosz¹ siê do poszczególnych atrybutów produktu ³¹cznie. WskaŸnik
wzglêdnej wa¿noœci poszczególnych atrybutów produktu dla ka¿dego respon-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
max{Y$ipv } - min{Y$ipv }
Wiv = k
(42)
å (max{Y$ipv } - min{Y$ipv })
i =1
180
Szerzej o analizie conjoint wraz z przyk³adami zastosowania traktuje praca: A. Sagan,
Analiza preferencji konsumentów z wykorzystaniem programu STATISTICA – analiza conjoint
i skalowanie wielowymiarowe, http://www.statsoft.pl/czytelnia/artykuly/Analiza_preferencji_
konsumentow.pdf
181
H. Meffert, Marketingforschung und Käuferverhalten..., s. 326.
148
W rozdziale pierwszym zosta³y przedstawione podstawowe aspekty zacho-
wañ komunikacyjnych oraz determinanty wyboru danego œrodka transportu.
Pomimo i¿ ka¿dy u¿ytkownik komunikacji miejskiej zna powszechne opinie
na temat komunikacji miejskiej w Opolu (MZK), to ka¿dy z nich ma swoje
indywidualne zdanie na jej temat. Dla ka¿dego u¿ytkownika wa¿ny bêdzie
inny element sk³adaj¹cy siê na system komunikacji miejskiej. W ocenie u¿y-
tecznoœci (przydatnoœci) poszczególnych atrybutów komunikacji miejskiej
w³aœciwe wydaje siê zastosowanie analizy conjoint. Tym razem dla zobrazo-
wania poszczególnych etapów jej realizacji pos³u¿ymy siê powszechnym
i ³atwym w obs³udze programem Excel.
Zadanie u¿ytkownika komunikacji miejskiej w Opolu polega³o na ocenie
jednej z cech (atrybutów) komunikacji miejskiej; owe cechy to:
X1 – punktualnoœæ œrodków komunikacji miejskiej;
X2 – liczba punktów przesiadkowych;
X3 – czêstotliwoœæ kursowania komunikacji miejskiej;
X4 – cena biletów komunikacji miejskiej.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
182
Wiêcej na temat modelu regresji w: B. Pawe³ek, S. Wanat, A. Zeliaœ, Prognozowanie eko-
nomiczne. Teoria. Przyk³ady. Zadania, Warszawa 2008, s. 35 i n.; B. Borkowski, H. Dudek,
W. Szczêsny, Ekonometria. Wybrane zagadnienia, Warszawa 2007, s. 54 i n.
149
Rysunek 99. Arkusz roboczy 37 – narzêdzia analizy danych
ród³o: opracowanie w³asne.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
150
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
151
ród³o: opracowanie w³asne.
7.3. Jednoczynnikowa analiza wariancji
H0: µ1 = µ2 = µ3 = ... = µ,
MSB
F= (43)
MSE
183
H. Sheffe, The Analysis of Variance, New York 1999, s. 23 i n.
184
A. Luszniewicz, T. S³aby, Analiza wariancji i regresji, Warszawa 1999, s. 3 i n.
152
Dodatkowo:
SSB
MSB = (44)
k -1
SSE
MSE = (45)
n-k
æ mi ö æ k ö
j n
ç å yij ÷ ç å å y ji ÷
k ç ÷ ç ÷
SSB = å è ø - è i =1 j =1 ø
j =1
(46)
i =1 ni n
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
æ ni ö æ k ni ö
ç å yij ÷ ç å å y ji ÷
k mi k ni k ç j =1 ÷ ç i =1 j =1 ÷
SSE = å å yij2 - ny 2 - SSB = å è ø+è ø (47)
i =1 j =1 i =1
åy
j =1
2
ij - ny 2 - å
i =1 ni n
ék ù
êå ( y j - y ) n j ú :( k - 1)
2
F = në û
j =1
(48)
é j k
ù
êå å ( yij - y j ) ú :(n - k )
2
ëê i =1 j =1 úû
185
M. Duczmal, A. T³uczak, op. cit., s. 130 i n.
153
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
154
Rysunek 102. Arkusz roboczy 40 – obliczenia statystyki F w analizie wariancji
ród³o: opracowanie w³asne.
istotniejsza, to warto poddaæ j¹ weryfikacji. Sprawdzaj¹c, czy czynnik ró¿ni-
cuj¹cy mieszkañców, jakim jest p³eæ, wp³ywa na ocenê komunikacji rowero-
wej, nale¿y postawiæ formalne hipotezy, które przyjmuj¹ postaci:
H0: mK = mM, p³eæ nie wp³ywa na ocenê sytuacji;
H1: mK ¹ mM, p³eæ wp³ywa na ocenê sytuacji.
Do weryfikacji hipotez wykorzystamy analizê wariancji. Na rysunku 102
przedstawiono obliczenia pomocnicze do wyznaczenia statystyki F.
Przyjmuj¹c poziom istotnoœci 0,05, wartoœæ krytyczna rozk³adu F wynosi
F0,05;1;380 = 3,866186. Obliczona wartoϾ statyki F = 1,986 nie przekracza
wartoœci krytycznej, zatem z prawdopodobieñstwem pope³nienia b³êdu
równym 0,05 nie mamy podstaw do odrzucenia hipotezy zerowej (rys. 102).
Czynnik „p³eæ” nie jest zatem czynnikiem ró¿nicuj¹cym ocenê sytuacji
komunikacji rowerowej w Opolu.
186
Wartoœæ tê odczytujemy z tablic rozk³adu F-Snedecora.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
155
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Rozdzia³ VIII
Prezentacja wyników
w postaci pisemnego raportu z badania
187
Badania marketingowe. Teoria i praktyka, s. 247 i n.
157
Prezentacja wyników badañ mo¿e przybieraæ ró¿ne formy. Zazwyczaj ka¿-
dy raport sporz¹dzany jest w formie pisemnej, która przekazywana jest,
po zakoñczeniu badañ, zleceniodawcy, oraz prezentowany w formie ustnej.
Procedura opracowywania raportu powinna ka¿dorazowo rozpoczynaæ siê od
identyfikacji jego docelowych odbiorców, a jego tworzenie opieraæ siê powin-
no na kryterium:
· dok³adnoœci – tzn. logicznej konstrukcji, zawieraj¹cej dok³adnie opisane
dane i zmienne wykorzystane w badaniu, a tak¿e jednoznaczne, niewprowa-
dzaj¹ce w b³¹d wykresy z wynikami oraz opisami;
· jasnoœci – tzn. logiki i precyzji formu³owania myœli przez twórcê raportu;
· zwiêz³oœci – tzn. treœciwego zaplanowania, np. unikania wprowadzania
elementów zbêdnych dotycz¹cych powszechnie znanych metod badawczych;
· pe³noœci – tzn. powinien dostarczaæ wystarczaj¹cej iloœci zrozumia³ych
dla odbiorcy informacji.
Nieprzestrzeganie wspomnianych zasad mo¿e prowadziæ do problemów
interpretacyjnych. Twórcy raportów niejednokrotnie wykazuj¹ sk³onnoœæ do
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
158
· czêœæ g³ówn¹ raportu zawieraj¹c¹ opis metodyki badañ oraz opis wyni-
ków pomiarów i analiz;
· szczegó³owe wnioski i zalecenia;
· za³¹czniki.
Czêœæ g³ówna raportu równie¿ podlega podzia³owi, którego kryteria mog¹
byæ ró¿ne, tzn. mog¹ byæ wyznaczone zarówno przez pytania badawcze, jak
i sformu³owane na wstêpie hipotezy. Do najczêœciej wyodrêbnianych treœci
g³ównych raportu nale¿¹188:
· opis metodyki badania – zawiera minimaln¹ liczbê danych opisuj¹cych
sposób realizacji celu badawczego (jedynie niezbêdne szczegó³y);
· opis wyników pomiarów i analiz – stanowi podstawow¹ czêœæ raportu,
która z regu³y podzielona jest merytorycznie na czêœci problemowe opisuj¹ce
cel badania; zawiera tablice, wykresy i ilustracje;
· ograniczenia – zawieraj¹ opis problemów, które pojawi³y siê w trakcie
realizacji badania.
Uwieñczeniem ka¿dego raportu jest zakoñczenie obejmuj¹ce wnioski z ba-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
188
S. Kaczmarczyk, op. cit., s. 400.
189
Ibidem, s. 398.
159
Dobra prezentacja, poza wspomnianymi zasadami prezentacji liczb, wy-
maga równie¿ umiejêtnego pos³ugiwania siê kolorem i czcionk¹. Nale¿y
pamiêtaæ o unikaniu ³¹czenia ze sob¹ kolorów z przeciwstawnych granic
widma, gdy¿ oczom trudno jest jednoczeœnie zogniskowaæ siê na tak ró¿nych
barwach (przyk³adem mo¿e byæ tutaj czerwony i niebieski). Nie nale¿y tak¿e
przesadzaæ z kolorami. Na jednej planszy nie powinno ich byæ wiêcej ani¿eli
3–4. Konieczna jest równie¿ konsekwencja w ich stosowaniu.
Czcionkê nale¿y wybraæ tak¹, aby zapewnia³a dobry odczyt informacji.
Najlepsze do zastosowania w prezentacjach wydaj¹ siê czcionki proste, takie
jak Time New Roman, Arial, Verdana, Georgia, o rozmiarach 24–28 punk-
tów. Czcionki te s¹ bardzo czytelne i nie mêcz¹ oka. Jednoczeœnie nale¿y
unikaæ pisania wersalikami, gdy¿ tekst tak zapisany jest trudniejszy do
przeczytania. Ze wzglêdu na fakt, ¿e wa¿niejszy jest lewy górny róg planszy
i jej górna czêœæ, wa¿ne informacje nale¿y umieszczaæ na pocz¹tku slajdu.
Podzia³ czasu obserwacji planszy przedstawia rys. 103.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
40% 20%
25% 15%
Dla czytelnoœci prezentacji wa¿ne jest równie¿ to, aby ka¿da prezentowa-
na plansza mia³a tytu³, a na planszy nie znajdowa³o siê wiêcej ni¿ 5–6
linijek tekstu. Nie mo¿e to byæ równie¿ ci¹g³y akapit. Raczej nale¿y u¿ywaæ
s³ów kluczowych zamiast zdañ; to, co mówimy, powinno odnosiæ siê do cze-
goœ, co ³atwo zapamiêtaæ. Najlepiej wykorzystaæ zasadê 15 s³ów, co oznacza,
¿e je¿eli nasz przekaz bêdziemy potrafili zrealizowaæ przy u¿yciu maksymal-
nie piêtnastu s³ów, wówczas prawdopodobieñstwo zapamiêtania naszej
wypowiedzi bêdzie prawie gwarantowane. W innym przypadku temat, który
poruszamy nale¿y podzieliæ na takie grupy, by w ich obrêbie da³o siê u¿yæ
wspomnianych piêtnaœcie s³ów190.
Poniewa¿ prezentacja jest tylko t³em do wyst¹pienia, nie musi ona zawie-
raæ nieskoñczonej liczby plansz. W tym obszarze zastosowanie mog¹ znaleŸæ
dwie zasady. Pierwsza okreœlana jest jako „10–20–30”, co oznacza: 10 slaj-
dów na nie d³u¿ej ni¿ 20 minut z czcionk¹ nie mniejsz¹ ni¿ 30 punktów.
Druga zasada opisywana jest relacj¹ „20–20”, co oznacza 20 slajdów, z któ-
rych ka¿dy wyœwietlany jest nie d³u¿ej ni¿ 20 sekund. 20 sekund to czas
190
http://prezentacje.edu.pl/prezentacje [15.10.2012].
160
maksymalny, który pozwala na „poch³oniêcie” tego, co jest na slajdzie. Prze-
kroczenie tej granicy czasowej powoduje znudzenie s³uchaczy191 (rys. 104).
100
% zainteresowanych s³uchaczy
75
50
25
10 20 30 40 45
Czas trwania prezentacji
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
191
Ibidem.
161
jest coraz wiêkszy. Od problemów z tym zwi¹zanych nie jest równie¿ wolne
miasto Opole. Œwiadcz¹ o tym chocia¿by czêste korki tworz¹ce siê w cen-
trum miasta, szczególnie w godzinach szczytu. Zaznaczyæ nale¿y, ¿e znaczna
czêœæ podró¿y realizowana jest samochodami. Kiedy w XIX wieku wynalezio-
no samochód, wydawa³o siê, ¿e jest on ogromnym dobrodziejstwem i ¿e pozy-
tywnie wp³ynie on na rozwój spo³eczno-gospodarczy. Wówczas nikt nawet
nie przypuszcza³, ¿e gwa³towny rozwój motoryzacji mo¿e staæ siê ogromnym
problemem. Niestety dziœ zatory drogowe utrudniaj¹ ¿ycie mieszkañcom
wszystkich miast, które nadal nie s¹ przygotowane, by zapobiegaæ jego nega-
tywnym skutkom. Jak problem ten jest istotny, uwidaczniaj¹ wyniki badañ
przeprowadzonych przez firmê Inkom. Wynika z nich, ¿e brak inwestycji
drogowych w Opolu doprowadzi w ci¹gu najbli¿szych 15 lat do zmniejszenia
siê œredniej prêdkoœci przemieszczania siê. Zdaniem badaczy ma ona wów-
czas wynosiæ 20 km/h192. Niemniej wydaje siê, ¿e problemu tego nie bêdzie
mo¿na rozwi¹zaæ, realizuj¹c jedynie inwestycje drogowe. Roz³adowanie ru-
chu wymaga, naszym zdaniem, zmiany zachowañ komunikacyjnych u¿ytkow-
ników ruchu. Bez tych zmian nawet najlepsze i najbardziej kompleksowe in-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
westycje nie rozwi¹¿¹ problemu. Wiêksza dostêpnoœæ dróg mo¿e bowiem za-
chêciæ innych podró¿nych do zmiany sposobu przemieszczania siê, do
zast¹pienia dotychczasowych podró¿y œrodkami komunikacji miejskiej tran-
sportem indywidualnym.
D¹¿¹c do redukcji wspomnianych negatywnych skutków przemieszczeñ,
konieczna wydaje siê analiza dotychczasowych zachowañ komunikacyjnych
i ich determinant. Uzyskane informacje mog¹ stanowiæ podstawê wdro¿enia
usprawnieñ w komunikacji miejskiej, a tak¿e dostosowania jej do potrzeb
i wymagañ podró¿nych. Wyniki badañ preferencji i zachowañ komunikacyj-
nych mieszkañców stanowi¹ wa¿ny wyznacznik kszta³towania oferty prze-
wozowej. Wspomagaj¹ tak¿e podejmowanie decyzji w obszarze polityki
transportowej miasta. Burzliwoœæ otoczenia i kompleksowoœæ ¿ycia w mieœcie
stanowi podstawê ewolucji preferencji i zachowañ komunikacyjnych w cza-
sie. Z tego te¿ powodu zasadne wydaje siê cykliczne prowadzenie badañ.
Jedynie takie podejœcie umo¿liwi analizê zmian postaw podró¿uj¹cych oraz
celowe kszta³towanie zachowañ komunikacyjnych mieszkañców. Przy czym
warunkiem uzyskania danych u¿ytecznych i wiarygodnych jest stosowanie
tej samej metodologii badañ w poszczególnych edycjach oraz tego samego
instrumentu badawczego.
Maj¹c na uwadze wspomniane problemy, przeprowadzono w Opolu bada-
nia zachowañ komunikacyjnych. Podstawowym ich celem by³a ocena funk-
cjonowania komunikacji miejskiej, motywów korzystania z niej, a tak¿e
192
http://Logistyka.wnp.pl/opole-ma-studium-ukladu-komunikacyjnego-miasta,166772_1_0_0.
html [13.06.2012].
162
sk³onnoœci podró¿nych do zmiany sposobu poruszania siê w obrêbie miasta.
Wystêpowanie problemów komunikacyjnych w mieœcie sta³o siê podstaw¹
wyodrêbnienia problemów badawczych, do których zaliczono identyfikacjê:
· przyczyn niewydolnoœci systemu komunikacji miejskiej;
· przyczyn nadmiernego zat³oczenia w mieœcie;
· stopnia zaspokojenia potrzeb mieszkañców w zakresie mo¿liwoœci wy-
korzystania œrodków komunikacji miejskiej;
· poziomu œwiadomoœci mieszkañców w zakresie negatywnego wp³ywu
ruchu drogowego na jakoœæ ¿ycia w mieœcie;
· alternatywnych dla komunikacji indywidualnej form komunikacji
w mieœcie.
Tak sformu³owane problemy badawcze sta³y siê podstaw¹ opracowania lis-
ty niezbêdnych do uzyskania informacji, a wœród nich tych dotycz¹cych:
· zachowañ zwi¹zanych z przemieszczaniem siê;
· proporcji mieszkañców korzystaj¹cych z komunikacji miejskiej;
· czêstotliwoœci korzystania z komunikacji miejskiej i indywidualnej;
· cech osób korzystaj¹cych z poszczególnych œrodków komunikacji;
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
193
Szerzej rozdz. II niniejszego opracowania.
163
czej wydaje siê zupe³nie wystarczaj¹cy do prawid³owego przeprowadzenia
wnioskowania w studiach komunikacyjnych.
Badania zosta³y przeprowadzone w okresie od czerwca do wrzeœnia 2012
roku. W ich trakcie uzyskano 500 wype³nionych kwestionariuszy, z czego
384 by³o wype³nionych poprawnie i kompletnie. Pozwoli³o to na uzyskanie
responsywnoœci na poziomie 76,8%. Wspó³czynnik ten jest stosunkowo wyso-
ki, gdy¿, jak pokazuje szereg badañ przeprowadzanych w ró¿nych obszarach
tematycznych w kraju i za granic¹, kszta³tuje siê on zwykle poni¿ej 20%.
Przy czym dotyczy to najczêœciej badañ z wykorzystaniem klasycznych form
pomiaru (np. kwestionariusz pocztowy). W przypadku prezentowanych tu
badañ ankieta by³a anonimowa, a badania adresowane by³y do osób w wieku
powy¿ej 13 lat, gdy¿ uznano, i¿ osoby w tym wieku maj¹ mo¿liwoœæ samo-
dzielnego przemieszczania siê po mieœcie.
Jako narzêdzie badawcze zastosowano kwestionariusz zamkniêty (bez
mo¿liwoœci przerwania badania w jego trakcie), który potraktowano jako za-
bezpieczenie uzyskania pe³nych odpowiedzi. Jednoczeœnie to ograniczenie
spowodowa³o ubytek czêœci odpowiedzi; w przypadku niektórych responden-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
164
Konstrukcja raportu podporz¹dkowana zosta³a sformu³owanym na wstê-
pie hipotezom badawczym.
32
53
13–20
78 21–30
52
31–45
46–60
61–70
63
70–80
106
165
120
100
80
101
liczba osób
60 85
64 67
40
41
20
26
0
uczeñ/ niepracuj¹cy pracuj¹cy emeryt pracuj¹cy prowadz¹cy
student lub na emeryturze w³asn¹
rencista lub rencie dzia³alnoœæ
82
107
do 1000 z³
1001–2500 z³
2501–5000 z³
powy¿ej 5000 z³
97
98
166
8.2.4. Poziom ¿ycia a sk³onnoœæ mieszkañców do korzystania
8.2.4. z komunikacji miejskiej
W literaturze przedmiotu pojêcie „poziom ¿ycia” jak do tej pory nie docze-
ka³o siê jednoznacznego zdefiniowania. Ujmowane jest zarówno jako stopieñ
zaspokojenia potrzeb ludnoœci wynikaj¹cy z konsumpcji wytworzonych przez
cz³owieka dóbr materialnych i us³ug, jak te¿ jako wykorzystanie walorów
œrodowiska194. To tak¿e ca³okszta³t warunków, w jakich ¿yje okreœlona gru-
pa spo³eczna, gospodarstwo domowe czy jednostka195. Pod pojêciem „poziom
¿ycia” rozumieæ mo¿emy równie¿ jakoœæ warunków egzystencji w sensie sto-
pnia zaspokojenia wa¿niejszych potrzeb, wygody i przyjemnoœci ¿ycia196.
W tym ujêciu poziom ¿ycia jest nie tylko funkcj¹ stopnia zaspokojenia po-
trzeb, ale tak¿e nak³adów poniesionych na ich zaspokojenie. Mamy tu na
myœli m.in. iloœæ czasu zu¿ytego na pracê czy dojazd do niej, sposób spêdza-
nia czasu wolnego i mo¿liwoœci dotarcia np. do miejsc rozrywki.
Takie ujêcie poziomu ¿ycia sk³oni³o do zastanowienia siê, na ile warunku-
je on sk³onnoœæ mieszkañców do korzystania z komunikacji miejskiej. Jako
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
194
C. Bywalec, S. Wydymus, Poziom ¿ycia ludnoœci Polski w porównaniu z krajami Europej-
skiej Wspólnoty Gospodarczej, „Ekonomista” 1992, nr 5–6.
195
Z. ¯ekoñski, Z problemów metodologicznych sformu³owania spo³eczno-bytowych celów
rozwoju, „Gospodarka Planowa” 1974, nr 6.
196
J. Piasny, Poziom i jakoœæ ¿ycia ludnoœci oraz Ÿród³a i mierniki ich okreœlania, „Ruch Praw-
niczy, Ekonomiczny i Socjologiczny” 1993, z. 2.
167
rodziców lub s³u¿bowych, a samochód stanowi dla nich swego rodzaju sym-
bol luksusu.
Obserwuj¹c zachowania mieszkañców, mo¿na s¹dziæ, ¿e samochód nadal
jest przejawem poziomu ¿ycia mieszkañców. Tezê tê nieco os³abia jednak
fakt, ¿e nie stwierdzono zale¿noœci miêdzy posiadaniem samochodu a wyso-
koœci¹ dochodów (rys. 108). To z kolei sk³ania ku stwierdzeniu, ¿e o statusie
spo³ecznym bardziej decyduje marka czy wiek samochodu, a nie sam fakt
jego posiadania. W grupie osób deklaruj¹cych posiadanie w³asnego œrodka
komunikacji prawie po³owa wykaza³a dochody poni¿ej 2500 z³. W badaniu
za³o¿ono, ¿e wraz ze wzrostem poziomu ¿ycia mieszkañców maleje sk³onnoœæ
do korzystania z transportu publicznego. Jednym z wyznaczników poziomu
¿ycia jest, jak wspomniano, sytuacja materialna. W naszym przypadku jej
odzwierciedlenie mo¿e stanowiæ fakt posiadania samochodu, a tak¿e osi¹ga-
ne dochody.
120
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
101
100 92 93
77
80
Liczba osób
60
40
20
0
do 1000 z³ 1001–2500 z³ 2501–5000 z³ powy¿ej 5000 z³
Dochód
197
I. Balderjahn, Marktreaktion und Konsumenten. Ein theoretischmethodisches Konzept
zur Analyse der Wirkung marketingpolitischer Instrumente, Berlin 1993.
168
jest dodatkowo pod wp³ywem takich czynników, jak wiek, p³eæ, liczba miesz-
kañców zamieszkiwanego przez jednostkê miasta czy miejsce zatrudnienia198.
Uwzglêdniaj¹c fakt posiadania przez respondentów samochodu, postawio-
na teza mog³a zostaæ pozytywnie zweryfikowana, gdy¿ stwierdzono wystêpo-
wanie istotnych korelacji miêdzy posiadaniem w³asnego samochodu a czê-
stotliwoœci¹ korzystania ze œrodków komunikacji miejskiej. Z przeprowadzo-
nych badañ wynika, ¿e 65% respondentów posiadaj¹cych w³asny samochód
nie korzysta lub korzysta bardzo rzadko ze œrodków komunikacji miejskiej
(rys. 109).
codziennie
czêsto
8%
11%
przeciêtnie
16%
nie podró¿uje
29%
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
bardzo rzadko
36%
198
M. Lanzendorf, J. Scheiner, op. cit., s. 27.
169
praca 253
szko³a 265
kontakty
towarzyskie 169
zakupy 194
rekreacja 82
zdrowie 54
170
Zgodnie z przypuszczeniami badaczy najrzadziej wykorzystywanym œrod-
kiem przemieszczania siê w mieœcie jest taksówka. Z tej formy komunikacji
nie korzysta zdecydowana wiêkszoœæ (73%) respondentów, a jedynie niewiel-
ki odsetek – sporadycznie. Przyczyn upatrywaæ tutaj mo¿na, jak siê wydaje,
w wysokich kosztach. Tendencje te s¹ niezale¿ne zarówno od statusu spo-
³ecznego, jak i od dochodu badanych (rys. 111).
[%] 80
72
70
60
nie podró¿ujê
50 45 bardzo rzadko
40 35 37 przeciêtnie
29 30 29 czêsto
30 25
25 23 23 codziennie
23
20 17 17
12 1112 11
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
10 8
5 3 4 5
0
MZK samochód rower taksówka pieszo
osobowy
œrodek transportu
171
Œrednie oceny ka¿dego czynnika wp³ywaj¹cego na wybór w³asnego œrodka
transportu by³y w poszczególnych grupach wiekowych nieznacznie zró¿nico-
wane (rys. 112). Mo¿liwoœæ przejazdu w dowolnym momencie najwy¿ej
oceni³y osoby w wieku powy¿ej 70 lat. Jednoczeœnie te same osoby doœæ
wysoko (œrednia 2,3) oceni³y brak koniecznoœci przesiadania siê. Najbardziej
surowi w swoich ocenach byli uczniowie i studenci (grupa wiekowa 13–20
lat). Wystawili oni najgorsze oceny wszystkim ocenianym aspektom podró¿y
w³asnym samochodem. Wi¹¿e siê to pewnie z tym, ¿e s¹ to osoby nieletnie,
nieposiadaj¹ce prawa jazdy, zmuszone do przemieszczania siê samochodem
osobowym w obecnoœci rodzica, co w przypadku nastolatków nierzadko jest
odbierane negatywnie. Równie¿ ze wzglêdu na status spo³eczny responden-
tów omawiane tu oceny nie by³y bardzo zró¿nicowane. Osoby niepracuj¹ce
najni¿sz¹ œredni¹ ocenê wystawi³y mo¿liwoœci przejazdu w dowolnym
momencie. Osoby prowadz¹ce w³asn¹ dzia³alnoœæ najwy¿ej oceni³y krótszy
czas podró¿y. Maj¹c na uwadze dochód, jakim dysponuj¹ opolanie, mo¿na
stwierdziæ, ¿e osoby z najwy¿szym dochodem i zarazem posiadaj¹ce samo-
chód da³y najwy¿sze noty wszystkim czynnikom okreœlaj¹cym zalety podró-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
wygoda/komfort 1,9
inne 2,7
Rysunek 112. Œrednie oceny czynników wp³ywaj¹cych na wybór w³asnego œrodka transportu
ród³o: opracowanie w³asne.
172
dow¹ przemieszczaj¹ siê w g³ównej mierze po mieœcie w³asnym b¹dŸ s³u¿bo-
wym samochodem. Opolanie z grupy o najni¿szych dochodach poruszaj¹ siê
pieszo w obrêbie miasta zdecydowanie czêœciej ni¿ ci z grupy zamo¿nych (do-
chód powy¿ej 5000 z³). Pomimo coraz d³u¿szych œcie¿ek rowerowych i lepszej
infrastruktury rower nie jest ulubionym œrodkiem transportu mieszkañców
Opola. Codziennie przemieszcza siê nim nik³a liczba osób, bez wzglêdu na
dochód jest on u¿ywany przeciêtnie (rys. 113).
Istotnym elementem wp³ywaj¹cym na poziom ¿ycia jest jakoœæ œrodowiska
naturalnego. Dlatego te¿, analizuj¹c zale¿noœci pomiêdzy gotowoœci¹ do ko-
rzystania ze œrodków komunikacji miejskiej a jakoœci¹ ¿ycia, podjêto próbê
udowodnienia, ¿e ci respondenci, którzy w swoich zachowaniach komunika-
cyjnych nie uwzglêdniaj¹ negatywnego wp³ywu ruchu drogowego na jakoœæ
¿ycia, nie bêd¹ sk³onni do ich zmiany.
Jakoœæ ¿ycia w mieœcie uzale¿niona jest od wielu czynników, jednak bez-
poœrednio z transportem zwi¹zane s¹ ha³as, emisja CO2 i tzw. korki. Wed³ug
ankietowanych spoœród trzech wymienionych czynników najistotniejsze jest
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
199
http://www.techbud.com.pl/halas1.htm [01.12.2012].
173
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
90
174
nie podró¿ujê bardzo rzadko przeciêtnie czêsto codziennie
80
70
60
50
Liczba osób
40
30
20
10
do 1000 z³
do 1000 z³
do 1000 z³
do 1000 z³
1001–2500 z³
2501–5000 z³
1001–2500 z³
2501–5000 z³
1001–2500 z³
2501–5000 z³
1001–2500 z³
2501–5000 z³
powy¿ej 5000 z³
powy¿ej 5000 z³
powy¿ej 5000 z³
powy¿ej 5000 z³
Rysunek 113. Podzia³ respondentów ze wzglêdu na dochód i czêstotliwoœæ przemieszczania siê danym œrodkiem transportu
ród³o: opracowanie w³asne.
1 ca³kowicie nieistotne
7
ha³as 29 niezbyt istotne
34
29 doϾ istotne
1 istotne
17
emisja CO2 bardzo istotne
23
29
29
1
3
korki 15
27
54
0 10 20 30 40 50 60 [%]
Rysunek 114. Istotnoœæ czynników wp³ywaj¹cych na jakoœæ ¿ycia w mieœcie
ród³o: opracowanie w³asne.
czynniki respondenci uznali emisjê CO2. Wynik taki mo¿e byæ efektem bra-
ku œwiadomoœci znaczenia tego rodzaju zanieczyszczeñ dla œrodowiska. Poza
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
ca³kowicie bardzo
nieistotne istotne
poni¿ej 1000 z³
1001–2500 z³
korki
emisja CO2
ha³as
2501–5000 z³
powy¿ej 5000 z³
Rysunek 115. Istotnoœæ czynników wp³ywaj¹cych na jakoœæ ¿ycia w zale¿noœci od grupy docho-
dowej, do jakiej zalicza³ siê respondent
ród³o: opracowanie w³asne.
175
8.2.5. Oferta komunikacji miejskiej a gotowoœæ respondentów
8.2.5. do korzystania z niej (ocena komunikacji miejskiej)
200
„Opole na Rower” to projekt zrealizowany od maja do grudnia 2011 roku przez studentów
nale¿¹cych do Ko³a Naukowego Zrównowa¿onego Rozwoju i Logistyki.
201
Badanie zosta³o przeprowadzone podczas happeningu rowerowego z okazji Dnia Dziecka
(01.06.2011) na próbie 100 losowo dobranych respondentów i dotyczy³o stosunku opolan do ro-
176
300
16
250
19
200
67
Liczba osób
143 90 pieszo
172
150 110 rower
MZK
89
100
110 135 43
50
65 19
45 29
0
nie podró¿uje bardzo rzadko przeciêtnie czêsto codziennie
jednak wyci¹gaæ zbyt daleko id¹cych wniosków, gdy¿ wyniki te nie pozwalaj¹
na jednoznaczne okreœlenie czêstotliwoœci korzystania z owego systemu. Wy-
niki te odzwierciedlaj¹ jedynie spo³eczne poparcie dla takiego rozwi¹zania.
Mimo i¿ komunikacja rowerowa zaczyna byæ coraz bardziej popularnym
œrodkiem przemieszczania siê w obrêbie miasta, to obecnie w Opolu 49%
ankietowanych Ÿle lub bardzo Ÿle ocenia mo¿liwoœæ korzystania z niej.
Badaj¹c testem niezale¿noœci c2 zwi¹zek pomiêdzy czêstotliwoœci¹ korzysta-
nia z danego œrodka transportu, jego rodzajem i p³ci¹, stwierdzono brak
zale¿noœci pomiêdzy tymi kategoriami. Uzyskana w trakcie obliczeñ wartoœæ
statystyki testowej c2 = 3,437 jest mniejsza od wartoœci krytycznej dla 5%
poziomu istotnoœci c212;0,05 = 21,026, zatem hipoteza zak³adaj¹ca czêstotli-
woœæ korzystania z roweru w zale¿noœci od p³ci zosta³a odrzucona.
Zdecydowanie wiêcej mê¿czyzn ni¿ kobiet korzysta z rowerów, jest ich
piêæ razy wiêcej. Wœród rowerzystów dominuj¹ osoby w wieku od 21 do 30
lat; stanowi¹ one 46% tych, którzy korzystaj¹ z rowerów czêsto. Najmniej
z przyczyn oczywistych, jest osób w wieku powy¿ej 60 lat (6%).
Wybór œrodka transportu zdeterminowany jest zamo¿noœci¹ podró¿nych,
infrastruktur¹ oraz innymi czynnikami. Od wielu lat namawia siê podró¿-
nych, aby przesiedli siê z w³asnych samochodów do œrodków komunikacji
miejskiej. Nagminne jest przemieszczanie siê po mieœcie w³asnym samocho-
dem w pojedynkê. Powoduje to sztuczne zat³oczenie, gdy¿ okazuje siê, ¿e
podró¿nych jest mniej, ni¿ wynika³oby to z nastêpuj¹cej arytmetyki: 1 samo-
177
chód = 4 osoby. Aby zachêciæ respondentów do zamiany w³asnego œrodka
transportu na œrodek transportu zbiorowego, nale¿a³oby zwiêkszyæ i liczbê
autobusów, i czêstotliwoœæ ich kursowania (zw³aszcza latem), oraz unowo-
czeœniæ tabor.
Grupa Opolan deklaruj¹ca dochody powy¿ej 5000 z³ najczêœciej porusza
siê samochodem (34% ankietowanych), kolejn¹ doœæ liczn¹ grup¹ przemiesz-
czaj¹c¹ siê samochodem s¹ osoby, których dochody przekraczaj¹ 2500 z³, ale
s¹ mniejsze ni¿ 5000 z³ (rys. 117). Osoby o najni¿szych dochodach wybieraj¹
najczêœciej autobus b¹dŸ te¿ przemieszczaj¹ siê pieszo. Czêstotliwoœæ korzys-
tania z roweru nie jest uzale¿niona od dochodu, ten œrodek transportu cieszy
siê jednakowym zainteresowaniem reprezentantów wszystkich grup docho-
dowych.
35
30
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
25
nie podró¿ujê
Liczba osób
20 bardzo rzadko
przeciêtnie
15 czêsto
codziennie
10
0
do 1000 z³ 1001–2500 z³ 2501–5000 z³ powy¿ej 5000 z³
202
S. Kauf, The instruments...
178
szybkoϾ 3,8
cena 4,3
dostênoœæ 3,7
zat³oczenie 4,9
czystoϾ 3,5
0 1 2 3 4 5
œrednia ocena
3,66
szybkoϾ
3,86
4,46
cena
4,16
3,79 Mê¿czyzna
dostênoœæ
3,65 Kobieta
4,79
zat³oczenie
4,96
3,8
czystoϾ
3,31
0 1 2 3 4 5 6
œrednia ocena
Rysunek 119. Œrednie oceny wybranych cech transportu publicznego wed³ug podzia³u na p³eæ
respondentów
ród³o: opracowanie w³asne.
179
Kryterium ró¿nicuj¹cym oceny respondentów nie stanowi³ tak¿e wiek
i status spo³eczny. Tutaj oceny równie¿ by³y bardzo zbli¿one (rys. 120).
szybki wolny
tani drogi
dostêpny niedostêpny
wygodny niewygodny
brudny czysty
Rysunek 120. Œrednie oceny wybranych cech transportu publicznego wed³ug podzia³u na gru-
py wiekowe respondentów
ród³o: opracowanie w³asne.
180
ku, jak i natê¿enia postaw. Ocenie poddano takie elementy, jak: zat³oczenie,
sieæ komunikacyjn¹, drogi rowerowe oraz istniej¹ce w mieœcie miejsca
parkingowe. Respondenci na szeœciostopniowej skali (od –3 – postawa nega-
tywna, do +3 – postawa pozytywna) oceniali wspomniane elementy (rys. 121).
–1,1 zat³oczenie
miejscaparkingowe 0,4
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Ocena
181
nych sytuacji, odstraszaj¹c czêsto mieszkañców od korzystania z tej formy
przemieszczania siê. Równie¿ brak miejsc parkingowych widoczny jest dla
ka¿dego mieszkañca w mieœcie. Wiêc i w tym przypadku tak niska ocena
respondentów nie zaskakuje. Parkingów brakuje przede wszystkim w cen-
trum miasta. A pojazdy parkuj¹ce w miejscach niedozwolonych, znacznie przy
tym utrudniaj¹ce poruszanie siê po mieœcie, nie s¹ zjawiskiem jednostkowym.
Zdecydowana wiêkszoœæ mê¿czyzn negatywnie ocenia zat³oczenie – 87%
mê¿czyzn uwa¿a, ¿e drogi/ulice w Opolu s¹ za bardzo zat³oczone, jednoczeœ-
nie 99 z nich (co stanowi wiêcej ni¿ po³owê) ocenia pozytywnie sieæ komuni-
kacyjn¹ w Opolu. Drogi rowerowe s¹ Ÿle oceniane przez respondentów wszyst-
kich grup wiekowych; przede wszystkim osoby w wieku powy¿ej 46 lat wypo-
wiadaj¹ siê negatywnie o jakoœci, d³ugoœci i bezpieczeñstwie dróg rowero-
wych w mieœcie. Liczba miejsc parkingowych jest kwesti¹ poruszaj¹c¹ wielu
opolan. Wielu z nich (bez wzglêdu na wiek, status czy dochód) uwa¿a, ¿e jest
ich za ma³o, jednoczeœnie wielu (g³ównie osoby w wieku powy¿ej 60 lat)
s¹dzi, ¿e jest ich odpowiednia liczba. Opinia o tym, ¿e miejsc parkingowych
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
182
wilejowanie pojazdów poprzez wydzielenie dla nich niezale¿nych pasów
ruchu umo¿liwia szybsze dotarcie do celu. Nie jest jednak tajemnic¹, ¿e ist-
niej¹ce systemy komunikacji zbiorowej nie s¹ w stanie sprostaæ iloœciowym
i jakoœciowym oczekiwaniom u¿ytkowników. A dokonywane porównania
transportu indywidualnego i zbiorowego wypadaj¹ najczêœciej na niekorzyœæ
komunikacji miejskiej. I to pomimo stosunkowo dobrze rozbudowanej sieci
po³¹czeñ. Wynika to przede wszystkim z braku wydzielonych pasów ruchu.
W konsekwencji autobusy miejskie stoj¹ tak samo w korkach jak pojazdy
indywidualne, przez co staj¹ siê zupe³nie nieatrakcyjne dla potencjalnych
u¿ytkowników. S³aboœci¹ transportu zbiorowego jest tak¿e brak koordynacji
zadañ przewozowych ró¿nych przewoŸników (np. transport komunalny, pry-
watni przewoŸnicy autobusowi) i wspólnego biletu na ró¿ne œrodki komuni-
kacji miejskiej (np. na autobus i tramwaj).
Jak pokaza³y badania, z podobn¹ sytuacj¹ boryka siê tak¿e miasto Opole.
Mo¿na s¹dziæ, ¿e pomiêdzy pozytywn¹ ocen¹ systemu komunikacji zbiorowej
a gotowoœci¹ mieszkañców do zmian zachowañ komunikacyjnych istniej¹
istotne zale¿noœci, tzn. jedynie poprawa sytuacji komunikacyjnej by³aby
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
183
[%] 35
30
32
25
20
15
10 18 15
0
tañsze bilety mniejsze zat³oczenie wiêksza czêstotliwoœæ
w autobusach kursowania
184
[%] 20
18
16
19
14 18
12
14
10
8
6
4
2
0
krótszy czas podró¿y wiêksza gêstoœæ wydzielone pasy ruchu
punktów przesiadkowych
Rysunek 123. Najmniej wa¿ne czynniki, które sk³oni³yby opolan do korzystania z komunikacji
miejskiej
ród³o: opracowanie w³asne.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
203
http://pl.wikipedia.org/wiki/Komunikacja_miejska_w_Opolu [02.12.2012].
185
Stan taki wydaje siê jednak niezadowalaj¹cy, stwarza wiêc potrzebê pod-
jêcia dzia³añ na rzecz poprawy jakoœci i efektywnoœci przep³ywów. Istotnym
problemem wydaje siê transport multimodalny. Takowego w Opolu prawie
nie ma. Choæ za pewien jego zal¹¿ek mo¿na uznaæ uruchomienie wypo¿yczal-
ni rowerów. Ciekawym pomys³em wydaje siê tak¿e projekt indywidualnego
transportu miejskiego MISTER, który ³¹czy komfort taksówki z dostêpno-
œci¹ œrodków komunikacji miejskiej. Dla miasta Opola projekt ten w formie
kolejki gondolowej zaprezentowany zosta³ w 2007 roku. Wówczas twórca tej
kolejki204 obiecywa³, ¿e bêdzie ona œrodkiem transportu umo¿liwiaj¹cym
mieszkañcom przemieszczanie siê miêdzy centrami handlowymi. Docelowo
miasto mia³oby zostaæ oplecione sieci¹ dogodnych po³¹czeñ komunikacyjnych.
W³odarze Opola opracowali ju¿ nawet plan przebiegu kolejki (rys. 124).
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
204
Twórc¹ projektu kolejki gondolowej, bêd¹cej form¹ zindywidualizowanej komunikacji
miejskiej, jest Olgierd Mikosza, www.mist-er.com.
186
nia w punktach przesiadkowych. Na podstawie obserwacji stwierdziæ rów-
nie¿ mo¿na, ¿e poruszanie siê komunikacj¹ miejsk¹ mo¿e sprawiaæ trudnoœci
osobom niepe³nosprawnym, gdy¿ zaledwie po³owa (54%) opolskich autobu-
sów przystosowana jest do przewo¿enia osób niepe³nosprawnych.
Zmiana zachowañ komunikacyjnych mieszkañców wymaga jednak czegoœ
wiêcej ani¿eli podêcia tylko samych dzia³añ usprawniaj¹cych œrodki komuni-
kacji publicznej. Konieczne wydaje siê propagowanie proekologicznych za-
chowañ komunikacyjnych i zarazem podnoszenie œwiadomoœci mieszkañców
co do szkodliwoœci ruchu drogowego. Jesteœmy jednak œwiadome, ¿e bez udo-
stêpnienia alternatywnych form komunikacji wzrost œwiadomoœci mieszkañ-
ców nie zmieni ich zachowañ.
W³adze miasta Opola podjê³y ju¿ wiele dzia³añ maj¹cych sk³oniæ mieszkañ-
ców do rezygnacji z podró¿y indywidualnych i czêstszego korzystania z ko-
munikacji zbiorowej. Wymieniæ tutaj nale¿y m.in. uchwa³ê Rady Miasta
wprowadzaj¹c¹ dwie strefy parkowania. Niestety projekt ten nie przyniós³
znacz¹cej poprawy sytuacji w mieœcie. Pozytywny efekt przynios³o natomiast
zamontowanie specjalnych zegarów odliczaj¹cych czas do zmiany œwiate³ na
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
187
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Aneks
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Kwestionariusz ankiety
Badania zachowañ komunikacyjnych mieszkañców Opola
Bardzo proszê o wype³nienie poni¿szej ankiety, udzielenie rzetelnych informacji oraz odpo-
wiedzi na wszystkie postawione pytania. Informacje uzyskane dziêki tej ankiecie bêd¹ pomocne
we wprowadzaniu zmian w funkcjonowaniu komunikacji w mieœcie, tak by lepiej odpowiada³a
Pañstwa potrzebom. Ankieta jest anonimowa
Odpowiedzi proszê zaznaczaæ poprzez zakreœlenie znakiem „x” w³aœciwego wariantu odpo-
wiedzi.
Serdecznie dziêkujê za wspó³pracê.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
1. Jaki jest g³ówny powód Pana/i przemieszczeñ w obrêbie miasta (proszê zaznaczyæ 3 najczêst-
sze przyczyny podró¿y)?
dojazd do pracy
dojazd do szko³y
sprawy towarzyskie
zakupy
rekreacja
opieka zdrowotna
2. Czy posiada Pan/i samochód (równie¿ s³u¿bowy)?
tak
nie
3. Z jakiego œrodka transportu i jak czêsto korzysta Pan/i, przemieszczaj¹c siê w mieœcie?
191
5. Proszê uszeregowaæ podane ni¿ej charakterystyki œrodków komunikacji miejskiej, po-
rz¹dkuj¹c je tak, aby te cechy, które maj¹ dla Pana/i najwiêksz¹ wagê otrzyma³y wartoœæ
najmniejsz¹ (1), a te, które maj¹ najmniejsze znaczenie – wartoœæ najwiêksz¹ (8).
komfort jazdy
punktualnoϾ
rozmieszczenie punktów przesiadkowych
stan techniczny
czystoϾ
uprzejmoœæ kierowców
sieæ komunikacyjna
czas dojazdu
6. Jak ocenia Pan/i mo¿liwoœci korzystania z komunikacji rowerowej w mieœcie?
8. Proszê zaznaczyæ swoje oceny najlepiej odzwierciedlaj¹ce opiniê Pana/i o wymienionych ce-
chach transportu publicznego (ka¿da cecha reprezentuje jedn¹ ocenê na skali intensywnoœci).
szybki wolny
tani drogi
dostêpny niedostêpny
wygodny niewygodny
brudny czysty
192
9. W jakim stopniu Pana/i zdaniem poni¿sze aspekty ruchu drogowego wp³ywaj¹ na jakoœæ
¿ycia w mieœcie?
+2 +2 +2 +2
+1 +1 +1 +1
0 0 0 0
–1 –1 –1 –1
–2 –2 –2 –2
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
–3 –3 –3 –3
11. Proszê zaznaczyæ maksymalnie 3 czynniki uznane za najwa¿niejsze, takie które mog³yby
przyczyniæ siê do korzystania przez Pana/ni¹ ze œrodków komunikacji (zaznaczenia proszê
dokonaæ w kolejnoœci: 1 – najwa¿niejszy, 3 – najmniej wa¿ny).
wiêksza gêstoœæ punktów przesiadkowych
wiêksza czêstotliwoœæ kursowania
wydzielone pasy ruchu
tañsze bilety za przejazd
nowoczesny tabor
krótszy czas podró¿y
wprowadzenie op³at za wjazd do miasta
mniejsze zat³oczenie w autobusach
¿adne z powy¿szych
Metryczka
1. P³eæ
kobieta
mê¿czyzna
2. Wiek
13–20 lat 46–60 lat
21–30 lat 61–70 lat
31–45 lat powy¿ej 70 lat
3. Status spo³eczny
uczeñ/student
niepracuj¹cy
pracuj¹cy
emeryt lub rencista
pracuj¹cy na emeryturze lub rencie
prowadz¹cy w³asn¹ dzia³alnoœæ gospodarcz¹
193
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
194
4. Dochody
poni¿ej 1000 z³
powy¿ej 5000 z³
od 2501 do 5000 z³
od 1001 do 2500 z³
Tablice statystyczne
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
195
Tablica 2. Rozk³ad t-Studenta P(|X| > ta) = a
a
0,99 0,98 0,95 0,9 0,8 0,7 0,3 0,2 0,1 0,05 0,02 0,01
k
1 0,016 0,031 0,079 0,158 0,325 0,510 1,963 3,078 6,314 12,706 31,821 63,657
2 0,014 0,028 0,071 0,142 0,289 0,445 1,386 1,886 2,920 4,303 6,965 9,925
3 0,014 0,027 0,068 0,137 0,277 0,424 1,250 1,638 2,353 3,182 4,541 5,841
4 0,013 0,027 0,067 0,134 0,271 0,414 1,190 1,533 2,132 2,776 3,747 4,604
5 0,013 0,026 0,066 0,132 0,267 0,408 1,156 1,476 2,015 2,571 3,365 4,032
6 0,013 0,026 0,065 0,131 0,265 0,404 1,134 1,440 1,943 2,447 3,143 3,707
7 0,013 0,026 0,065 0,130 0,263 0,402 1,119 1,415 1,895 2,365 2,998 3,499
8 0,013 0,026 0,065 0,130 0,262 0,399 1,108 1,397 1,860 2,306 2,896 3,355
9 0,013 0,026 0,064 0,129 0,261 0,398 1,100 1,383 1,833 2,262 2,821 3,250
10 0,013 0,026 0,064 0,129 0,260 0,397 1,093 1,372 1,812 2,228 2,764 3,169
11 0,013 0,026 0,064 0,129 0,260 0,396 1,088 1,363 1,796 2,201 2,718 3,106
12 0,013 0,026 0,064 0,128 0,259 0,395 1,083 1,356 1,782 2,179 2,681 3,055
13 0,013 0,026 0,064 0,128 0,259 0,394 1,079 1,350 1,771 2,160 2,650 3,012
14 0,013 0,026 0,064 0,128 0,258 0,393 1,076 1,345 1,761 2,145 2,624 2,977
15 0,013 0,025 0,064 0,128 0,258 0,393 1,074 1,341 1,753 2,131 2,602 2,947
16 0,013 0,025 0,064 0,128 0,258 0,392 1,071 1,337 1,746 2,120 2,583 2,921
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
17 0,013 0,025 0,064 0,128 0,257 0,392 1,069 1,333 1,740 2,110 2,567 2,898
18 0,013 0,025 0,064 0,127 0,257 0,392 1,067 1,330 1,734 2,101 2,552 2,878
19 0,013 0,025 0,064 0,127 0,257 0,391 1,066 1,328 1,729 2,093 2,539 2,861
20 0,013 0,025 0,063 0,127 0,257 0,391 1,064 1,325 1,725 2,086 2,528 2,845
21 0,013 0,025 0,063 0,127 0,257 0,391 1,063 1,323 1,721 2,080 2,518 2,831
22 0,013 0,025 0,063 0,127 0,256 0,390 1,061 1,321 1,717 2,074 2,508 2,819
23 0,013 0,025 0,063 0,127 0,256 0,390 1,060 1,319 1,714 2,069 2,500 2,807
24 0,013 0,025 0,063 0,127 0,256 0,390 1,059 1,318 1,711 2,064 2,492 2,797
25 0,013 0,025 0,063 0,127 0,256 0,390 1,058 1,316 1,708 2,060 2,485 2,787
26 0,013 0,025 0,063 0,127 0,256 0,390 1,058 1,315 1,706 2,056 2,479 2,779
27 0,013 0,025 0,063 0,127 0,256 0,389 1,057 1,314 1,703 2,052 2,473 2,771
28 0,013 0,025 0,063 0,127 0,256 0,389 1,056 1,313 1,701 2,048 2,467 2,763
29 0,013 0,025 0,063 0,127 0,256 0,389 1,055 1,311 1,699 2,045 2,462 2,756
30 0,013 0,025 0,063 0,127 0,256 0,389 1,055 1,310 1,697 2,042 2,457 2,750
31 0,013 0,025 0,063 0,127 0,256 0,389 1,054 1,309 1,696 2,040 2,453 2,744
32 0,013 0,025 0,063 0,127 0,255 0,389 1,054 1,309 1,694 2,037 2,449 2,738
33 0,013 0,025 0,063 0,127 0,255 0,389 1,053 1,308 1,692 2,035 2,445 2,733
34 0,013 0,025 0,063 0,127 0,255 0,389 1,052 1,307 1,691 2,032 2,441 2,728
35 0,013 0,025 0,063 0,127 0,255 0,388 1,052 1,306 1,690 2,030 2,438 2,724
36 0,013 0,025 0,063 0,127 0,255 0,388 1,052 1,306 1,688 2,028 2,434 2,719
37 0,013 0,025 0,063 0,127 0,255 0,388 1,051 1,305 1,687 2,026 2,431 2,715
38 0,013 0,025 0,063 0,127 0,255 0,388 1,051 1,304 1,686 2,024 2,429 2,712
39 0,013 0,025 0,063 0,126 0,255 0,388 1,050 1,304 1,685 2,023 2,426 2,708
40 0,013 0,025 0,063 0,126 0,255 0,388 1,050 1,303 1,684 2,021 2,423 2,704
50 0,013 0,025 0,063 0,126 0,255 0,388 1,047 1,299 1,676 2,009 2,403 2,678
60 0,013 0,025 0,063 0,126 0,254 0,387 1,045 1,296 1,671 2,000 2,390 2,660
70 0,013 0,025 0,063 0,126 0,254 0,387 1,044 1,294 1,667 1,994 2,381 2,648
80 0,013 0,025 0,063 0,126 0,254 0,387 1,043 1,292 1,664 1,990 2,374 2,639
90 0,013 0,025 0,063 0,126 0,254 0,387 1,042 1,291 1,662 1,987 2,368 2,632
100 0,013 0,025 0,063 0,126 0,254 0,386 1,042 1,290 1,660 1,984 2,364 2,626
196
Tablica 3. Rozk³ad chi-kwadrat P(X > c 2a ) = a
a
0,99 0,98 0,95 0,9 0,8 0,2 0,1 0,05 0,02 0,01
k
1 0,000 0,001 0,004 0,016 0,064 1,642 2,706 3,841 5,412 6,635
2 0,020 0,040 0,103 0,211 0,446 3,219 4,605 5,991 7,824 9,210
3 0,115 0,185 0,352 0,584 1,005 4,642 6,251 7,815 9,837 11,345
4 0,297 0,429 0,711 1,064 1,649 5,989 7,779 9,488 11,668 13,277
5 0,554 0,752 1,145 1,610 2,343 7,289 9,236 11,070 13,388 15,086
6 0,872 1,134 1,635 2,204 3,070 8,558 10,645 12,592 15,033 16,812
7 1,239 1,564 2,167 2,833 3,822 9,803 12,017 14,067 16,622 18,475
8 1,646 2,032 2,733 3,490 4,594 11,030 13,362 15,507 18,168 20,090
9 2,088 2,532 3,325 4,168 5,380 12,242 14,684 16,919 19,679 21,666
10 2,558 3,059 3,940 4,865 6,179 13,442 15,987 18,307 21,161 23,209
11 3,053 3,609 4,575 5,578 6,989 14,631 17,275 19,675 22,618 24,725
12 3,571 4,178 5,226 6,304 7,807 15,812 18,549 21,026 24,054 26,217
13 4,107 4,765 5,892 7,042 8,634 16,985 19,812 22,362 25,472 27,688
14 4,660 5,368 6,571 7,790 9,467 18,151 21,064 23,685 26,873 29,141
15 5,229 5,985 7,261 8,547 10,307 19,311 22,307 24,996 28,259 30,578
16 5,812 6,614 7,962 9,312 11,152 20,465 23,542 26,296 29,633 32,000
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
17 6,408 7,255 8,672 10,085 12,002 21,615 24,769 27,587 30,995 33,409
18 7,015 7,906 9,390 10,865 12,857 22,760 25,989 28,869 32,346 34,805
19 7,633 8,567 10,117 11,651 13,716 23,900 27,204 30,144 33,687 36,191
20 8,260 9,237 10,851 12,443 14,578 25,038 28,412 31,410 35,020 37,566
21 8,897 9,915 11,591 13,240 15,445 26,171 29,615 32,671 36,343 38,932
22 9,542 10,600 12,338 14,041 16,314 27,301 30,813 33,924 37,659 40,289
23 10,196 11,293 13,091 14,848 17,187 28,429 32,007 35,172 38,968 41,638
24 10,856 11,992 13,848 15,659 18,062 29,553 33,196 36,415 40,270 42,980
25 11,524 12,697 14,611 16,473 18,940 30,675 34,382 37,652 41,566 44,314
26 12,198 13,409 15,379 17,292 19,820 31,795 35,563 38,885 42,856 45,642
27 12,879 14,125 16,151 18,114 20,703 32,912 36,741 40,113 44,140 46,963
28 13,565 14,847 16,928 18,939 21,588 34,027 37,916 41,337 45,419 48,278
29 14,256 15,574 17,708 19,768 22,475 35,139 39,087 42,557 46,693 49,588
30 14,953 16,306 18,493 20,599 23,364 36,250 40,256 43,773 47,962 50,892
31 15,655 17,042 19,281 21,434 24,255 37,359 41,422 44,985 49,226 52,191
32 16,362 17,783 20,072 22,271 25,148 38,466 42,585 46,194 50,487 53,486
33 17,074 18,527 20,867 23,110 26,042 39,572 43,745 47,400 51,743 54,776
34 17,789 19,275 21,664 23,952 26,938 40,676 44,903 48,602 52,995 56,061
35 18,509 20,027 22,465 24,797 27,836 41,778 46,059 49,802 54,244 57,342
36 19,233 20,783 23,269 25,643 28,735 42,879 47,212 50,998 55,489 58,619
37 19,960 21,542 24,075 26,492 29,635 43,978 48,363 52,192 56,730 59,893
38 20,691 22,304 24,884 27,343 30,537 45,076 49,513 53,384 57,969 61,162
39 21,426 23,069 25,695 28,196 31,441 46,173 50,660 54,572 59,204 62,428
40 22,164 23,838 26,509 29,051 32,345 47,269 51,805 55,758 60,436 63,691
50 29,707 31,664 34,764 37,689 41,449 58,164 63,167 67,505 72,613 76,154
60 37,485 39,699 43,188 46,459 50,641 68,972 74,397 79,082 84,580 88,379
70 45,442 47,893 51,739 55,329 59,898 79,715 85,527 90,531 96,388 100,425
80 53,540 56,213 60,391 64,278 69,207 90,405 96,578 101,879 108,069 112,329
90 61,754 64,635 69,126 73,291 78,558 101,054 107,565 113,145 119,648 124,116
100 70,065 73,142 77,929 82,358 87,945 111,667 118,498 124,342 131,142 135,807
197
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Bibliografia
199
Dalkmann H., Lanzendorf M., Scheiner J., Verkehrsgenese: Entstehung von Verkehr sowie Po-
tenziale und Grenzen der Gestaltung einer nachhaltigen Mobilität. Studien zur Mobilitäts-
und Verkehrsforschung 5, Mannheim 2004.
Dichtl E., Schobert R., Mehrdimensionale Skalierung – Methodische Grundlagen und betriebs-
wirtschaftliche Grundlagen, München 1979.
Dichtl E., Thomas U., Der Einsatz der Conjoint Measurement im Rahmen der Verpackungsvor-
schung, „Zeitschrift für Marketing 1986”, nr 1.
Dietl J., Marketing, Warszawa 1986.
Dirk F., Schlund W., Eine neue Lösung des alten Skalenproblems, „Planung & Analyse” 2000,
H. 6.
Döring B., Forschungsmethoden und Evaluation, Heidelberg 2006.
Duczmal M., T³uczak A., Statystyka matematyczna. Teoria. Przyk³ady. Zadania, Opole 2012.
Dziuba T., Gospodarki nasycone informacj¹ i wiedz¹, Warszawa 2000.
Eadie W.T., Drijard D., James F.E., Roos M., Sadoulet B., Statistical Methods in Experimental
Physics, Amsterdam: North-Holland 1971.
European Commission, Document Accompanying the White Paper – Roadmap to a Single Euro-
pean Transport Area – Towards a competitive and resource efficient transport system, Brus-
sels 2011.
Fischer G., Einführung in die Theorie psychologische Tests. Grundlagen und Anwendungen,
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Bern 1974.
Flyvbjerg B., Five Misunderstandings about Case Study Research, „Qualitative Inquiry” 2006,
vol. 12, nr 2.
Gather M., Kagermeier A., Lanzendorf M., Geographische Mobilitäts- und Verkehrsforschung.
Studienbücher der Geographie. E. Schweizerbart’sche Verlagsbuchhandlun, Stuttgart 2005.
Gatnar E., Walesiak M., Metody statystycznej analizy wielowymiarowej w badaniach marketin-
gowych, Wroc³aw 2004.
Green P., Tull D. S., Methoden und Techniken der Marketingforschung, Stuttgart 1987.
Gronau W., Freizeitmobilität und Freizeitstile. Ein Praxisorientierter Ansatz zur Modellierung
des Verkehrsmittelwahlverhaltens an Freizeitgroßeinrichtungen, in: Studien zur Mobilitäts-
und Verkehrsforschung, Hrsg. M. Gather, A. Kagermeier, M. Lanzendorf, Band 9, Mann-
heim 2005.
Gottlib L., Well organized ideas fight audience confusion. Proceedings of the 49th Annual Confe-
rence of the Society for Technical Communication, Arlington 2002.
Hafermalz O., Schriftliche Befragung – Möglichkeiten und Grenzen, Studienreihe Betrieb und
Markt, Wiesbaden 1976.
Hamman P., Erichson B., Marktforschung, Stuttgart 2000.
Hamman P., Erichson B., Marktforschung, Stuttgart–New York 1990.
Hammann P., Erichson B., Marktforschung. Methoden – Anwendungen – Praxisbeispiele, Stutt-
gart 2006.
Hanusik K., £angowska U., Modelowanie ekonometryczne procesów spo³eczno-ekonomicz-
nych: procedury obliczeniowe wraz z oprogramowaniem, Opole 1994.
Hildebrandt L., Kausalanalytische Validierung in der Marketingforschung, „Marketing-ZfP”
1998, H. 1.
Holm K., Die Befragung, München 1975.
Johnson R.A., Wichern D.W., Applied Multivariate Statistical Analysis, New Jersey 2002.
JóŸwiak J., Podgórski J., Statystyka od podstaw dla studiów licencjackich, Warszawa 2009.
Kaczmarczyk S., Badania marketingowe. Metody i techniki, Warszawa 2003.
200
Kauf S., Badania rynkowe w sferze marketingu i logistyki, Opole 2004.
Kauf S., The Instruments of Urban Logistics and Mobility Management of Population, „Logistics
& Transport” 2010, nr 1.
Kaufmann S., Schriftliche Befragung, Stuttgart 1997.
Khattak A.J., Rodriguez D., Travel Behavior in Neo-traditional Neighborhood Developments:
A Case Study in USA, Transportation Research Part A 39, Elsevier 2005.
Klimczyk-Bryk M., Ogólne zasady stosowania skal w procesie badania jakoœci us³ug, w: Metody
badañ marketingowych, Kraków 1996.
Konarzewski K., Jak uprawiaæ badania oœwiatowe. Metodologia praktyczna, Warszawa 2000.
Kopta T., Integracja transportu zbiorowego z rowerowym, „Przegl¹d Komunalny” 2007, nr 9.
Krzyka³a F., Metodologia badañ i technik badawczych w socjologii, Koszalin–Poznañ 1986.
Kucher E., Simon H., Durchbruch bei der Preisentscheidung. Conjoint Measurement, eine neue
Technik zur Gewinnoptimierung, „Harvard Manager”1987, nr 3.
Kuß A., Marktforschung. Grundlagen der Datenerhebung und Datenanalyse, Wiesbaden 2012.
Lanzendorf M., Scheiner J., Verkehrsgenese als Herausforderung für Transdisziplinarität.
Stand und Perspektive der Forschung, in: Verkehrsgenese. Entstehung von Verkehr sowie Po-
tenziale und Grenzen der Gestaltung einer nachhaltigen Mobilität. Studien zur Mobilitäts-
und Verkehrsforschung, Hrsg. H. Dalkmann, M. Lanzedorf, J. Schneider, Band 5, Mann-
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
heim 2004.
Luszniewicz A., S³aby T., Analiza wariancji i regresji, Warszawa 1999.
£obocki M., Wprowadzenie do metodologii badañ pedagogicznych, Kraków 2007.
Meffert H., Online-Marketing: Grundlagen der Absatzpolitik in der Net Economy, Wiesbaden
2007.
Meffert, H., Marketingforschung und Käuferverhalten, Wiesbaden 1992.
Mills H.R., Techniques of Technical Training, Londyn 1977.
Mobiliät in Deutschland, Bundesministerium für Verkehr, Bau und Stadtentwicklung,
http://www.mobilitaet-in-deutschland.de/, 2009.
Möhring W., Schlütz D., Die Befragung in der Medien- und Kommunikationswissenschaft: Eine
praxisorientierte Einführung, Wiesbaden 2010.
Mruk H., Sojkin B., Jak prowadziæ badania ankietowe, „Bussines Magazine” 1992, nr 1.
Mynarski S., Analiza danych rynkowych i marketingowych z wykorzystaniem programu
STATISTICA, Kraków 2003.
Mynarski S., Analiza danych rynkowych i marketingowych z wykorzystaniem programu Excel,
Kraków 2006.
Mynarski S., Badania rynkowe w przedsiêbiorstwie, Kraków 2001.
Nowak S., Metody badañ socjologicznych, Warszawa 1965.
Okoñ J., Analiza czynnikowa w psychologii, Warszawa 1968.
Ostasiewicz S., Rusnak Z., Siedlecka U., Statystyka. Elementy teorii i zadania, Wroc³aw 2011.
Pawe³ek B., Wanat S., Zeliaœ A., Prognozowanie ekonomiczne. Teoria. Przyk³ady. Zadania, War-
szawa 2008.
Piasny J., Poziom i jakoœæ ¿ycia ludnoœci oraz Ÿród³a i mierniki ich okreœlania, „Ruch Prawni-
czy, Ekonomiczny i Socjologiczny” 1993, z. 2.
Podstawy marketingu, red. J. Altkorn, Kraków 1998.
Porst R., Fragebogen. Ein Arbeitsbuch, Wiesbaden 2009.
Rinne H. R., Taschenbuch der Statistik, Frankfurt a. M. 2008.
Roess R., Prassa E., McShane W., Traffic Engineering, New Jersey 2004.
201
Rogge H.-J., Marktforschung. Elemente und Methode betrieblicher Informationsgewinnung,
München 1981.
Rószkiewicz M., Metody iloœciowe w badaniach marketingowych, Warszawa 2007.
Rószkiewicz M., Narzêdzia statystyczne w analizach marketingowych, Warszawa 2002.
Sagan A., Analiza preferencji konsumentów z wykorzystaniem programu STATISTICA – anali-
za conjoint i skalowanie wielowymiarowe, http://www.statsoft.pl/czytelnia/artykuly/Anali-
za_preferencji_konsumentow.pdf
Sheffe H., The Analysis of Variance, New York 1999.
Schellhase R., Mobilitätsverhalten im Stadtverkehr. Eine empirische Untersuchung zur Akzep-
tanz verkehrspolitischer Maßnahmen, Wiesbaden 2000.
Scheuch E., Zehnpfennig H., Skalierungsverfahren in der Sozialforschung, in: Handbuch der
empirischen Sozialforschung, Stuttgart 1974.
Scholl A., Die Befragung, Konstanz 2009.
Soko³owski R., Wspó³czesny tabor autobusowy. V Konferencja Naukowo-Techniczna Miasto i
Transport. Nowoczesna komunikacja autobusowa. Materia³y konferencyjne, Warszawa 2011.
Steczkowski J., Zastosowanie metody reprezentacyjnej w badaniach spo³eczno-ekonomicznych,
Warszawa 1988.
Stuart A., Ord K., Arnold S., Kendall’ s Advanced Theory of Statistics. T. 2A, London 1999.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Szewczyk M., Ciesielska M., Podstawy statystyczne badañ marketingowych. Skrypt dla studen-
tów, Opole 2010.
Szo³tysek J., Kreowanie mobilnoœci mieszkañców miast, Warszawa 2011.
Szo³tysek J., Logistyczne aspekty zarz¹dzania przep³ywami osób i ³adunków w miastach, Kato-
wice 2005.
Sztemberg-Lewandowska M., Analiza czynnikowa w badaniach marketingowych, Wroc³aw
2009.
Sztemberg M., Konfirmacyjna analiza czynnikowa jako weryfikacja eksploracyjnej analizy
wieloczynnikowej, w: Pomiar w badaniach rynkowych i marketingowych, red. M. Walesiak,
Wroc³aw 2000.
Sztumski J., Wstêp do metod i technik badañ spo³ecznych, Katowice 2005.
TERM 2001, „Indicators tracking transport and environment integration in the EU”. Draft for
review. European Environment Agency, Copenhagen 2001.
Torgerson W.S., Multidimensional Scaling: I. Theory and Method, „Psychometrika” 1952, nr 17.
Transport – wyniki dzia³alnoœci w latach 2002–2011 r., Warszawa 2012.
Trommsdorff V., Konsumentenverhalten, Stuttgart 2009.
Wieczorkowska G., Kochañski P., Eljaszuk M., Statystyka. Wprowadzenie do analizy danych
sonda¿owych i eksperymentalnych, Warszawa 2003.
Zaborski A., Skalowanie wielowymiarowe w badaniach marketingowych, Wroc³aw 2001.
Zaborski A., Przyk³ady zastosowañ skalowania wielowymiarowego w badaniach marketingo-
wych, w: Pomiar w badaniach rynkowych i marketingowych, red. M. Walesiak, Wroc³aw
2000.
Zastêpa R., Badania statystyczne metod¹ reprezentacyjn¹, Warszawa 1962.
Zemlin B., Das Entscheidungsverhalten bei der Verkehrsmittelwahl, Wuppertal 2005.
Zwerts E., Allaert G., Janssens D., Wets G., Witlox F., How children view their travel behaviour:
a case study from Flanders (Belgium), „Journal of Transport Geography” 2010, nr. 8.
¯ekoñski Z., Z problemów metodologicznych sformu³owania spo³eczno-bytowych celów rozwoju,
„Gospodarka Planowa” 1974, nr 6.
202
ród³a internetowe
http://edroga.pl/inzynieria-ruchu/brd/438-brd-w-miastach
http://ec.europa.eu/transport/themes/strategies/2011_white_paper_en.htm
http://Logistyka.wnp.pl/opole-ma-studium-ukladu-komunikacyjnego-miasta,166772_1_0_0.html
http://lubczasopismo.salon24.pl/Namarginesie/post/255807,czy-warszawa-
ma-3-razy-wiekszy-wskaznik-motoryzacji-od-berlina
http://onlinepubs.trb.org/onlinepubs/tcrp/tcrp_report_88/Guidebook.pdf
http://pl.wikipedia.org/wiki/Komunikacja_miejska_w_Opolu
http://prezentacje.edu.pl/prezentacje
http://psych.colorado.edu/~carey/Courses/PSYC5112/Readings/alpha_Cronbach.pdf
http://rcin.org.pl/Content/13864/Wa51_21864_r1971_nr92_Prace-Geogr.pdf
http://www.axa.de/servlet/PB/show/1188882/AXA_Verkehrssicherheits-Report_2009_
Studienergebnisse.pdf
http://www.hslu.ch/181_ieee_florenz_living___mobility_assessment
http://www.mist-er.com./opole.html
http://www.mobilitaet-in-deutschland.de/
http://www.mynewsdesk.com/se/pressroom/beans-ab/pressrelease/view/beans-noejdkundindex-2012
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
http://www.odn.poznan.pl/doradcy/warsztat/pliki/Pomiar.pdf
http://www.statsoft.pl/czytelnia/marketing/rzetelnosc.pdf
http://www.techbud.com.pl/halas1.htm
http://www.trans.info/message/view/8562.html
http://www.stat.gov.pl/bdl/app/portret.dims
http://www.stat.gov.pl/bdl/app/dane_podgrup.hier?p_id=684802&p_token=1000354736
http://www.yasni.de/kundenbarometer/
www.cki.tu-berlin.de/fileadmin/fg94/CKI/Vortraege_Konferenz_2011/Roland_Edel_v6. pdf
www.skm.warszawa.pl
www.zukunft-mobilitaet.net/2487/strassenverkehr/die-wahren-kosten-eines-kilometers-autofahrt
203
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
Spis rysunków
205
Rysunek 34. Przyk³ad skali wa¿noœci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Rysunek 35. Zwi¹zek miêdzy rzetelnoœci¹ i trafnoœci¹ pomiaru. . . . . . . . . . . . . . . 67
Rysunek 36. Arkusz roboczy 1 – wartoœæ wspó³czynnika a-Cronbacha . . . . . . . . . . 82
Rysunek 37. Czynnoœci wchodz¹ce w sk³ad refakcji danych . . . . . . . . . . . . . . . . 83
Rysunek 38. Zasady klasyfikacji danych uzyskany z pytañ otwartych . . . . . . . . . . 85
Rysunek 39. Przyk³ad klasyfikacji pytania otwartego . . . . . . . . . . . . . . . . . . . . 85
Rysunek 40. Przyk³adowa ksi¹¿ka kodowa . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Rysunek 41. Przyk³adowy zapis pytañ kwestionariuszowych w arkuszu Excel . . . . . 86
Rysunek 42. Przyk³ad kodowania pytania jednoodpowiedziowego . . . . . . . . . . . . . 87
Rysunek 43. Przyk³adowy zapis pytania jednoodpowiedziowego w arkuszu Excel . . . 87
Rysunek 44. Przyk³ad kodowania pytania wieloodpowiedziowego . . . . . . . . . . . . . 88
Rysunek 45. Przyk³adowy zapis pytania wieloodpowiedziowego w arkuszu Excel. . . . 88
Rysunek 46. Przyk³adowy zapis pytania ze skal¹ rang . . . . . . . . . . . . . . . . . . . 89
Rysunek 47. Przyk³adowy zapis pytania ze skal¹ rang w arkuszu Excel . . . . . . . . 89
Rysunek 48. Przyk³adowy zapis pytania wyskalowanego za pomoc¹ skali Likerta . . . 90
Rysunek 49. Podzia³ respondentów ze wzglêdu na czêstotliwoœæ przemieszczania siê
autobusem MZK po mieœcie – wykres kolumnowy . . . . . . . . . . . . . . . . . . . . 92
Rysunek 50. Podzia³ respondentów ze wzglêdu na czêstotliwoœæ przemieszczania siê
taksówk¹ po mieœcie – wykres ko³owy. . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Rysunek 51. Podzia³ respondentów ze wzglêdu na stosunek do twierdzenia: „Œrodki
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
206
Rysunek 73. Arkusz roboczy 12 – okno dialogowe analizy czynnikowej . . . . . . . . . 124
Rysunek 74. Arkusz roboczy 13 – metoda wyodrêbniania czynników . . . . . . . . . . 124
Rysunek 75. Arkusz roboczy 14 – macierz korelacji . . . . . . . . . . . . . . . . . . . . 125
Rysunek 76. Arkusz roboczy 15 – wybór metody wyodrêbniania czynników . . . . . . 126
Rysunek 77. Arkusz roboczy 16 – wyniki analizy czynnikowej . . . . . . . . . . . . . . 126
Rysunek 78. Arkusz roboczy 17 – wartoœci w³asne . . . . . . . . . . . . . . . . . . . . . 127
Rysunek 79. Wykres wartoœci w³asnych . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
Rysunek 80. Arkusz roboczy 18 – wyniki analizy czynnikowej . . . . . . . . . . . . . . 128
Rysunek 81. Arkusz roboczy 19 – szczegó³owe wyniki analizy czynnikowej . . . . . . 129
Rysunek 82. Arkusz roboczy 20 – korelacja resztkowa . . . . . . . . . . . . . . . . . . . 129
Rysunek 83. Arkusz roboczy 21 – odtworzone korelacje . . . . . . . . . . . . . . . . . . 129
Rysunek 84. Arkusz roboczy 22 – ³adunki czynnikowe . . . . . . . . . . . . . . . . . . . 130
Rysunek 85. Arkusz roboczy 23 – okno dialogowe modu³u Analiza czynnikowa . . . . 131
Rysunek 86. Arkusz roboczy 24 – wspó³czynniki wartoœci czynników . . . . . . . . . . 131
Rysunek 87. Arkusz roboczy 25 – szczegó³owe wyniki analizy czynnikowej . . . . . . 132
Rysunek 88. Arkusz roboczy 26 – konfiguracja respondentów w przestrzeni jednego
czynnika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
Rysunek 89. Arkusz roboczy 27 – okno dialogowe Statystyki podstawowe i tabele . . 138
Rysunek 90. Arkusz roboczy 28 – wybór zmiennych . . . . . . . . . . . . . . . . . . . . 139
Rysunek 91. Arkusz roboczy 29 – macierz korelacji . . . . . . . . . . . . . . . . . . . . 139
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
207
Rysunek 117. Podzia³ respondentów ze wzglêdu na dochód i czêstotliwoœæ
korzystania z rowerów . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
Rysunek 118. Œrednie oceny wybranych cech transportu publicznego .. . . . . . . . . . 179
Rysunek 119. Œrednie oceny wybranych cech transportu publicznego wed³ug
podzia³u na p³eæ respondentów . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
Rysunek 120. Œrednie oceny wybranych cech transportu publicznego wed³ug
podzia³u na grupy wiekowe respondentów . . . . . . . . . . . . . . . . . . . . . . . . . 180
Rysunek 121. Ocena sytuacji komunikacyjnej . . . . . . . . . . . . . . . . . . . . . . . . . 181
Rysunek 122. Najwa¿niejsze czynniki, które sk³oni³yby opolan do korzystania
z komunikacji miejskiej . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
Rysunek 123. Najmniej wa¿ne czynniki, które sk³oni³yby opolan do korzystania
z komunikacji miejskiej . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
Rysunek 124. Plan linii PRT-MISTER dla miasta Opola . . . . . . . . . . . . . . . . . 186
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
208
Spis tabel i tablic
209
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12