KaufS TluczakA Metodyitechniki

Uniwersytet Opolski
Opole University
https://repo.uni.opole.pl
Metody i techniki badań ankietowych na przykładzie zachowań

Publikacja / Publication komunikacyjnych opolan,
Kauf Sabina, Tłuczak Agnieszka
Adres publikacji w Repozytorium URL /
https://repo.uni.opole.pl/info/book/UOab142a2b227c4d9b95898e7ddbe0bc3b/
Publication address in Repository
Data opublikowania w Repozytorium /
24 kwi 2018
Deposited in Repository on
Kauf Sabina, Tłuczak Agnieszka: Metody i techniki badań ankietowych na
Cytuj tę wersję / Cite this version przykładzie zachowań komunikacyjnych opolan, 2013, Wydawnictwo
Uniwersytetu Opolskiego, ISBN 9788373955554, 209 p.
Pobrano z https://repo.uni.opole.pl / Downloaded from Repository of Opole University 2024-02-12
opolan
Metody i techniki badañ ankietowych
na przyk³adzie zachowañ komunikacyjnych
UNIWERSYTET OPOLSKI
Sabina Kauf, Agnieszka T³uczak
Metody i techniki badañ ankietowych

na przyk³adzie zachowañ komunikacyjnych
opolan
OPOLE 2013
RECENZCENCI
Marian Duczmal, W³odzimierz Szkutnik
REDAKTOR
Jan Neuberg
REDAKTOR TECHNICZNY
Halina Szczegot
SK£AD KOMPUTEROWY
Jolanta Kotura
KOREKTA
Jan Neuberg
PROJEKT OK£ADKI
Jolanta Brodziak
Ó Copyright by Uniwersytet Opolski

Opole 2013
ISBN 978–83–7395–555–4
Wydawnictwo Uniwersytetu Opolskiego, 45–037 Opole, ul. H. Sienkiewicza 33.

Sk³adanie zam.: tel. 77 441 08 78; 77 441 27 14; e-mail: wydawnictwo@uni.opole.pl.
Druk: ALNUS Sp. z o.o., 30–698 Kraków, ul. Wróblowicka 63, e-mail: biuro@alnus.pl
Wstêp
We wspó³czesnym œwiecie prowadzenie badañ marketingowych staje siê

koniecznoœci¹, i to nie tylko w efektywnym zarz¹dzaniu przedsiêbiorstwami,
ale coraz czêœciej instytucjami publicznymi i jednostkami samorz¹du teryto-
rialnego. Dziêki zastosowaniu badañ mo¿liwa jest nie tylko ocena szans ryn-
kowych, ale tak¿e identyfikacja potrzeb i ¿yczeñ odbiorców.
Jedn¹ z najczêœciej wykorzystywanych metod badawczych jest kwestiona-
riusz ankiety, który umo¿liwia szybkie przebadanie liczebnie du¿ych zbioro-

woœci i poddanie zebranych t¹ drog¹ informacji obróbce iloœciowej. Pomimo
wielu niedoskona³oœci badania ankietowe ciesz¹ siê wielk¹ popularnoœci¹ za-
równo wœród naukowców, jak i praktyków. Stanowi¹ alternatywn¹ technikê
badawcz¹ w sytuacjach, w których nie mo¿na zastosowaæ innych metod ba-
dania opinii publicznej. I choæ badania ankietowe s¹ metod¹ popularn¹, to
autorki niniejszej pozycji nie odnotowa³y na rynku ksi¹¿ki, która w precyzyj-
ny sposób opisywa³aby kolejne kroki ich realizacji wraz z opracowaniem ra-
portu z badañ. Badania ankietowe nie ograniczaj¹ siê bowiem jedynie do bu-
dowy instrumentu pomiarowego i gromadzenia na jego podstawie danych;
obejmuj¹ tak¿e prezentacjê wyników, zastosowanie metod statystyki opiso-
wej i matematycznej.
Deficyt ten sta³ siê impulsem do napisania ksi¹¿ki Metody i techniki ba-
dañ ankietowych na przyk³adzie zachowañ komunikacyjnych opolan. Pozycja
ta, analizuj¹c sposoby przemieszczeñ i efekty wp³ywu transportu na jakoœæ
¿ycia w mieœcie, przedstawia w sposób kompleksowy procedurê realizacji
procesu badawczego z wykorzystaniem kwestionariusza ankietowego. Celem
badañ jest w tym przypadku identyfikacja zachowañ komunikacyjnych mie-
szkañców oraz czynników, które mog¹ wp³yn¹æ na ich zmianê.
Badania ankietowe pozwalaj¹ na pozyskanie stosunkowo du¿ej liczby in-
formacji od respondentów, którzy anonimowo udzielaj¹ odpowiedzi na zada-
ne w kwestionariuszu pytania. Uzyskane t¹ drog¹ dane mog¹ stanowiæ pod-
stawê m.in. diagnozy rzeczywistych potrzeb przewozowych mieszkañców
jednostek terytorialnych czy racjonalizacji i podniesienia efektywnoœci za-
rz¹dzania systemem transportu miejskiego, planowania sieci dróg czy te¿
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
komunikacyjne mieszkañców. Oznacza to, ¿e badania ankietowe mog¹ przy-

czyniæ siê do zmniejszenia kongestii1 oraz dostarczyæ cennych informacji dla
uatrakcyjnienia oferty komunikacji miejskiej, a tak¿e zastosowania instru-
mentów pozwalaj¹cych na zmianê zachowañ komunikacyjnych (np. wprowa-
dzenie op³at za wjazd do centrum).
Zapotrzebowanie na badanie w zakresie zachowañ komunikacyjnych wy-
nika zatem z koniecznoœci dysponowania zarówno informacjami, które w ujê-
ciu rzeczywistym wskazuj¹ najczêœciej realizowane podró¿e wraz z okreœle-
niem ich kierunku, odleg³oœci i motywacji, jak i takimi, które pozwalaj¹ oce-
niæ oczekiwania podró¿uj¹cych wzglêdem przysz³ych inwestycji w rozwój
transportu miejskiego. W zwi¹zku z tym stale roœnie znaczenie rzetelnych
badañ ankietowych, gdy¿ poprzez dostosowan¹ do potrzeb mieszkañców dos-
têpnoœæ komunikacji miejskiej mo¿na zwiêkszyæ czêstotliwoœæ korzystania
z niej.
Waga i znaczenie badania preferencji komunikacyjnych mieszkañców
sk³oni³y nas do przedstawienia w niniejszej pracy podstawowych etapów
procesu badawczego oraz spektrum metod badawczych stosowanych w bada-
niach ankietowych. Podejmowanie decyzji w zakresie kszta³towania ruchu
komunikacyjnego w mieœcie wymaga uzyskania z jednej strony informacji
dotycz¹cych aktualnych zachowañ komunikacyjnych mieszkañców i podsta-
wowych ich determinant, z drugiej zaœ – informacji dotycz¹cych mo¿liwoœci
wprowadzenia zmian zarówno infrastrukturalnych, jak i mentalnoœciowych.
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-
nariusza ankietowego. Ze wzglêdu na istotnoœæ reprezentatywnoœci wyników

nie ominiêto zagadnieñ zwi¹zanych z procedur¹ doboru próby do badañ mo-
bilnoœciowych. W dalszej czêœci (rozdzia³ 3) szczegó³owo omówiono metody
pomiaru i skalowania. Pos³uguj¹c siê przyk³adami, zaprezentowano skale
komparatywne i niekomparatywne najczêœciej wykorzystywane w badaniach
ankietowych. Poniewa¿ istotnym zagadnieniem prowadzenia badañ ankieto-
wych jest u¿ytecznoœæ i wiarygodnoœæ informacji, wskazano podstawowe
b³êdy, które mo¿na pope³niæ w trakcie realizacji ca³ego procesu badawczego.
W rozdziale 4 zaprezentowano za³o¿enia badawcze i hipotezy wykorzystane
w badaniach zachowañ komunikacyjnych mieszkañców Opola. Na konkret-
nych przyk³adach dokonano weryfikacji b³êdnie sformu³owanych pytañ kwe-
stionariuszowych. Rozdzia³ 5 poœwiêcono zagadnieniom zwi¹zanym z meto-
dami redukcji i wizualizacji danych. Omówiono w nim zasady kodowania
odpowiedzi oraz sposoby prezentacji wyników. Kolejne rozdzia³y (6, 7) trak-
tuj¹ o metodach statystycznych s³u¿¹cych do opracowania wyników. Omó-
wiono w nich podstawowe parametry statystyki opisowej, pozwalaj¹ce na
opis struktury badanych jednostek. W kolejnoœci zaprezentowano metody
wnioskowania statystycznego, a w szczególnoœci omówiono procedurê wnio-
skowania hipotez statystycznych (parametrycznych i nieparametrycznych).
Na przyk³adach (z wykorzystaniem programów komputerowych Excel i Sta-
tistica) przedstawiono podstawowe metody analiz statystycznych, takich jak
analiza czynnikowa, skalowanie wielowymiarowe, analiza conjoint czy anali-
za wariancji.
Podsumowanie ksi¹¿ki stanowi omówienie i prezentacja wyników uzys-
kanych w przyk³adowym procesie badawczym dotycz¹cym zachowañ komu-
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.
10
Rozdzia³ I
Zachowania komunikacyjne
a mo¿liwoœci ich kszta³towania
1.1. Pojêcie i determinanty zachowañ komunikacyjnych

Od ponad 60 lat obserwujemy sta³y wzrost liczby mieszkañców miast.
Obecnie ponad 2/3 ludnoœci zamieszkuje obszary zurbanizowane. Roœnie
liczba megamiast, w których mieszka ponad 5 mln ludnoœci. W roku 1950

miast takich by³o jedynie 7, w roku 2006 liczba ich siêgnê³a 49, a prognozuje
siê, ¿e w roku 2020 ma ich byæ 75.
Postêpuj¹ca urbanizacja i wzrost liczby mieszkañców miast stwarza nowe
wyzwania komunikacyjne. Wynikaj¹ one m.in. z permanentnie rosn¹cej mo-
bilnoœci mieszkañców bêd¹cej immanentn¹ cech¹ rozwoju gospodarczego.
Mobilnoœæ jest podstaw¹ ¿ycia, jest odzwierciedleniem niezale¿noœci i wol-
noœci. To ona decyduje o przysz³oœci wspó³czesnego œwiata. Brak mobilnoœci
jest jednoznaczny z ograniczonymi mo¿liwoœciami uczestnictwa w ¿yciu
spo³eczno-gospodarczym. Mobilnoœæ jest czymœ naturalnym. Ka¿dy podró¿u-
je. Samochodem – do pracy i na zakupy, samolotem – do odleg³ych krajów
œwiata. Samochody ciê¿arowe codziennie dostarczaj¹ do sklepów œwie¿e pro-
dukty, a procesy produkcji realizowane s¹ zgodnie z zasad¹ Just in Time.
Wed³ug definicji s³ownikowej „mobilny” to taki, który mo¿e byæ wprawio-
ny w ruch. W takim ujêciu mobilnoœæ zwi¹zana jest ze sposobami poruszania
siê rozpatrywanymi jako efekt pewnych uwarunkowañ i procesów. W ujêciu
szerszym mobilnoœæ stanowi element aktywnoœci cz³owieka. Oznacza sk³on-
noœæ do zmiany miejsca zamieszkania czy pracy2; obejmuje zapewnienie pod-
ró¿nym szerokiego wyboru mo¿liwoœci przemieszczania siê w celu zaspokoje-
nia okreœlonych potrzeb. Mobilnoœæ to tak¿e mo¿liwoœæ pokonywania prze-
strzeni bêd¹ca funkcj¹ dostêpnoœci celu i sytuacji materialnej jednostki3.
W tym kontekœcie jest ona swego rodzaju synonimem opcjonalnoœci celów
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
zachowania komunikacyjne to dzia³ania jednostek w ramach ich mobil-

noœci.
Okreœlaj¹ one podejœcie jednostki do faktu podró¿owania ró¿nymi œrodka-

mi transportu i w ró¿nych celach; obejmuj¹ zwi¹zki miêdzy podejmowanymi
decyzjami a czynnikami spo³eczno-demograficznymi i przestrzennymi. We-
d³ug R. Schellhase5:
zachowania komunikacyjne to liczba przejazdów oraz d³ugoœæ rzeczy-

wiœcie pokonanych przestrzeni, a tak¿e czêstotliwoœæ oraz rodzaj wyko-

rzystanych œrodków komunikacji. To tak¿e kompleks dzia³añ i czynnoœ-
ci maj¹cych na celu zaspokojenie potrzeb przewozowych.
Zachowania komunikacyjne obejmuj¹ ogó³ decyzji w zakresie sposobów

przemieszczania siê, a tak¿e sam proces pokonywania przestrzeni6.
B. Zemlin opisuje je jako rodzaj wykorzystanych przez jednostkê œrodków
komunikacji7. Zachowania komunikacyjne to kompleks dzia³añ i czynnoœci
maj¹cych na celu zaspokojenie potrzeb przewozowych. A wed³ug J. Szo³tyska8
zachowania komunikacyjne obejmuj¹:
ogó³ decyzji w zakresie sposobów przemieszczania siê, a tak¿e sam pro-

ces pokonywania przestrzeni.
Bez przemieszczania siê jednostki nie mia³yby mo¿liwoœci realizacji wielu

potrzeb, zwi¹zanych np. z utrzymaniem b¹dŸ popraw¹ jakoœci ¿ycia, z wypo-
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
wolne od pracy; w przypadku przejazdów obligatoryjnych zachowania komu-

nikacyjne s¹ utrwalone i rutynowe;
· koszt przejazdu, istotny szczególnie w odniesieniu do przejazdów wa-
runkuj¹cych egzystencjê jednostki;
· liczba uczestników;
· kompleksowoœæ trasy.
Do wa¿nych determinant zachowañ komunikacyjnych nale¿¹ tak¿e cechy
spo³eczno-psychologiczne charakteryzuj¹ce zarówno jednostki indywidu-
alne, jak i gospodarstwa domowe, w których jednostki funkcjonuj¹. Na spo-
sób zachowañ komunikacyjnych niew¹tpliwie wp³ywa wiek, który jest war-
toœci¹ graniczn¹ (18 lat) pozwalaj¹c¹ uzyskaæ prawo jazdy i daj¹c¹ mo¿liwoœæ
prowadzenia samochodu. Po przekroczeniu wieku granicznego stale roœnie
liczba korzystaj¹cych z indywidualnej komunikacji samochodowej. Najwiêcej
osób korzystaj¹cych z tej formy komunikacji to osoby w wieku 35–45 lat. Za-
chowania takie znajduj¹ swoje uzasadnienie w klasycznym cyklu ¿ycia ro-
dziny. Wynika z niego, ¿e od momentu za³o¿enia rodziny a¿ do opuszczenia
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-
tywne i trudne w operacjonalizacji. Widoczne jest to szczególnie w przypad-

ku oceny kosztów podró¿y (np. koszt przejechania 1 km samochodem uto¿sa-
miany jest z cen¹ paliwa)14. Zachowania komunikacyjne równie silnie uzale-
¿nione s¹ od czasu podró¿y, a ten jest coraz d³u¿szy. Wynika to zarówno
z wyd³u¿aj¹cych siê tras pokonywanych przez jednostki (np. w dojazdach do
pracy), jak i ze stale rosn¹cej liczby pojazdów zmotoryzowanych. D¹¿¹c do
redukcji czasu podró¿y, jednostki dokonuj¹ wyborów takich œrodków trans-
portu, które pozwol¹ na szybsze dotarcie do celu.
Wspomniane czynniki nie wyczerpuj¹ oczywiœcie problematyki determi-
nant zachowañ komunikacyjnych. Niemniej wskazuj¹ te, które wydaj¹ siê
najistotniejsze.
1.2. Zachowania komunikacyjne a wybór œrodka transportu

Od lat 60 minionego stulecia wybór œrodka transportu jest jedn¹ z podsta-
wowych charakterystyk zachowañ komunikacyjnych mieszkañców15. A te
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
1500
1000
Kraje OECD
500
USA
0
1960 1970 1980 1990 2000 2010 2020 2030
lata
Rysunek 1. Prognoza wzrostu liczby samochodów na œwiecie do roku 2030

ród³o: opracowanie w³asne na podstawie: D. Cohen, Car crazy, „Energy Bulletyn” 2007, vol. 21.
Wzrost ruchu samochodowego widoczny jest tak¿e w polskich miastach,

w których w ostatnich 20 latach wskaŸnik motoryzacji wzrós³ o 100%18. Naj-
wiêkszy wskaŸnik liczby samochodów na 1000 mieszkañców zaobserwowano
w du¿ych aglomeracjach, gdzie przekracza on 600 samochodów19 (rys. 2).
W Warszawie w roku 2009 zarejestrowanych by³o 1189 samochodów na
1000 mieszkañców20. Liczba ta wydaje siê niewiarygodna, ale wymieniona
zosta³a co najmniej w kilku niezale¿nych Ÿród³ach; zaliczyæ do nich mo¿emy
m.in. raport NIK dotycz¹cy dróg w du¿ych miastach i aglomeracjach. Ozna-
cza to, ¿e zw³aszcza w du¿ych miastach zauwa¿alne jest coraz wiêksze
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
Rysunek 2. Liczba pojazdów samochodowych i ci¹gników w tys. sztuk w Polsce w latach

2003–2011
ród³o: opracowanie w³asne na podstawie: Transport – wyniki dzia³alnoœci w latach 2002–2011 r., Warszawa
2012.
zat³oczenie powoduj¹ce znaczne spowolnienie ruchu. I tak np. w Londynie

przed wprowadzeniem op³at za wjazd do centrum po drogach poruszano siê

ze œredni¹ prêdkoœci¹ 15km/h, czyli wolniej ani¿eli pojazdem konnym na
pocz¹tku XIX stulecia. W miastach coraz czêœciej powstaj¹ megazatory dro-
gowe, które nawet na kilka dni sparali¿owaæ mog¹ w nich ¿ycie. Przyk³ada-
mi mog¹ byæ tutaj korki powsta³e w 2010 roku w Pekinie (100 km) i Sao
Paulo (293 km), które sparali¿owa³y ruch w tych miastach na odpowiednio
11 i 9 dni21. Jednoczeœnie prognozy pokazuj¹, i¿ mo¿e nast¹piæ dalszy wzrost
transportu pasa¿erskiego o 34% w 2030 roku i 50% w 2050 roku22.
Wybór œrodka transportu jest wynikiem psychicznego procesu poszuki-

wania przez u¿ytkownika ruchu najlepszej alternatywy przemieszcze-
nia siê.
W formie zagregowanej wybór œrodka transportu prowadzi do podzia³u za-

dañ przewozowych. W ¿yciu przeciêtnego cz³owieka wybór œrodka transpor-
tu stanowi ma³o istotny problem decyzyjny. Jednostka jest przeciêtnie tylko
godzinê w ci¹gu dnia „mobilna”. Pozosta³e 23 godziny spêdza na rozwi¹zy-
waniu innych niezwi¹zanych z mobilnoœci¹ problemów. Pomimo pozornej
trywialnoœci wybór œrodka transportu jako problem decyzyjny zale¿y od wie-
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 Punkt Punkt

wyjœcia przesiadkowy przesiadkowy docelowy
podró¿ pieszo podró¿ podró¿ pieszo
komunikacj¹
miejsk¹
Punkt Punkt Punkt

wyjœcia przesiadkowy docelowy
podró¿ podró¿
samochodem komunikacj¹
miejsk¹
Punkt Punkt Punkt Punkt

wyjœcia przesiadkowy przesiadkowy docelowy
podró¿ rowerem podró¿ podró¿ pieszo
komunikacj¹
miejsk¹
Punkt Punkt
wyjœcia docelowy
podró¿
samochodem
Rysunek 3. Przyk³adowe formy przemieszczania siê w obszarze miasta

ród³o: opracowanie w³asne.
Warunkiem wyboru ró¿nych œrodków transportu jest ich dostêpnoœæ.

Mamy tu na myœli wystêpowanie multimodalnych systemów transportu
indywidualnego, które pozwalaj¹ na ³¹czenie przejazdów komunikacji indy-
widualnej i zbiorowej. Mo¿liwoœci takich systemów rozci¹gaj¹ siê od ³¹czenia
komunikacji samochodowej i zbiorowej a¿ po kombinacje przejazdów rowero-
wych z komunikacj¹ miejsk¹. Dopiero dostêpnoœæ multimodalnych systemów
transportowych stwarza mo¿liwoœæ kszta³towania zachowañ komunikacyj-
nych mieszkañców oraz mo¿liwoœæ redukcji liczby przemieszczeñ dokonywa-
nych przy pomocy indywidualnej komunikacji samochodowej.
Znaczenie systemów multimodalnych wzrasta wraz ze spadkiem gotowoœ-
ci ludnoœci do przemieszczania siê pieszo. Gotowoœæ ta jest zaœ tym mniejsza
im wiêksze s¹ uci¹¿liwoœci drogi, któr¹ nale¿y przemierzyæ23. Jak wynika
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;
· Bike & Ride+Bicykle & Bike – dojazd rowerem z domu do przystanku,

przewóz roweru i kontynuacja podró¿y rowerem.
Na modalny podzia³ wykorzystywanych œrodków transportu wp³ywa
tak¿e po³o¿enie geograficzne miejsc zamieszkania. Specyficzne usytuowanie
domów z infrastruktur¹ w bliskim otoczeniu (tzw. Neo-traditional design)
poci¹ga za sob¹ czêstsze podró¿e na niewielkie odleg³oœci przy jednoczesnym
ograniczeniu wykorzystania indywidualnego transportu samochodowego28.
Podstawowe wady i zalety ró¿nych œrodków transportu przedstawia tab. 1.
Dziœ najczêœciej dokonuje siê wyboru miêdzy komunikacj¹ zbiorow¹ a in-
dywidualn¹ samochodow¹. Transport zbiorowy jest œrodkiem najmniej „tere-
noch³onnym” i zanieczyszczaj¹cym œrodowisko. Nie jest to jednak argument
wystarczaj¹cy, by mieszkañcy miast zrezygnowali z transportu indywidual-
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
Pieszo · mo¿liwoœæ decydowania o trasie · podleganie wp³ywom czynników

· mo¿liwoœæ rozmowy z innymi atmosferycznym
· mo¿liwoœæ obserwacji otoczenia · sposób niepraktyczny dla poko-
· wsparcie zdrowego stylu ¿ycia nywania znacznych odleg³oœci
(chodzenie jest zdrowe, wi¹¿e · powoduje zmêczenie
siê z wysi³kiem fizycznym, jest · stosunkowo d³ugi czas dotarcia
przyjazne œrodowisku) do celu
· brak koniecznoœci wydatkowa-
nia œrodków finansowych
Rower · mo¿liwoœæ decydowania o trasie · podleganie wp³ywom czynników

· mo¿liwoœæ rozmowy z innymi atmosferycznych
jad¹cymi w tê sam¹ stronê · sposób niepraktyczny dla poko-
· mo¿liwoœæ obserwacji otoczenia nywania znacznych odleg³oœci
· wsparcie zdrowego stylu ¿ycia · powoduje zmêczenie
(jazda na rowerze jest zdrowa, · nara¿enia na wypadki drogowe

wymaga wysi³ku fizycznego, · stosunkowo d³ugi czas podró¿y
jest przyjazna œrodowisku)
· szybsze przemieszczanie siê ni¿
piesze
Samochodowa · mo¿liwoœæ decydowania o trasie · nieprzyjazna œrodowisku

komunikacja · praktycznoœæ, szczególnie w sy- · potêguje zjawisko kongestii
indywidualna tuacji nag³ej potrzeby podró¿y, i wyd³u¿a czas podró¿y
dokonywania zakupów, koniecz- · zmusza do koncentracji uwagi
noœci przewo¿enia baga¿y na prowadzeniu samochodu
· brak wp³ywu czynników atmo- · nie daje mo¿liwoœci ruchu i ob-
sferycznych serwacji otoczenia
· stosunkowo krótki czas dojazdu
do celu
· komfort i wygoda
· brak zagro¿enia ze strony ob-
cych
Komunikacja · mo¿liwoœæ rozmowy z innymi · ryzyko du¿ego zat³oczenia

zbiorowa jad¹cymi w tê sam¹ stronê · koniecznoœæ dostosowania w³as-
· mo¿liwoœæ obserwacji otoczenia nego czasu do rozk³adu jazdy
· mo¿liwoœæ wykonywania innych · brak mo¿liwoœci decydowania
czynnoœci o trasie
· mo¿liwoœæ „bycia dowiezionym” · stosunkowo d³ugi czas podró¿y
na miejsce · koniecznoœæ oczekiwania na
· stosunkowo niski koszt przejaz- przystankach
du · czêsto ma³o czytelna informa-
cja na przystanku
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).
Tabela 2. Kryteria porównania komunikacji indywidualnej i zbiorowej
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
sca pracy) przystanku do miejsca pracy)

Koszt · sta³e koszty utrzymania (np. · cena biletu
ubezpieczenia)
· koszty paliwa
· koszty parkowania
Komfort · bezpieczeñstwo w samochodzie · rodzaj œrodka transportu (auto-
· niezale¿noœæ itp. bus, tramwaj, metro)
· wyposa¿enie i wiek œrodka
transportu
· doradztwo i serwis
· wystrój przystanków i ich zada-
szenie
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-
borów. Analiza sposobu przemieszczania siê jest wstêpem do procesu

kszta³towania zachowañ komunikacyjnych. A to stanowi nie lada wyzwanie
dla w³adz wspó³czesnych miast.
1.3. Analiza sposobu przemieszczania siê jako podstawa

1.3. kszta³towania zachowañ komunikacyjnych mieszkañców
Kszta³towanie zachowañ komunikacyjnych mieszkañców zwi¹zane jest

z koniecznoœci¹ gromadzenia informacji dotycz¹cych dotychczasowych sposo-
bów przemieszczania siê mieszkañców. W rozumieniu nauki o zarz¹dzaniu
informacja uto¿samiana jest z wiedz¹ niezbêdn¹ do okreœlenia i wykonania
za³o¿onych celów, w naszym przypadku celem jest ograniczenie iloœci prze-
p³ywów w mieœcie.
Informacja to przyrost wiedzy rozumianej jako skumulowany i wzboga-

cony doœwiadczeniem zasób informacji31.
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:
[DI]+[W] Þ [W+DW] (1)

gdzie:
DI – nowa informacja;
W – dotychczasowa wiedza;
DW – przyrost wiedzy na skutek otrzymanej informacji.
Przyrost wiedzy nie stanowi prostej transformacji iloœci w jakoœæ, gdy¿

du¿a iloœæ danych, wcale nie jest jednoznaczna z posiadaniem wiêkszej wie-
dzy, lecz œwiadczy jedynie o mo¿liwoœci pos³ugiwania siê szerszym zasobem
danych. Niemniej wiedza ka¿dorazowo przyczynia siê do podejmowania de-
cyzji obarczonych mniejszym ryzykiem. I tak w przypadku zachowañ komu-
nikacyjnych dysponowanie wiedz¹ o dotychczasowych sposobach przemiesz-
czania siê stanowi podstawê podejmowania dzia³añ zmierzaj¹cych do zmiany
zachowañ komunikacyjnych.
Wiedzê tê pozyskaæ mo¿na, prowadz¹c zarówno badania pierwotne, jak
i wtórne.
ród³a pierwotne obejmuj¹ informacje, które zbierane s¹ specjalnie,

w celu rozwi¹zania konkretnego problemu decyzyjnego.
Na Ÿród³a wtórne sk³ada siê interpretacja informacji zebranych dla in-
nych celów, a otrzymanych np. z roczników statystycznych.
Przyk³adem pochodz¹cych z pomiaru wtórnego danych dotycz¹cych zacho-

wañ komunikacyjnych mo¿e byæ liczba zarejestrowanych samochodów na
1 mieszkañca czy liczba pasa¿erokilometrów.
Badania zwi¹zane z kszta³towaniem zachowañ komunikacyjnych zazwy-
czaj rozpoczyna siê od analizy danych wtórnych, które mog¹ byæ równie¿ wy-
nikiem pomiarów pierwotnych przeprowadzonych wczeœniej33. Przyk³adem
badañ opartych o dane wtórne mo¿e byæ analiza skarg i wniosków. Analiza
ta mo¿e byæ pomocna np. w lepszym rozpoznaniu potrzeb u¿ytkowników ko-
munikacji miejskiej. W zale¿noœci od potrzeb, po wykorzystaniu dostêpnych
Ÿróde³ wtórnych uruchamia siê Ÿród³a pierwotne. W tym przypadku dane
mo¿emy uzyskaæ zarówno poprzez prowadzenie obserwacji natê¿enia
ruchu w mieœcie, jak i poprzez nawi¹zanie kontaktu z u¿ytkownikami
przestrzeni miejskiej, którzy mog¹ nam tych informacji udzieliæ. Przedmio-
tem obserwacji mo¿e byæ badanie liczby osób przemieszczaj¹cych siê jednym
samochodem osobowym. Przyk³adem mog¹ byæ tutaj badania prowadzone
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:
wywiady g³êbinowe polegaj¹ce na ca³kowicie swobodnej rozmowie ba-

dacza z respondentem. Ze wzglêdu na otwart¹ i niestandaryzowan¹ for-
mê wywiadu respondentowi pozostawiona jest ca³kowita swoboda
w zakresie treœci i formy wypowiedzi.
Taka forma wywiadu umo¿liwia uzyskanie szeregu informacji dotycz¹cych

zachowañ, metod postêpowania oraz preferencji u¿ytkowników ruchu. Rola
prowadz¹cego badanie sprowadza siê do uwa¿nego œledzenia zawartych
w wypowiedzi informacji oraz rejestrowania przebiegu seansu34. Podstawo-
wymi œrodkami wykorzystywanymi przez badaczy s¹ pytania poœrednie, co
wymaga znacznej umiejêtnoœci nawi¹zywania kontaktu z respondentami.
Wywiad ten trwa stosunkowo d³ugo i wymaga niezwyk³ej uwagi oraz skupie-
nia badacza i respondenta.
Uzupe³nieniem wywiadu g³êbinowego jest wywiad zogniskowany, który
polega na koncentracji uwagi u¿ytkownika ruchu na przedmiocie ba-

dania (np. œrodkach komunikacji publicznej.
Wywiady te s¹ istotne np. w procesie projektowania tras przejazdów œrod-

ków komunikacji miejskiej. W trakcie wywiadów uzyskaæ mo¿na informacje
dotycz¹ce np. stopnia gotowoœci mieszkañców do przejœcia pieszo do punktu
przesiadkowego lub do skorzystania np. z koncepcji Bike & Ride.
Pewn¹ odmian¹ wywiadów g³êbinowych swobodnych s¹ równie¿
wywiady grupowe, polegaj¹ce na jednoczesnym poddaniu badaniu

wiêkszej grupy respondentów, którzy w trakcie trwania dyskusji mog¹
siê ze sob¹ kontaktowaæ i komunikowaæ.
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.
Podstawowym celem badañ ankietowych jest uzyskanie odpowiedzi na

uprzednio przygotowane pytania, które zadawane s¹ specjalnie do tego
wybranym osobom37.
Metody ankietowe umo¿liwiaj¹ gromadzenie danych jakoœciowych i iloœ-

ciowych dotycz¹cych m.in.38:
· dotychczasowych zachowañ komunikacyjnych, a w szczególnoœci: iloœci,
rodzaju i czasu przemieszczeñ;
· przysz³ego zachowania mieszkañców, tzn. gotowoœci do zmiany zacho-
wañ komunikacyjnych;
· czynników determinuj¹cych zachowania komunikacyjne, tzn. motywów
i preferencji.
Do metod ankietowych, najczêœciej telefonicznych, zaliczamy tzw. baro-
metr klienta.
Barometr klienta polega na analizie postrzegania komunikacji miej-

skiej przez u¿ytkowników i tych, którzy z tej formy przemieszczania siê
nie korzystaj¹.
Metoda ta wykorzystywana jest np. we W³oszech, gdzie prowadzone s¹

badania obejmuj¹ce ca³y kraj. Okreœla siê w nich, jako cele pocz¹tkowe, in-
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-
woœæ kursowania, liczba przesiadek, punktualnoœæ, czystoœæ, 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
czy te¿ badania deklarowanych preferencji. Metody te wykorzystywane s¹

zw³aszcza w badaniach preferencji mieszkañców w zakresie sposobu postrze-
gania przez podró¿nych takich czynników, jak: czas dojazdu, dostêpnoœæ in-
formacji, postawa pracowników czy komfort jazdy. Tego rodzaju badania an-
kietowe mog¹ przybieraæ formê kwestionariuszy pisemnych, ankiet telefonicz-
nych czy internetowych. Wymagaj¹ jednak wykorzystania specjalistycznych
programów do badañ rynku. I tak np. w Lublanie na S³owenii administracja
miejska prowadzi badania rynku i zapotrzebowania na komunikacjê miejsk¹
metod¹ ankiety internetowej i wywiadów telefonicznych. Obszerne badania
zachowañ komunikacyjnych przeprowadzi³ tak¿e Miêdzynarodowy Instytut
ds. Badania Mobilnoœci w Lucernie (Szwajcaria). Swoim zakresem badania
te objê³y: centrum miasta, potencja³ transportu publicznego, a tak¿e zacho-
wania komunikacyjne. Dotyczy³y one wszelkich form przemieszczania siê,
a ich celem by³a identyfikacja modeli zachowañ komunikacyjnych mieszkañ-
ców41. Podobne badania prowadzone s¹ tak¿e w wielu miastach polskich, ta-
kich jak np. Kraków, Lublin czy Gdynia.
Celem zachêcenia mieszkañców do wziêcia udzia³u w badaniach mo¿na
zastosowaæ ofertê „bezp³atny bilet dla potencjalnych klientów”42. Jej celem
jest nak³onienie potencjalnych u¿ytkowników komunikacji miejskiej do wy-
próbowania tej formy przemieszczania siê w obrêbie miasta. Informacje uzys-
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.
Mo¿na skonstatowaæ, ¿e najczêstsz¹ form¹ badania zachowañ komunika-

cyjnych s¹ badania ankietowe pozwalaj¹ce wskazaæ najczêœciej realizowane
podró¿e wraz z okreœleniem m.in. kierunku, odleg³oœci i motywacji. Pozwa-
laj¹ one jednoczeœnie oceniæ oczekiwania przemieszczaj¹cych siê osób wzglê-
dem potencjalnych inwestycji w rozwój transportu w mieœcie. Badania takie
powinny byæ ukierunkowane w szczególnoœci na wskazanie granic obszarów
w mieœcie, w których istnieje mo¿liwoœæ lub koniecznoœæ dokonania zmian
w proporcjach korzystania z komunikacji indywidualnej i zbiorowej (zmniej-
szenie liczby podró¿y komunikacj¹ indywidualn¹, czêstsze zaœ korzystanie
z komunikacji miejskiej i z innych form przemieszczania siê, np. z roweru).
43
Ibidem.
26
Rozdzia³ II
Badania ankietowe
jako podstawa gromadzenia danych
o zachowaniach komunikacyjnych mieszkañców
2.1. Pojêcie i istota badañ ankietowych

2.1. (kwestionariuszowych)
Badania ankietowe by³y, i s¹ nadal, jedn¹ z podstawowych metod groma-

dzenia informacji o zachowaniach komunikacyjnych, a w szczególnoœci o spo-
sobach przemieszczania siê i postrzegania poszczególnych œrodków komuni-
kacji. Umo¿liwiaj¹ gromadzenie danych jakoœciowych i iloœciowych dotycz¹-
cych zachowañ mobilnoœciowych oraz czynników je determinuj¹cych44. Za-
kres przedmiotowy danych gromadzonych w trakcie badañ ankietowych jest
bardzo szeroki i obejmuje prawie wszystkie elementy postêpowania podró¿-
nych oraz ich reakcje na wprowadzane instrumenty te dzia³ania kszta³-
tuj¹ce. Na podstawie uzyskanych danych mo¿na ustalaæ kierunki dalszych
dzia³añ prowadz¹ce do zmiany niekorzystnych zachowañ komunikacyjnych.
Podstawowym problemem decyzyjnym badañ ankietowych jest sformu³o-
wanie celów, tzn. okreœlenie iloœci i jakoœci informacji, które nale¿y pozy-
skaæ, oraz zdefiniowanie populacji generalnej45. Istotny jest tak¿e sposób re-
alizacji badania, czyli wybór próby badawczej, formy oraz taktyki badania.
Badania ankietowe stosuje siê w celu szybkiego przebadania du¿ych zbio-
rowoœci46. Mo¿na je okreœliæ jako technikê poœredniego gromadzenia infor-
macji47. To technika zbierania danych polegaj¹ca na zaplanowanym wypyty-
waniu badanego.
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:
kwestionariusz to zbiór uprzednio przygotowanych i podporz¹dkowa-

nych badaniu pytañ.
Kwestionariusz mo¿na okreœliæ tak¿e jako zestaw pytañ zapisanych w okreœ-

lony sposób na kartkach papieru lub innej formie w celu wywo³ania ¿¹da-
nych odpowiedzi49. Ankieta nale¿y do badañ skategoryzowanych, tzn. precy-
zyjnie okreœlonych przez zespó³ wytycznych i sposobów postêpowania w³aœci-
wych okreœlonemu badaniu. Ankieta jest narzêdziem badawczym o du¿ym
stopniu standaryzacji. Jest zbiorem celowo zaprojektowanych i odpowiednio
u³o¿onych pytañ. Technika gromadzenia informacji polega na samodziel-
nym, dobrowolnym i œwiadomym wype³nianiu pytañ przez ankietowanego
(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
i dostêpnoœci¹ do szerokiego i rozproszonego na du¿ej przestrzeni grona res-

pondentów; pozwalaj¹ na sta³e œledzenie wyników badania;
· rozdawane – wykorzystywane najczêœciej w badaniach zbiorowoœci
przypadkowych; polegaj¹ na rozdawaniu wybranym osobom kwestionariuszy
do samodzielnego wype³nienia; mog¹ byæ wype³niane na miejscu, np. w ka-
wiarni; w przypadku rozdawania na ulicy ankieter prosi o ich wype³nienie
w domu i odes³anie na wskazany adres.
Istot¹ ankiety jest zadanie pytania, które powinno pobudziæ œwiado-

moœæ respondenta i sk³oniæ go do udzielenia odpowiedzi.
Dobrze skonstruowany kwestionariusz ankiety powinien motywowaæ res-

pondenta do rzetelnego udzielania odpowiedzi, co osi¹gn¹æ mo¿na poprzez
zrozumia³e pytania oraz krótk¹ i logiczn¹ konstrukcjê ankiety. Kwestiona-
riusz powinien zawieraæ tyle pytañ, by umo¿liwiæ udzielenie odpowiedzi
w czasie nie d³u¿szym ni¿ 30 minut. Zalet¹ ankiety jest tak¿e u³atwienie
pracy ankietera, uproszczenie zapisywania danych oraz u³atwienie opraco-
wania wyników.
Pisemn¹ formê badañ ankietowych charakteryzuje jednak szereg wad,
które znacznie ograniczaj¹ wartoœæ uzyskanych t¹ drog¹ informacji. Do pod-
stawowych z nich nale¿y mo¿liwoœæ dotarcia jedynie do tych grup responden-
tów, których znane s¹ adresy zamieszkania, przepadanie zaœ grup incyden-
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.
2.2. Konstrukcja kwestionariusza ankietowego jako warunek

2.2. pozyskania w³aœciwych danych o zachowaniach
2.2. mobilnoœciowych mieszkañców
Pozyskanie w³aœciwych informacji z pomiaru ankietowego wymaga stwo-

rzenia odpowiedniego kwestionariusza zawieraj¹cego zestaw odpowiednich,
z perspektywy respondenta, pytañ. Stworzenie kwestionariusza, który po-
zwoli na prawid³ow¹ identyfikacjê zachowañ komunikacyjnych, nie jest pro-
ste. Ka¿dorazowo wymaga realizacji kilku etapów, spoœród których wymie-
niæ nale¿y:
1) okreœlenie problemów badawczych i celów do ich osi¹gniêcia;
2) stworzenie wstêpnej listy pytañ;
3) dobranie odpowiednich skal do okreœlonych pytañ i odpowiedzi;
4) sprawdzenie i zweryfikowanie pytania;
5) skonstruowanie ca³oœciowego kwestionariusza próbnego;
6) przeprowadzenie badania pilota¿owego;
7) zmodyfikowanie kwestionariusza przy uwzglêdnieniu wyników badañ
wstêpnych;
8) stworzenie ostatecznej wersji kwestionariusza.
W praktyce twórcy kwestionariuszy nie przestrzegaj¹ wspomnianej kolej-
noœci, zw³aszcza pierwszych czterech etapów. Niemniej pamiêtaæ nale¿y, ¿e
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.
Typ szukanych Forma Styl i forma

Treœæ pytañ
informacji odpowiedzi jêzykowa
Rysunek 4. Decyzje podejmowane w trakcie projektowania kwestionariusza ankiety

Ju¿ na etapie projektowania badania konieczne jest zgromadzenie takich

informacji, które pozwol¹ sformu³owaæ hipotezy. Te w znacznym stopniu zwiêk-

szaj¹ trafnoœæ badania. W przypadku kwestionariusza s¹ one pomocne we
w³aœciwym sformu³owaniu pytañ; przyczyniaj¹ siê do zdefiniowania rodzaju
i Ÿróde³ niezbêdnych informacji.
Hipotezê badawcz¹ okreœliæ mo¿emy jako zdanie tymczasowo uznane dla
wyjaœnienia innego zdania, na ogó³ spostrze¿eniowego.
Hipoteza to zdanie oznajmuj¹ce, które zamierzamy udowodniæ.
E. Babbie twierdzi, ¿e hipoteza jest szczegó³owym, sprawdzalnym oczeki-

waniem wobec rzeczywistoœci wynikaj¹cym z ogólniejszej tezy56. Hipoteza
jest twierdzeniem lub domys³em odpowiadaj¹cym na nasze pytania, jak, dla-
czego i w jakim sensie zachodz¹ okreœlone zdarzenia.
Hipoteza wyjaœnia fakty, procesy i zjawiska w zakresie formu³owanych

przez nas zagadnieñ.
Hipotezy formu³owane na potrzeby konstruowania kwestionariusza an-

kietowego s¹ najczêœciej domys³ami, czy przypuszczeniami o wystêpowaniu
zale¿noœci miêdzy rozpatrywanymi zjawiskami, tzn. orzekaj¹ o zwi¹zkach
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.
Hipotezy
badawcze
„im…, tym” „je¿eli…, to”
„im wy¿szy poziom ¿ycia mieszkañców, tym mniejsza

gotowoœæ do korzystania ze œrodków komunikacji publicznej
„je¿eli respondenci posiadaj¹ niewielk¹ wiedzê o negatywnym wp³ywie transportu

indywidualnego na jakoœæ ¿ycia w mieœcie, to nie bêd¹ sk³onni do zmiany
swoich zachowañ komunikacyjnych”
Rysunek 5. Przyk³adowe hipotezy badawcze

Po sformu³owaniu hipotez badawczych mo¿emy dok³adnie wyliczyæ dane,

które bêd¹ niezbêdne do rozwi¹zania okreœlonego problemu badawczego.
Uk³adaj¹c kwestionariusz ankiety, nale¿y zastanowiæ siê, jaki jest cel zada-
nego pytania. Ka¿dy fragment narzêdzia winien byæ celowy. Kwestionariusz
zawieraj¹cy pytania zbêdne powoduje jedynie wzrost kosztów badania.
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
struktura zwykle okreœlana jest przez zdefiniowan¹ populacjê gene-

raln¹ i wynikaj¹c¹ z niej próbê badawcz¹.
Ta powinna byæ jak najbardziej jednorodna. Du¿e wewnêtrzne zró¿nico-

wanie próby badawczej komplikuje formu³owanie pytañ, a czêsto nawet
zmusza do skonstruowania kilku kwestionariuszy. Je¿eli np. w sk³ad próby
badawczej wchodz¹ osoby podsiadaj¹ce samochód lub nie, wówczas dla ka¿-
dej grupy nale¿y skonstruowaæ inny kwestionariusz. Trudno bowiem pytaæ
osoby nieposiadaj¹ce w³asnych œrodków komunikacji o czêstotliwoœæ korzys-
tania z nich b¹dŸ gotowoœæ rezygnacji z takiej formy przemieszczania siê.
Ustalenia te stanowi¹ punkt wyjœcia do sporz¹dzenia wstêpnej listy pytañ
oraz wstêpnego ich wyskalowania59.
Wstêpna lista pytañ i wstêpnie wyskalowane odpowiedzi stano-
wi¹ podstawê opracowania szkicu kwestionariusza. To zaœ polega na
sprawdzeniu poprawnoœci sformu³owania pytañ, zastosowanego s³ownictwa
czy skal. Pierwsze sprawdzenie dokonywane jest przez osobê sporz¹dzaj¹c¹
kwestionariusz i sprowadza siê do ponownej, dog³êbnej analizy ka¿dego py-
tania oraz odpowiedzi. Kolejne sprawdzenie dokonywane jest przez osoby
trzecie, które nie bra³y udzia³u w konstrukcji kwestionariusza. Do ich grona
nale¿¹ zarówno teoretycy, jak i praktycy maj¹cy doœwiadczenie w projekto-
waniu instrumentów pomiarowych; mog¹ to byæ inni badacze czy kierownicy
komórek badawczych i instytucji naukowych, czasem organizacji, na których
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.
Kwestionariusz próbny podlega testowaniu w badaniu pilota¿owym.
Test ten ma ostatecznie wykluczyæ b³êdy w kwestionariuszu, tak by w ba-

daniach w³aœciwych mo¿liwe by³o uzyskanie danych wiarygodnych. Pomiar
próbny przeprowadza siê zazwyczaj na czêœci wybranej próby badawczej; im
wiêksze jest wewnêtrzne zró¿nicowanie próby, tym wiêksza jest próbka po-
miaru pilota¿owego. W literaturze nie ma jednak zgodnoœci co do liczby jed-
nostek, które nale¿y poddaæ pomiarowi. W praktyce pomiar próbny przepro-
wadza siê z regu³y na grupie 12–30 jednostek, przy czym przestrzega siê
zasady, by struktura próbki odzwierciedli³a strukturê próby.
Testowanie kwestionariusza próbnego mo¿na uznaæ za badanie pilota-
¿owe, w trakcie którego sprawdzeniu podlegaj¹ wszystkie etapy badania,
³¹cznie z analiz¹ danych, kodowaniem i tabulacj¹. Po wyeliminowaniu wszel-

kich ujawnionych b³êdów tworzona jest ostateczna wersja kwestionariusza
ankietowego.
2.3. Zasady formu³owania pytañ kwestionariuszowych

2.3. w badaniach zachowañ komunikacyjnych
Przy opracowywaniu kwestionariusza ankiety niezbêdne jest okreœlenie

taktyki prowadzenia badañ. Jednym z zasadniczych zagadnieñ jest zagwa-
rantowanie respondentowi anonimowoœci. Czêsto jest ona warunkiem udzia³u
w badaniu i rzetelnoœci udzielanych odpowiedzi. Dlatego wa¿ne jest zazna-
czenie na wstêpie i konsekwentne przestrzeganie zasady anonimowoœci. Nie
mniej wa¿ne jest zaznaczenie we wstêpie celu ankiety oraz nazwy projektu
badawczego. Jawnoœæ przyczynia siê do prze³amania nieufnoœci responden-
tów do wziêcia udzia³u w badaniu.
W trakcie formu³owania pytañ kwestionariuszowych nale¿y d¹¿yæ do tego,
by pytania by³y dla wszystkich zrozumia³e. Jednak¿e w przypadku zagad-
nieñ trudnych i z³o¿onych konieczne jest opracowanie instrukcji u³atwiaj¹cej
zrozumienie pytañ i wskazuj¹cej sposób udzielania na nie odpowiedzi.
Tekst instrukcji powinien byæ krótki, jasny i rzeczowy.
Konieczne jest wyraŸne przyporz¹dkowanie objaœnieñ do poszczególnych

pytañ zamieszczonych w kwestionariuszu. Mo¿emy wyró¿niæ instrukcje:
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
siê podstawowe, nie nale¿y ich umieszczaæ. Nale¿y skrupulatnie przestrze-

gaæ zasady: ani jedno pytanie ponad koniecznoœæ. Jednak od zasady niezbêd-
noœci dopuszcza siê dwa odstêpstwa. Po pierwsze mo¿emy zadaæ pytanie
neutralne wówczas, kiedy chcemy przygotowaæ respondenta do udzielenia
odpowiedzi na pytania dra¿liwe b¹dŸ kontrowersyjne, a po drugie, gdy chce-
my ukryæ w³aœciwy cel badania.
Po okreœleniu stopnia niezbêdnoœci pytania nale¿y zastanowiæ siê, czy res-
pondent bêdzie zdolny i sk³onny do udzielenia odpowiedzi. Brak sk³on-
noœci respondenta do udzielenia odpowiedzi wynika z regu³y z dra¿liwoœci
czy kontrowersyjnoœci pytania b¹dŸ ingerencji w prywatnoœæ respondenta.
Tego rodzaju pytania s¹ jednak najczêœciej istotne z punktu widzenia bada-
nia. Chc¹c uzyskaæ na nie odpowiedŸ, najlepiej jest zawrzeæ je na koñcu
kwestionariusza, po uprzednim przekonaniu respondenta o jego celowoœci.
Niechêæ do udzielenia odpowiedzi mo¿e byæ Ÿród³em wielu b³êdów. Dlate-
go badacze opracowali szereg metod pozwalaj¹cych na ich minimalizacjê.
Jedn¹ z nich jest metoda losowanych odpowiedzi, która polega na zaprezen-
towaniu respondentowi dwóch pytañ. Jedno z nich jest pytaniem kontrower-
syjnym, a drugie neutralnym (rys. 6). Respondent losowo wybiera pytanie,
na które udzieli odpowiedzi; odpowiedŸ mo¿e byæ twierdz¹ca lub neguj¹ca.
Ankietowany nie informuje badaj¹cego o pytaniu, na które odpowiada, a licz-
ba respondentów, którzy odpowiedzieli twierdz¹co na pytanie kontrowersyj-
ne szacowana jest na podstawie wzoru61:
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.
Czy uprawia³/a Pan/i seks w autobusie

tak nie
Czy korzysta Pan/i z komunikacji publicznej
Rysunek 6. Przyk³ad pytania stosowanego w metodzie losowanych odpowiedzi

Równie¿ niezdolnoœæ do udzielenia odpowiedzi mo¿e byæ Ÿród³em powsta-

wania b³êdów, gdy¿ respondent mo¿e udzielaæ odpowiedzi nieprawdziwych
(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
2. Ile lat ma Pana/i samochód?

do 2 lat
od 3 do 5 lat
od 6 do 10 lat
3. Z jakich œrodków transportu Pan/i najczêœciej powy¿ej 10 lat
2. korzysta?
chodzê pieszo
z roweru
z autobusu
z poci¹gu 4. Jak ocenia Pan/i swoje zadowolenie z poni¿szych
3. cech samochodu?
bardzo dobrze œrednio Ÿle bardzo
dobrze Ÿle
spalanie
wygoda
awaryjnoœæ
bezpieczeñstwo
Dziêkujê za udzia³ w badaniu
Rysunek 7. Przyk³ad pytania filtruj¹cego

1. Czy woli Pan/i samochody
du¿e (o ma³ej pojemnoœci silnika)?
ma³e (o du¿ej pojemnoœci silnika)?
2. Wiêkszoœæ mieszkañców du¿ych aglomeracji twierdzi, ¿e komunikacja miejska funkcjonuje

2. bardzo dobrze. Czy Pan/i te¿ tak uwa¿a?
tak
nie
3. Czy jest Pan/i za wprowadzeniem op³at za wjazd do centrum miasta?

tak
nie
Rysunek 8. Przyk³ad pytania niejednoznacznego, sugestywnego i emocjonalnego

nia ró¿nych odpowiedzi, a to mo¿e poci¹gn¹æ za sob¹ niew³aœciwe wniosko-

wanie i doprowadziæ do zniekszta³cenia wyników (rys. 9).
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?
Rysunek 9. Przyk³ad wp³ywu formy jêzykowo-stylistycznej pytania na odpowiedŸ respondenta

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-
rektywy okreœlaj¹ce kolejnoœæ zadawania pytañ64. Niemniej mo¿na sfor-

mu³owaæ pewne zalecenia. Wa¿ne zatem jest:
· uszeregowanie pytañ w blokach tematycznych wskazuj¹cych na pewn¹
zwart¹, logiczn¹ ca³oœæ;
· przechodzenie od ogó³u do szczegó³u;
· nieumieszczanie jednego za drugim pytañ trudnych i skomplikowanych;
· zadawanie najpierw pytañ o fakty, póŸniej o opinie;
· rozpoczynanie od pytañ niekrêpuj¹cych i stopniowe przechodzenie do
pytañ bardziej osobistych (dra¿liwych);
· przestrzeganie zasady sta³ego wzbudzania zainteresowania;
· umieszczanie na koñcu pytañ metryczkowych.
W celu zweryfikowania poprawnoœci udzielonych przez respondentów od-
powiedzi stosuje siê pytania sprawdzaj¹ce. Za ich pomoc¹ mo¿na spraw-
dziæ, czy udzielone przez badanego odpowiedzi nie by³y tendencyjne. Pytania
takie nie powinny zostaæ zadane w tej samej formie jak to, które ma zostaæ
sprawdzone. Stosuje siê je jedynie w przypadku zagadnieñ szczególnie istot-
nych z punktu widzenia badania.
Pytania kwestionariuszowe mo¿emy podzieliæ na dwie grupy. Pierwsza
obejmuje zagadnienia merytoryczne zwi¹zane z podstawowym celem i przed-
miotem badania. Pytania owe dotycz¹ istoty sprawy, która jest przedmiotem
badania. Wœród tej grupy pytañ wystêpuj¹ najczêœciej te dotycz¹ce:
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);
Wielkoœæ rynku: Czy w ogóle korzysta Pan/i z komunikacji miejskiej?

Udzia³ w rynku: Jakiej marki jest Pana/i samochód?
Schematy zakupów: Jak czêsto korzysta Pan/i z komunikacji miejskiej, kiedy ostatnio?
Wzorce zachowañ: Kto pomóg³ Panu/i przy wyborze marki samochodu?
Przewidywanie zamierzeñ: Czy zamierza Pan/i dokonaæ zakupu samochodu?
Rysunek 10. Przyk³ady pytañ dotycz¹cych zachowañ nabywców

· postaw – identyfikuj¹ pogl¹dy, opinie i wyobra¿enia nabywców na dany

temat, co pozwala na zastosowanie odpowiednich instrumentów oddzia³ywa-
nia i osi¹gniêcie zamierzonych wyników sprzeda¿y i zwiêkszenie udzia³u

w rynku (rys. 11).
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?
Rysunek 11. Przyk³ady pytañ dotycz¹cych postaw nabywców

Druga grupa pytañ kwestionariuszowych zawiera pytania klasyfikacyjne

charakteryzuj¹ce osobê respondenta i jego pozycjê spo³eczno-ekonomiczn¹.
Pytania te zaliczane s¹ do tzw. metryczki. Maj¹ one kluczowe znaczenie
w procesie analizy i interpretacji wyników badania, gdy¿ pozwalaj¹ na kla-
syfikacjê respondentów i wyodrêbnienie tzw. grup segmentacyjnych. Do naj-
czêœciej stosowanych charakterystyk respondenta zaliczamy m.in.: p³eæ,
wiek, wykonywany zawód, dochód, poziom wykszta³cenia, miejsce zamiesz-
kania, stan cywilny, wielkoœæ gospodarstwa domowego, sk³ad osobowy rodzi-
ny. Dobór pytañ w tej grupie ka¿dorazowo warunkowany jest celem badania.
Jest rzecz¹ oczywist¹, ¿e im wiêksza liczba pytañ, tym wiêcej uzyskujemy
podzia³ów segmentowych i trudniejsza staje siê analiza. Dlatego w praktyce
stosuje siê najczêœciej trzy cechy decyduj¹ce o zachowaniach nabywców, co
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.
W pytaniach bezpoœrednich respondent zobowi¹zany jest do udzielenia

bezpoœredniej odpowiedzi na temat swojej osoby lub zachowañ.
W tym przypadku respondent jest ca³kowicie œwiadomy celu badania. Py-

tania takie s¹ ³atwiejsze do sformu³owania, a odpowiedzi nie przysparzaj¹
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.
Pytania poœrednie ukrywaj¹ cel badania i polegaj¹ na identyfikacji

motywów postêpowania konsumenta z wykorzystaniem osób trzecich.
Bazuj¹ one na projekcji osobowoœci, tzn. wychodzi siê z za³o¿enia, ¿e res-

pondent pytany o postêpowanie, zachowania i inne cechy osób trzecich po-
œrednio objawia swoje cechy, nie zdaj¹c sobie z tego sprawy. Zadanie tego sa-
mego pytania w sposób bezpoœredni i poœredni mo¿e prowadziæ do uzyskania
zupe³nie odmiennych wyników (rys. 12).
Czy jest Pan/Pani za wprowadzeniem op³at za wjazd do centrum miasta?

tak
nie
Czy jest w Pana/i rodzinie ktoœ, kto opowiada siê za wprowadzeniem op³at za wjazd
do centrum miasta?
tak
nie
Rysunek 12. Przyk³ad pytania bezpoœredniego i poœredniego

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.
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….
Rysunek 13. Klasyfikacja pytañ ze wzglêdu na stopieñ swobody odpowiedzi

W kwestionariuszach ankietowych szczególnego znaczenia nabieraj¹ rów-

nie¿ pytania skale, które umo¿liwiaj¹ poznanie stopnia czy natê¿enia po-
staw respondentów (rys. 14). W tego rodzaju pytaniach respondent na zapre-
zentowanej mu skali zaznacza swoje preferencje i odczucia w odniesieniu do
przedmiotu badania.
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?
jest bardzo du¿y i powoduje ogromne zat³oczenie (3 pkt.)

jest du¿y, co w godzinach szczytu staje siê uci¹¿liwe (2 pkt.)
jest, ale nie powoduje wiêkszych uci¹¿liwoœci (1 pkt)
jest stosunkowo niewielki i nie sprawia k³opotów w poruszaniu siê (0 pkt.)
Rysunek 14. Przyk³ad zastosowania pytania z podan¹ skal¹ odpowiedzi

Pytania otwarte natomiast dopuszczaj¹ ca³kowit¹ swobodê udzielania od-

powiedzi przez respondenta. Pytania zadane w tej formie s¹ pytaniami
zupe³nie niewyskalowanymi i nieograniczonymi co do treœci, sposobu budo-
wy zdañ, czasu wypowiedzi. W pytaniach tych prosi siê respondenta o samo-
dzielne udzielenie odpowiedzi. Pytania takie s¹ z regu³y trudniejsze i napo-
tykaj¹ na niechêæ respondentów, gdy¿ zmuszaj¹ do myœlenia. To zaœ wyd³u¿a
czas wype³niania kwestionariusza. Jednak¿e pozwalaj¹ na bardziej osobiste
i pog³êbione wyznania; niejednokrotnie zwracaj¹ uwagê na niedostrze¿one
dot¹d aspekty, s¹ Ÿród³em bogatych informacji. Trudniej siê je jednak anali-

zuje. Z praktyki wynika, ¿e szansa uzyskania odpowiedzi na takie pytania
jest niewspó³miernie mniejsza jak w przypadku pytañ zamkniêtych.
W pytaniach ankietowych mog¹ byæ zawarte równie¿ fragmenty dialogów,
opowiadañ, obrazków czy fotografii, które respondent ma skomentowaæ i siê
do nich ustosunkowaæ. Reasumuj¹c, prawid³owo skonstruowany kwestiona-
riusz ankiety powinien obejmowaæ kilka podstawowych elementów, które
przedstawia rys. 15.
Nazwisko osoby, nazwa instytucji przeprowadzaj¹cej badania, adres, nr telefonu;
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.);
Instrukcja (informacja o sposobie udzielania odpowiedzi na konkretne pytanie, zazwyczaj do³¹czona

do pytania, mo¿e byæ pisana inn¹ czcionk¹, np. „podkreœl wybran¹ odpowiedŸ”, „zaznacz znakiem X
wybrane odpowiedzi”, „podkreœl 3 odpowiedzi”);
Metryczka (pytania o dane osobiste i spo³eczno-demograficzne respondenta);
Zakoñczenie.
Rysunek 15. Schemat podstawowych elementów ankiety

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.
2.4. Reprezentatywnoœæ jako kryterium doboru próby

2.4. do badañ mobilnoœciowych
W³aœciwe sformu³owanie pytañ kwestionariuszowych nie jest warunkiem
wystarczaj¹cym uzyskania informacji bêd¹cej podstaw¹ podejmowania kon-
kretnych dzia³añ w zakresie zarz¹dzania ruchem w mieœcie. Decyzje takie
podejmowaæ mo¿na jedynie na podstawie wyników, które pozwalaj¹ na pew-
ne uogólnienia, tzn. spe³niaj¹ kryterium reprezentatywnoœci.
Reprezentatywnoœæ oznacza mo¿liwoœæ wnioskowania o ca³oœci na pod-

stawie wyników uzyskanych z badañ niepe³nych.
Wybrane do badania jednostki powinny stanowiæ miniaturê populacji ge-

neralnej67, co zmusza do wyboru okreœlonej metody doboru próby. Ka¿dy
proces doboru próby poprzedza kilka czynnoœci68:
· okreœlenie populacji generalnej odpowiadaj¹cej zakresowi i przedmioto-
wi badañ;
· sporz¹dzenie wykazu jednostek populacji generalnej (operat losowy);
· zdefiniowanie, na podstawie cech populacji, jednostek próby;
· wybór metody doboru próby;
· okreœlenie liczebnoœci próby.
Poniewa¿ problematyka doboru próby jest w literaturze przedmiotu szero-
ko omawiana, w niniejszym opracowaniu skoncentrujemy siê jedynie na naj-
czêœciej wykorzystywanych metodach doboru próby oraz sposobach okreœla-
nia liczebnoœci próby.
Metody doboru próby do badañ mo¿na najogólniej podzieliæ na losowe
i nielosowe (rys. 16).
Metody losowe polegaj¹ na znanym i okreœlonym prawdopodobieñstwie
dostania siê ka¿dej jednostki do próby badawczej69. Pozwalaj¹ na samorzut-
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
Metody losowe Metody nielosowe

oparte na rachunku prawdopodobieñstwa nieoparte na rachunku prawdopodobieñstwa
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
Rysunek 16. Klasyfikacja metod doboru próby do badañ

ne kszta³towanie siê struktury populacji oraz statystyczne okreœlenie b³êdu

próby losowej. Przeciwieñstwem metody doboru losowego jest metoda dobo-
ru nielosowego. Polega ona na arbitralnym okreœleniu charakterystyk, któ-
rym powinny odpowiadaæ jednostki wchodz¹ce w sk³ad próby badawczej.

W metodzie tej du¿e znaczenie odgrywa subiektywne podejœcie badacza, co
czêsto zagra¿a reprezentatywnoœci próby.
W ramach metod doboru losowego mo¿na wyró¿niæ dobór: prosty, syste-
matyczny, warstwowy, zespo³owy (grupowy), wielostopniowy i wielofazowy
(rys. 17).
Metody doboru losowego
prosty elementy próby s¹ losowane bezpoœrednio z populacji generalnej
systematyczny elementy próby s¹ wybierane w ustalonym odstêpie (k = N/n)
populacja dzielona jest na warstwy o najmniejszym zró¿nicowaniu

warstwowy
wewnêtrznym, a najwiêkszym – miêdzy warstwami
grupowy podzia³ na grupy o najwiêkszym zró¿nicowaniu wewnêtrznym,

a najmniejszym – miêdzy grupami
podzia³ populacji na hierarchiczne warstwy, losowanie grup elementów

wielostopniowy
z ka¿dej warstwy
wielofazowy wybór z populacji du¿ej grupy jednostek, a z niej kilku grup mniejszych
Rysunek 17. Klasyfikacja metod losowego doboru próby do badañ

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-
wê podzia³u na warstwy najczêœciej przyjmuje siê takie cechy, jak: dochody,

wiek, miejsce zamieszkania, gdy¿ s¹ one zwykle najbardziej skorelowane
z analizowanym problemem.
Inn¹ metod¹ doboru próby jest dobór zespo³owy. Jego istot¹ jest podzia³
populacji na grupy jak najbardziej heterogeniczne wewnêtrznie i homogenicz-
ne wzglêdem siebie74. Z kolei dobór wielostopniowy charakteryzuje siê po-
dzia³em zbiorowoœci na warstwy hierarchiczne75. Najpierw losuje siê du¿e
zespo³y jednostek do badania, a nastêpnie zespo³y te dzieli siê na mniejsze
jednostki okreœlane mianem jednostek losowania drugiego stopnia. Te zes-
po³y mo¿na dalej podzieliæ na zespo³y jeszcze mniejsze, a¿ do uzyskania po-
dzia³u na jednostki podstawowe.
W przypadku, kiedy uzyskanie informacji jest stosunkowo trudne, a koszt
badania wysoki, zaleca siê zastosowanie metody doboru wielofazowego. Isto-
ta doboru sprowadza siê do wylosowania najpierw du¿ej grupy jednostek,
a póŸniej z niej jednej lub kilku grup mniejszych76.
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.
Metody doboru nielosowego
rozk³ad cech elementów w próbie ma odpowiadaæ ich rozk³adowi

kwotowy
w ca³ej populacji
jednostek
wybiera siê do badañ „typowych” reprezentantów populacji generalnej
typowych
z próby eliminuje siê wszystkie elementy, które badacz uznaje

przez eliminacjê
za nietypowe
celowy do próby wybiera siê elementy, które odpowiadaj¹ celom badañ

przypadkowy do próby wybiera siê osoby, które zgodzi³y siê na udzia³ w badaniach
Rysunek 18. Klasyfikacja metod nielosowego doboru próby do badañ

Najczêœciej wykorzystywan¹ metod¹ doboru nielosowego jest metoda do-

boru kwotowego. Opiera siê ona na znajomoœci struktury populacji general-
nej z uwzglêdnieniem jej podstawowych cech. W sk³ad próby wchodz¹ wszyst-
kie te jednostki, które spe³niaæ bêd¹ ¿¹dane kryteria w taki sposób, aby ich
stosunek odpowiada³ rozk³adowi w populacji generalnej (rys. 19)78.
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%)
Struktura 500-osobowej próby wynosi:

kobiet 240
mê¿czyzn 260
mieszkañców miast 185
mieszkañców wsi 315
Rysunek 19. Przyk³ad doboru kwotowego

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.
2.5. Wybrane metody doboru reprezentatywnej próby

2.5. badawczej
W badaniach reprezentatywnych opartych na losowych metodach doboru

próby o liczebnoœci próby decyduje zarówno wewnêtrzne zró¿nicowanie po-
pulacji generalnej, schemat losowania, przyjêty poziom ufnoœci, jak i zasto-
sowana metoda estymacji parametrów zbiorowoœci80. Nie bez znaczenia s¹
tak¿e koszty badania.
Wzrost liczebnoœci próby powoduje wzrost precyzji estymatora. Niemniej
liczebnoœæ nie jest uzale¿niona od wielkoœci populacji, lecz od jej wewnêtrz-
nego zró¿nicowania. Wieloletnie doœwiadczenia przedsiêbiorstw prowadz¹-
cych badania pozwoli³y na uogólnienie wielkoœci próby (tab. 3) niezbêdnej do
uzyskania reprezentatywnoœci wyników81.
Zarówno poziom ufnoœci, jak i dopuszczalny b³¹d próby empirycznej mo¿-
na okreœliæ w sposób arbitralny, na podstawie dostêpnych danych oraz po za-
poznaniu siê z opiniami osób w tym zakresie kompetentnych. Ogólnie wiado-
mo, ¿e b³¹d próby empirycznej powinien mieœciæ siê w granicach ± 2%82.
Nieco trudniejsze jest okreœlenie odchylenia standardowego œrednich z po-
szczególnych prób od œredniej z populacji. W literaturze wskazuje siê najczê-
œciej dwa sposoby okreœlania odchylenia standardowego: na podstawie wyni-
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
Typowa wielkoœæ Minimalna wielkoœæ

Rodzaj badania
próby próby
Marketingowe badania rynku 1000–1500 500
Badania strategiczne 400–500 200
Test rynkowy 300–500 200
Test produktu 200–300 200
Test nazwy 200–300 100
Test opakowania 200–300 100
Test reklamy telewizyjnej 200–300 150
Test reklamy radiowej 200–300 150
Test reklamy prasowej 200–300 150
ród³o: H. Mruk, B. Sojkin, Jak prowadziæ badania ankietowe, „Bussines Magazine” 1992, nr 1, s. 53.
ków badania pilota¿owego i na podstawie próby wstêpnej83. Odchylenie

standardowe obliczyæ mo¿na wówczas na podstawie wzoru84:
å (x - x )2
i
i =1
S= (3)
n -1
gdzie: n – liczebnoœæ próby wstêpnej;

x – œredia badanej cechy.
Niezbêdne jest równie¿ okreœlenie stopnia zgodnoœci pomiêdzy struktur¹
próby badawczej a struktur¹ populacji generalnej. Mo¿na tego dokonaæ po-
przez porównanie struktury otrzymanej próby badawczej ze struktur¹ pro-
centow¹ populacji; mo¿liwe jest to tak¿e w wyniku analizy ró¿nic miêdzy pa-
rametrami próby empirycznej i populacji generalnej. Mamy tu na myœli
wartoœæ œredni¹ cechy oraz wariancjê cechy w populacji85.
1 n
S2 = å (xi - x )2
n - 1i = 1
(4)
gdzie: N – liczebnoœæ populacji wstêpnej;

S2 – wariancja cechy;
x – œrednia wartoœæ cechy.
W metodach reprezentacyjnych chodzi o taki dobór próby losowej, aby ró¿-
nica pomiêdzy rzeczywist¹ i oszacowan¹ wartoœci¹ parametru nie przekra-
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
gdzie: n – liczebnoœæ próby;

N – liczebnoœæ populacji generalnej;
D – dopuszczalna tolerancja odchyleñ;
S2 – wariancja cechy;
ta – wartoœæ funkcji testowej odczytywana z tablic t-Studenta na
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
gdzie: S h2 – wariancja w warstwie h populacji;

Wh – frakcja elementów w warstwie h;
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-
po³ów zawieraj¹cych po Ni jednostek. Po dokonaniu podzia³u na zespo³y

z ka¿dej wyodrêbnionej grupy wybiera siê odpowiedni¹ liczbê jednostek, któ-
re zostan¹ poddane badaniu. W przypadku, kiedy liczba jednostek badaw-
czych w poszczególnych grupach jest taka sama, wówczas niezbêdn¹ liczbê
jednostek okreœla siê wed³ug wzoru91:
æ ö
ç ÷
ç K ÷
k =ç 2 2 ÷
(8)
ç 1 + Kn0 d ÷
ç 9 s 02 ÷ø
è
gdzie: K – liczba zespo³ów w populacji generalnej;

d – dopuszczalny poziom b³êdu;
s2 – wariancja.
Aby jednak mo¿na by³o dokonaæ obliczenia liczebnoœci próby na podstawie
wzoru 8, konieczne jest dokonanie obliczeñ pomocniczych na podstawie na-
stêpuj¹cych wzorów:
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)
gdzie: k0 – liczba wylosowanych zespo³ów w próbie wstêpnej;

n0i – liczebnoœæ i-tego zespo³u w próbie wstêpnej;
a0i – suma wartoœci badanej cechy w i-tym zespole próby wstêpnej;
x0 – œrednia wartoœæ badanej cechy w próbie.
Zaprezentowane obliczeniowe metody okreœlenia liczebnoœci próby badaw-
czej nie s¹ metodami jedynymi. Minimaln¹ liczebnoœæ próby obliczyæ mo¿na
wed³ug ró¿nych metod estymacyjnych uzale¿nionych, w szczególnoœci, od
wybranego schematu losowania92.
92
Zagadnienie zwi¹zane z okreœleniem liczebnoœci próby do badañ zosta³o szczegó³owo opra-
cowane w pracy: S. Mynarski, Badania..., s. 27 i n.
51
Rozdzia³ III
Pomiar jako metoda gromadzenia danych
3.1. Pojêcie pomiaru i skalowania
Pomiar to zgodne z przyjêtymi regu³ami przyporz¹dkowanie mierzonym

obiektom symboli w postaci liter, znaków graficznych i liczb, tak by odzwier-
ciedla³y relacje zachodz¹ce miêdzy nimi. Nale¿y pamiêtaæ, ¿e zwi¹zek miê-

dzy liczbami i cechami poddanymi pomiarowi musi mieæ charakter wy³¹czny,
tzn. jedna cecha mo¿e odpowiadaæ tylko jednej liczbie. Sposoby przydzielania
cechom liczb powinny byæ standardowe i stosowane jednolicie. Nie mog¹ tak-
¿e ulegaæ zmianie w stosunku do obiektów i czasu.
Pomiar umo¿liwia liczbowe okreœlenie natê¿enia cech i/lub w³aœciwoœci.
Pomiar zjawisk i procesów rynkowych, takich jak np. zachowania nabyw-
ców, ich postawy, nastawienia i preferencje, nie jest prosty. Wynika to prze-
de wszystkim z jakoœciowego charakteru gromadzonych danych, co znacznie
utrudnia porównania ró¿nic miêdzy respondentami. Jest tak¿e Ÿród³em su-
biektywizmu ocen i interpretacji wyników. Formu³owanie poprawnych uogól-
nieñ mo¿liwe jest jedynie wówczas, kiedy zastosowane zostan¹ odpowiednie
metody skalowania.
Skalowanie jest czynnoœci¹ tworzenia pewnego continuum, na którym

umieszczane s¹ mierzone cechy obiektów.
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
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.
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)
3. Skala przedzia³owa (interwa³owa)

wyniki oceny œrodków komunikacji miejskiej 8,2 6,3 3,2
w skali od 0 do 10
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
Kolejnoœæ zaprezentowania skal nie jest przypadkowa, gdy¿ pocz¹wszy od

skali nominalnej, a na ilorazowej skoñczywszy pomiar jest coraz bardziej
rygorystyczny i umo¿liwiaj¹cy wykonywanie ró¿nego rodzaju dzia³añ mate-
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.
Który z wymienionych czynników sk³oni³ Pana/ni¹ do korzystania ze œrodków komunikacji publicznej?
wysoka cena paliwa

op³ata za wjazd do miasta samochodem indywidualnym
trudnoœci ze znalezieniem miejsca do parkowania w centrum
bliskoœæ przystanków
Rysunek 21. Przyk³ad skali nominalnej werbalnej

Skala porz¹dkowa (niemetryczna) pozwala na klasyfikacjê i porz¹d-

kowanie obiektów wed³ug relacji „wiêkszy – mniejszy – równy”; umo¿liwia
konstruowanie skali rang bez wskazania wielkoœci ró¿nic miêdzy rangami.
Skale porz¹dkowe pozwalaj¹ na u¿ycie statystyk jak w skalach nominal-
nych, a tak¿e opartych na centylach, np. percentyle, kwartyle i mediany.
Skale takie mog¹ byæ jedno- i dwubiegunowe, stopniowe i ci¹g³e. Klasyfika-
cja skal jest roz³¹czna, tzn. skala ci¹g³a i stopniowa mo¿e byæ jedno- i dwu-
biegunowa101.
W skali jednobiegunowej jeden biegun jest negacj¹ drugiego. W skali dwu-
biegunowej – przeciwieñstwem, nie negacj¹. Charakterystyk¹ skal stopnio-
wych jest to, ¿e bez wzglêdu na wystêpuj¹ce bieguny skala podzielona jest
na stopnie w formie przedzia³ów. Inaczej jest w przypadku skal ci¹g³ych, któ-
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).
1. Proszê okreœliæ stopieñ Pana/i zadowolenia z funkcjonowania komunikacji publicznej w mieœcie.

bardzo zadowolony 5 4 3 2 1 w ogóle niezadowolony
2. Jakie znaczenie przypisuje Pan/i punktualnoœci œrodków komunikacji miejskiej?

1 bardzo du¿e
2 du¿e
3 ani du¿e ani ma³e

4 ma³e
5 bardzo ma³e
Rysunek 22. Przyk³ad skal porz¹dkowych: stopniowej jednobiegunowej i dwubiegunowej

Skale przedzia³owe, zwane równie¿ skalami interwa³owymi, pozwalaj¹

nie tylko na stwierdzenie relacji pomiêdzy cechami, ale tak¿e na stwierdze-

nie równoœci odstêpów miêdzy przedzia³ami skali. Na podstawie tak sfor-
mu³owanych jednostek miary mo¿na dok³adnie okreœliæ ró¿nice pomiêdzy
mierzonymi cechami, co z kolei mo¿liwe jest dziêki umownie przyjêtemu
punktowi zerowemu, np. skala temperaturowa. Skale te pozwalaj¹ na zasto-
sowanie metod statystyki opisowej i indukcyjnej, a dla uogólnienia danych
dotycz¹cych populacji generalnej mo¿na stosowaæ testy parametryczne102.
Ich wykorzystanie dostarcza danych iloœciowych.
W badaniach marketingowych czêsto podejmuje siê próby mierzenia cech
nieposiadaj¹cych jednostek miary. W konsekwencji skale porz¹dkowe trak-
towane s¹ jako przedzia³owe. Zabieg taki wymaga za³o¿enia równoœci ró¿nic
miêdzy s¹siaduj¹cymi klasami, tzn. uzasadnienia, ¿e ró¿nice miêdzy warian-
tami odpowiedzi s¹ niewielkie i nie wp³ywaj¹ na obni¿enie poprawnoœci wy-
ników.
Skale stosunkowe, zwane skalami proporcjonalnymi lub ilorazowymi
posiadaj¹ absolutne, neutralne i sta³e zero (np. prêdkoœæ, wielkoœæ popytu),
co pozwala na zastosowanie wszystkich metod analizy statystycznej i induk-
cyjnej (rys. 23). W skalach tych stosunek ka¿dych dwóch punktów jest nieza-
le¿ny od przyjêtych jednostek miary.
Dokonuj¹c skalowania odpowiedzi, pocz¹wszy od skal nominalnych, a na
stosunkowych skoñczywszy, konieczne jest przestrzeganie kilku zasad. Do
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.
1–20% 21–40% 41–60% 61–80% 81–100%
Rysunek 23. Przyk³ad skali stosunkowej

najczêœciej stosowanych zaliczamy: stopieñ zrównowa¿enia, parzystoœæ skali,

jej formê graficzn¹, liczbê kategorii oraz stopieñ wymuszenia odpowiedzi103.
Stopieñ zrównowa¿enia wymaga podjêcia decyzji co do liczby klas oraz
wystêpowania (b¹dŸ nie) klasy œrodkowej. Wyznaczaj¹c klasê œrodkow¹ i jed-
nakow¹ liczbê klas po ka¿dej stronie, tworzymy skalê zrównowa¿on¹. Ró¿na
liczba klas po obu stronach lub wystêpowanie klas o ró¿nej intensywnoœci
wskazuje na skalowanie niezrównowa¿one (rys. 24). Decyzja ta przes¹dza
tak¿e o tym, czy skala bêdzie mia³a pozycjê neutraln¹ (œrodkow¹), czy te¿
nie. Z doœwiadczeñ wynika, ¿e w przypadku wyst¹pienia klasy œrodkowej res-
pondenci wybieraj¹ te wartoœci, które znajduj¹ siê bli¿ej œrodka. Nieprzemy-

œlany wybór liczby klas mo¿e prowadziæ do powstania b³êdu pomiaru.
1. Jak ocenia Pan/i poziom zat³oczenia miasta?
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
Rysunek 24. Przyk³ad skalowania zrównowa¿onego i niezrównowa¿onego w sytuacji zastoso-

wania skali porz¹dkowej
Niezmiernie wa¿na jest tak¿e graficzna forma przedstawienia skali;

skale mog¹ byæ zaprezentowane respondentowi zarówno w formie opisowej,
werbalnej, numerycznej, graficznej, jak i w sposób kombinowany (rys. 25).
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.
1. Jak ocenia Pan/i poziom zat³oczenia miasta?
+2
nadzwyczaj dobrze nadzwyczaj Ÿle

0
1 2 3 4 5 6 7
–2
Rysunek 25. Przyk³ady skal przedzia³owych nieparzystych przedstawionych w ró¿nej formie

graficznej i o ró¿nej liczbie kategorii
W formu³owaniu skal do pomiaru postaw istotnym problemem jest tak¿e

ustalenie stopnia przymusu odpowiedzi. W przypadku narzucenia res-
pondentowi koniecznoœci wyboru jednej z alternatywnych odpowiedzi mamy
do czynienia ze skalowaniem wymuszaj¹cym; umo¿liwienie udzielenia odpo-
wiedzi neutralnej, niewskazuj¹cej na wyraŸn¹ postawê wobec badanego
obiektu wskazuje na skalowanie niewymuszaj¹ce (rys. 26).
Jak ocenia Pan/i funkcjonowanie komunikacji miejskiej w mieœcie X?
bardzo dobrze œrednio bardzo Ÿle nie mam

dobrze Ÿle zdania
6 5 4 3 2 1
Rysunek 26. Przyk³ad skalowania niewymuszaj¹cego

3.2 Komparatywne i niekomparatywne techniki skalowania
Omawiaj¹c problematykê skalowania, nale¿y zwróciæ uwagê na dwie pod-

stawowe jej techniki: komparatywn¹ i niekomparatywn¹. Pierwsza z nich
pozwala na bezpoœrednie porównanie badanych obiektów, w przypadku dru-
giej ka¿dy skaluje obiekt niezale¿nie od pozosta³ych.
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:
zaprezentowaniu respondentowi dwóch obiektów i poproszeniu o wybór

jednego z nich zgodnie z przyjêtymi kryteriami.
Skale alternatywne s¹ zazwyczaj zestawem kilku par cech, w odniesieniu

do których respondent wykazuje okreœlone postawy. Osoba pytana z liczby n
porównywanych obiektów dokonuje [n(n – 1)/2] porównañ. Liczba ocen roœ-
nie szybciej ani¿eli liczba wyró¿nionych obiektów. Zbieranie danych z po-
miaru polega na zliczeniu ocen z kwestionariuszy i zestawieniu ich w tabeli

o liczbie wierszy i kolumn odpowiadaj¹cej liczbie badanych obiektów.
Metoda porównywania parami zosta³a rozwiniêta i udoskonalona przez
Tursthone’a. W literaturze czêsto okreœlana jest jako skala równych
odcinków. Oparta jest o skalowanie jednowymiarowe i obejmuje wszystkie
warianty postawy od bardzo pozytywnej do bardzo negatywnej. Metoda ta
polega na przygotowaniu listy stwierdzeñ, którymi mo¿na scharakteryzowaæ
postawê. Stwierdzenia te powinny dotyczyæ ca³ego spektrum mo¿liwych
postaw. Respondent otrzymuje najczêœciej 15–20 opinii na dany temat
i 11-punktow¹ skalê odpowiedzi, w której 1 oznacza postawê najbardziej
przychyln¹, 6 – neutraln¹ a 11 – najbardziej negatywn¹. Kolejnym stwier-
dzeniom przypisuje siê kolejne liczby, nastêpnie sumuje siê oceny – im
ni¿szy wynik, tym bardziej przychylna postawa.
Tabela 4. WskaŸniki proporcji preferencji cechy i nad cech¹ j
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
W tabeli 4 zilustrowano hipotetyczne wyniki zliczania porównañ dokony-

wanych wed³ug jednego kryterium miêdzy wszystkimi zestawami par spo-
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
uzyskuje siê tablicê rozk³adu zmiennej standaryzowanej, po czym dokonuje

siê zliczenia wartoœci w kolumnach i oblicza siê œredni¹ arytmetyczn¹ dla
ka¿dej kolumny (tab. 5).
Tabela 5. Wartoœci zmiennej standaryzowanej
Cecha i
Pieszo Rowerem Samochodem Autobusem
Cecha j
Pieszo 0
Rowerem 0
Samochodem 0
Autobusem 0
Œrednia
Skala
Ostatni wiersz tabeli podaje znormalizowane wartoœci skali preferencji,

która porz¹dkuje preferowane sposoby poruszania siê po mieœcie w proporcji
odchyleñ od punktu zerowego przyjêtego za punkt odniesienia. Punkt zero-
wy na skali preferencji jest to najni¿sza wartoœæ œrednia ze wszystkich obli-
czonych œrednich. Ostatnim krokiem jest obliczenie odleg³oœci ka¿dego pre-
ferowanego œrodka komunikacji od punktu zerowego, co pozwala na utworze-
nie skali porz¹dkowej preferowanych obiektów (rys. 27).
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
Rysunek 27. Skala porz¹dkowa preferowanych œrodków komunikacji

Kolejn¹ technik¹ skalowania komparatywnego jest rangowanie pole-

gaj¹ce na porz¹dkowaniu przez respondenta wymienionych w kwestionariu-
szu kategorii wed³ug podanego kryterium (rys. 28). Pytania kwestionariu-
szowe wyskalowane s¹ z u¿yciem skali nominalnej, która w wyniku ocen
respondenta przekszta³ca siê w skalê porz¹dkow¹. Skale te s¹ stosunkowo
³atwe w zastosowaniu, natomiast ich efektywnoœæ maleje wraz ze wzrostem
ocenianych cech.
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)
– komfort jazdy
– punktualnoœæ
– rozmieszczenie punktów przesiadkowych
– stan techniczny
– czystoœæ
– uprzejmoœæ kierowców
– sieæ komunikacyjna
– czas dojazdu
Rysunek 28. Przyk³ad pytania z zastosowaniem skali rang

Czêsto wykorzystywana jest tak¿e metoda sumowanych ocen, która

mo¿e wystêpowaæ w dwóch odmianach: porównawczej (per analogia do skali
porównywania parami) i rangowej. Dla odzwierciedlenia znaczenia poszcze-
gólnych atrybutów respondent przypisuje im wartoœci liczbowe, tak by suma
dawa³a 10 lub 100 punktów (rys. 29). Je¿eli respondent uzna, ¿e atrybut nie
jest wa¿ny, przydziela mu 0, je¿eli jest wa¿ny, to np. 25 punktów.
Œrednie wartoœci wyników pomiarów obliczone dla ka¿dego przedzia³u
rangowej skali sumowanych ocen tworz¹ przybli¿on¹ skalê przedzia³ow¹,
która jest ³atwa w zastosowaniu i w porównaniu ze skal¹ porównania para-
mi dostarcza wiêkszej liczby informacji.
Do podstawowych korzyœci wykorzystania skal komparatywnych zalicza-
my m.in.:
· mo¿liwoœæ wykrycia nawet niewielkich ró¿nic miêdzy badanymi obiek-
tami;
· wystêpowanie takich samych punktów odniesienia dla wszystkich ba-
danych;
61
Proszê podzieliæ 100 punktów miêdzy wymienione ni¿ej atrybuty œrodków komunikacji miejskiej,
tak by podzia³ odzwierciedla³ znaczenie cechy:
komfort jazdy
punktualnoœæ
rozmieszczenie punktów przesiadkowych
stan techniczny
czystoœæ
uprzejmoœæ kierowców
sieæ komunikacyjna
czas dojazdu
Razem: 100 punktów
Rysunek 29. Przyk³ad pytania z zastosowaniem rangowej skali sumowanych ocen

· ³atwoœæ zastosowania i zrozumienia;

· wymaganie niewielkiej liczby za³o¿eñ teoretycznych.
Wad¹ jest natomiast porz¹dkowy charakter danych, a tak¿e mo¿liwoœci
budowania generalizacji poza populacj¹ skalowanych obiektów badañ.
Oprócz komparatywnych technik skalowania wykorzystaæ mo¿na tak¿e

techniki niekomparatywne, wœród których odnajdujemy m.in. metody: Li-
kerta, Stapela i profili polaryzacji, tzw. dyferencja³u semantycznego Osgooda.
Metody te nale¿¹ do skalowania jednowymiarowego; s¹ one wykorzys-
tywane do pomiaru postaw nabywców indywidualnych lub grupowych wzglê-
dem okreœlonych obiektów. S¹ to skale sk³adaj¹ce siê z wielu skal elementa-
rnych, g³ównie, porz¹dkowych106. Sumowanie wartoœci liczbowych zakreœlo-
nych przez respondentów pozwala na ocenê ich postaw wzglêdem badanego
obiektu. W metodach tych im wynik jest wy¿szy, tym postawa bardziej pozy-
tywna107.
Metoda Likerta polega na budowaniu skali sk³adaj¹cej siê z wielu krót-
kich zdañ opisuj¹cych postawy wobec badanego obiektu. Wszystkim pozy-
cjom skal przyporz¹dkowuje siê skale intensywnoœci, zazwyczaj porz¹dkowe,
dwubiegunowe. W kwestionariuszu stopnie opisane s¹ werbalnie i nume-
rycznie108. Wartoœci numeryczne stanowi¹ jedynie informacje dla badaczy
i nie s¹ podawane do wiadomoœci respondentom (rys. 30).
Przypisana wartoœæ numeryczna oznacza pozytywne (wartoœci wy¿sze)
b¹dŸ negatywne (wartoœci ni¿sze) nastawienie respondenta wobec oceniane-
go obiektu. Wartoœci numeryczne skal porz¹dkowych nie s¹ podawane
w kwestionariuszu. Kierunek przyporz¹dkowywania wartoœci numerycznych
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.
ca³kowicie siê zgadzam ani tak, nie zgadzam ca³kowicie siê

zgadzam siê ani nie siê nie zgadzam
1. Œrodki komunikacji miejskiej

1 2 3 4 5
s¹ niepunktualne
2. Jest wystarczaj¹ca liczba

punktów przesiadkowych 5 4 3 2 1
3. Zbyt ma³a jest czêstotliwoœæ

kursowania komunikacji miejskiej 1 2 3 4 5
4. Cena biletów komunikacji

miejskiej jest odpowiednia 5 4 3 2 1
Rysunek 30. Przyk³ad zastosowania skali Likerta

uzale¿niony jest od sprzyjaj¹cego b¹dŸ niesprzyjaj¹cego (dla postaw) sfor-

mu³owania pozycji skali109. Celem odwrotnego przypisania wartoœci numery-

cznych jest unikniêcie sprzecznoœci w zliczanych kwestionariuszach. Suma
ocen œwiadczy o postawie nabywców wzglêdem ocenianego obiektu, tzn. res-
pondenci, którzy uzyskali wy¿sz¹ liczbê punktów charakteryzuj¹ siê nasta-
wieniem pozytywnym, a ni¿sz¹ – negatywnym. Podstawow¹ trudnoœci¹
w kszta³towaniu skal Likerta jest okreœlenie poszczególnych pozycji skal110.
Metoda Stapela s³u¿y do pomiaru zarówno kierunku, jak i natê¿enia po-
staw wzglêdem ocenianych obiektów. Metoda ta polega na zbudowaniu skali
sk³adaj¹cej siê najczêœciej z zestawu kilku skal jednobiegunowych, na któ-
rych respondent zaznacza odpowiedni¹ wartoœæ odzwierciedlaj¹c¹ jego wyob-
ra¿enia, preferencje i odczucia (rys. 31)111. W podanym przyk³adzie nie
uwzglêdniono przedzia³ów neutralnych, co wskazuje na zastosowanie zasady
skalowania wymuszaj¹cego. Omawiana tu metoda najczêœciej wykorzytywa-
na jest do pomiarów opinii i wyobra¿eñ o punktach sprzeda¿y, nowych pro-
duktach czy zastosowanych œrodkach reklamy.
Metoda profili polaryzacji wychodzi z za³o¿enia, ¿e ocena cech badane-
go obiektu i gotowoœci nabywcy do jego zakupu nie mo¿e zostaæ dokonana
poprzez ocenê pojedynczych cech czy elementów. Efektywn¹ ocenê badanego
obiektu uzyskujemy poprzez ocenê wielu jego cech. Te, w zale¿noœci od obra-
nej metody badania, mog¹ byæ mierzone przy wykorzystaniu ró¿nych skal112,
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.
czystoœæ wygoda dostêpnoœæ punktualnoœæ

+3 +3 +3 +3
+2 +2 +2 +2
+1 +1 +1 +1
–1 –1 –1 –1
–2 –2 –2 –2
Rysunek 31. Przyk³ad zastosowania skali Stapela

najczêœciej porz¹dkowych odzwierciedlaj¹cych obraz badanego obiektu zapa-

miêtanego przez konsumenta. W metodzie tej respondenci proszeni s¹ o do-
konanie oceny ka¿dej z zaprezentowanych im cech. Ocen dokonuj¹ poprzez
zakreœlenie na skali intensywnoœci takiej wielkoœci, która najbardziej odpo-

wiada ich preferencjom i upodobaniom. Budowa skali polega na doborze od-
powiednich cech oznaczonych par¹ antonimów, a liczba przedzia³ów je dzie-
l¹cych mo¿e byæ ró¿na113. Najczêœciej liczba ta jest siedmiostopniowa zawie-
raj¹ca przedzia³ œrodkowy (neutralny), co oznacza zastosowanie skalowania
niewymuszaj¹cego (rys. 32).
Ocena postaw nabywców dokonywana jest przez zliczenie wszystkich skal
z wszystkich kwestionariuszy i zaprezentowanie ich w postaci szeregów sta-
tystycznych. Prezentacja wyników ma zazwyczaj postaæ wykresu odzwiercie-
dlaj¹cego preferencje i image badanego obiektu. Konstrukcja profili polary-
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
Rysunek 32. Przyk³ad zastosowania skali semantycznej

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
brudny czysty
œrodek 1 œrodek 2
Rysunek 33. Hipotetyczny profil postaw i preferencji wobec dwóch œrodków komunikacji miejskiej
Szczególn¹ form¹ psychograficznego skalowania bezpoœredniego jest tzw.

skalowanie wa¿noœci (Magnitude-Skalierung)115, wed³ug którego szeregu-
je siê cechy od „w ogóle nieistotnych” do „bardzo istotnych” (rys. 34). Konsek-
wencj¹ takiego skalowania jest zaznaczenie przez respondentów na skali
preferencji odpowiedzi bez z góry okreœlonych granic kategorii.
Jakie znaczenie maj¹ dla Pana/i poni¿sze atrybuty komunikacji miejskiej?
ca³kowicie niezbyt doœæ istotne bardzo

nieistotne istotne istotne istotne
1 2 3 4 5
punktualnoœæ
dostêpnoœæ
szybkoœæ
Rysunek 34. Przyk³ad skali wa¿noœci

114
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.
3.3. Wiarygodnoœæ pomiaru jako warunek u¿ytecznoœci

3.3. informacji
Zgromadzone w trakcie badania informacje rzadko w pe³ni odzwiercied-

laj¹ rzeczywistoœæ. Czêsto mo¿emy jedynie szacowaæ, na ile udzielone przez
respondentów odpowiedzi s¹ wiarygodne116.
Wiarygodnoœæ zapewnia siê poprzez rzetelnoœæ i trafnoœæ danych uzy-

skanych w trakcie pomiarów.
Informacje wiarygodne to takie, które przyczyniaj¹ siê do podjêcia

w³aœciwych decyzji. Na wiarygodnoœæ wyników du¿y wp³yw wywiera forma
i jakoœæ instrumentów pomiarowych117. Przyjmuje siê, ¿e instrument pomia-
rowy dostarczy wyników trafnych wówczas, kiedy bêdzie mierzy³ tê cechê,
któr¹ powinien. Wyniki trafne pozbawione s¹ b³êdów systematycznych, tzn.
takich, których wartoœæ wzrasta wraz ze wzrostem wielkoœci próby. O rzetel-
noœci œwiadczy taki sam wynik uzyskany z pomiaru powtórzonego. Wyniki
rzetelne pozbawione s¹ b³êdów przypadkowych, czyli takich, które nie
wzrastaj¹ wraz ze wzrostem liczebnoœci próby118. Mo¿liwoœæ kombinacji
trafnoœci i rzetelnoœci pomiaru prowadzi do wyodrêbnienia czterech rodza-
jów b³êdu (tab. 6).
Czêstoœæ wystêpowania b³êdów stwarza koniecznoœæ oceny, w trakcie oraz
po badaniu, stopnia wiarygodnoœci uzyskanych danych. Zaniedbanie tego
mo¿e skutkowaæ uzyskaniem nieprawdziwych informacji i podjêciem b³êd-
nych decyzji.
Pomiêdzy rzetelnoœci¹ a trafnoœci¹ pomiaru zachodz¹ oczywiste zwi¹zki,
które ukazuje rys. 35.
Wysoka rzetelnoœæ gwarantuje, ¿e uzyskane w kolejnych pomiarach war-
toœci s¹ zbli¿one do badanej zmiennej, lecz nie gwarantuje to, ¿e uzyska ona
swój prawdziwy poziom. Natomiast konsekwencj¹ wysokiej trafnoœci jest
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
Pomiary Rzetelne Nierzetelne

Trafne · ograniczaj¹ i eliminuj¹ b³êdy syste- · obarczone s¹ ma³ymi b³êdami sy-
matyczne oraz przypadkowe stematycznymi i du¿ymi przypadko-
· zapewniaj¹ uzyskanie wyników wymi
zgodnych z celem badañ · niewystarczaj¹ca rzetelnoœæ pomia-
rów zmniejsza ich trafnoœæ
· uzyskane wyniki mog¹ byæ niewy-
starczaj¹ce dla osi¹gniêcia celu ba-
dañ
Nietrafne · obarczone s¹ ma³ymi b³êdami przy- · obarczone s¹ du¿ymi b³êdami syste-
padkowymi i du¿ymi systematy- matycznymi i przypadkowymi
cznymi · wyniki z takich badañ s¹ nieprzy-
· uzyskane wyniki nie zawsze s¹ datne i niewiarygodne
przyczyn¹ niezrealizowania celu ba-
dania
ród³o: opracowanie w³asne na podstawie: S. Kaczmarczyk, Badania marketingowe. Metody i techniki, Warszawa
2003, s. 117 i n.
du¿a
x x
x xx
x x x
x x xx
x
Trafnoœæ
xx
x
x x
x
x x x xx
x x xx x x
ma³a
ma³a du¿a
Rzetelnoœæ
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.
równomierne odchylenie poszczególnych pomiarów od prawdziwej wartoœci.

Konkluduj¹c: wysoka rzetelnoœæ nie poci¹ga za sob¹ wysokiej trafnoœci po-
miaru, lecz w sytuacji, gdy jest ona niska, to niska jest równie¿ trafnoœæ.
Przy ma³ej dok³adnoœci pomiaru zwiêksza siê wartoœæ wariancji pomiaru.
Trafnoœæ i rzetelnoœæ mo¿na mierzyæ. Najprostszy wspó³czynnik rzetelnoœ-
ci pomiaru jest stosunkiem wariancji prawdziwej wartoœci badanej zmiennej
(xj) do wariancji pomiaru:
s 2 ( x Tj )
rx j x j = (11)
s 2 (x j )
gdzie: xij – wartoœæ zmiennej xj uzyskana w i-tym pomiarze;
x ijT – prawdziwa wartoœæ zmiennej.
67
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 )
gdzie: r ( x i , x j ) – œrednia wartoœæ wspó³czynnika korelacji miêdzy poszczegól-

nymi pozycjami skali.
· Metoda Kudera-Richardsona opieraj¹ca siê na za³o¿eniu, ¿e ka¿dy
instrument mo¿na podzieliæ na tyle czêœci, ile jest w nim pozycji, a ka¿da po-
zycja rozpatrywana jest jako oddzielny instrument. W praktyce najczêœciej

stosowany jest wzór oznaczony symbolem KR20126:
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
gdzie: pj – frakcja odpowiedzi prawid³owych j-tej pozycji;

qj – frakcja odpowiedzi nieprawid³owych.
W przypadku, gdy wszystkie pozycje skali sumarycznej maj¹ jednakowy
stopieñ trudnoœci wzór 15 przyjmuje prostsz¹ postaæ KR21:
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
gdzie: vj – wariancja j-tej pozycji w skali wymagaj¹cej udzielenia odpowiedzi

przez respondenta jednej z m odpowiedzi:
2
m
æ m ö
v j = å w l2 p l - çç å w l p l ÷
÷ (18)
èl =1 ø
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.
3.4. U¿ytecznoœæ informacji i rodzaje b³êdów pope³nianych

3.4. w trakcie badania
Zgromadzone w trakcie badania informacje s¹ przydatne w procesie po-

dejmowania decyzji wówczas, gdy spe³niaj¹ kryteria131:
· adekwatnoœci i kompleksowoœci – w trakcie badania powinny byæ gro-
madzone tylko te informacje, które s¹ istotne dla rozwi¹zania problemu ba-
dawczego i zorientowane na realizacjê przyjêtych celów decyzyjnych; podsta-
wy informacyjne s¹ niepe³ne wówczas, kiedy czêœæ niezbêdnych do podjêcia
decyzji informacji jest decydentom nieznana;
· dok³adnoœci – czyli aspektów formalnych, na które sk³ada siê niezawod-
noœæ informacji przejawiaj¹ca siê w stabilnoœci wyników, i aspektów mate-
rialnych znajduj¹cych swoje odzwierciedlenie w stopniu odchyleñ uzyska-
nych wyników od stanu faktycznego;
· dostêpnoœci – odnosz¹cej siê do aktualnoœci uzyskiwanych informacji;
systematyczne gromadzenie, przetwarzanie i analizowanie danych jest bo-
wiem celowe jedynie wówczas, kiedy potrzebne informacje docieraj¹ w odpo-
wiednim czasie, iloœci i jakoœci do osób, które na ich podstawie podejmuj¹ de-
cyzje; tylko wówczas mo¿liwe jest szybkie dostosowywanie dzia³añ rynkowych
przedsiêbiorstwa do zmieniaj¹cych siê warunków otoczenia.
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-
ne, o czym ju¿ wspomniano.

W literaturze przedmiotu spotkaæ mo¿na tak¿e podzia³ na b³êdy zwi¹zane
z doborem próby do badañ oraz b³êdy pojawiaj¹ce siê na pozosta³ych etapach
procesu badawczego (tab. 7). Ka¿dy z b³êdów jest efektem ró¿nicy miêdzy
stanem faktycznym a wynikami badañ.
Tabela 7. Klasyfikacja b³êdów pope³nianych w trakcie badania
B³êdy doboru próby Pozosta³e b³êdy
specyfikacji populacji problemu badawczego

operacjonalizacji próby pomiaru
selekcji braku odpowiedzi
operatu losowego redukcji danych
analizy i interpretacji
prezentacji i oceny wyników
ród³o: S. Kauf, Badania rynkowe w sferze marketingu i logistyki, Opole 2004.
Najszersz¹ grupê obejmuj¹ b³êdy pojawiaj¹ce siê w ca³ym procesie doboru

próby. Do najwa¿niejszych z nich zaliczamy134:
· b³¹d specyfikacji populacji, który powstaje w wyniku niepra-
wid³owego wyspecyfikowania populacji generalnej, b³¹d ten wynika z wystê-
powania ró¿nicy pomiêdzy populacj¹ gwarantuj¹c¹ uzyskanie niezbêdnych
wyników a populacj¹ szukan¹ przez badacza, np. przyjêcie za populacjê ge-
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-
stek populacji generalnej s³u¿¹ przestarza³e spisy ludnoœci.

Jednym z najczêstszych b³êdów powstaj¹cych w procesie badawczym jest
b³¹d problemu badawczego. Jest on zwi¹zany z wystêpowaniem ró¿nicy
miêdzy informacjami, które s¹ niezbêdne do rozwi¹zania problemu badaw-
czego, a informacjami faktycznie uzyskanymi w trakcie badania. Minimali-
zacja tego b³êdu wymaga dok³adnego wyliczenia przed rozpoczêciem badania
wszystkich niezbêdnych danych, które nale¿y zgromadziæ135.
B³¹d pomiaru mo¿e mieæ kilka Ÿróde³: pocz¹wszy od wadliwego zaprojek-
towania instrumentu pomiarowego poprzez b³êdne przeprowadzenie bada-
nia a¿ po niew³aœciwe rejestrowanie, kodowanie i przetwarzanie zgromadzo-
nych danych136. ród³em b³êdów mo¿e byæ np. Ÿle skonstruowany kwestiona-
riusz ankiety.
Czêsto spotykanym b³êdem jest równie¿ b³¹d braku odpowiedzi po-
wstaj¹cy w sytuacji, kiedy czêœæ respondentów staje siê nieuchwytna b¹dŸ
odmawia udzia³u w badaniu137. B³¹d mo¿e powstaæ równie¿ wówczas, kiedy
respondenci odmawiaj¹ odpowiedzi na pytania np. kontrowersyjne czy osobi-
ste. Niedostêpnoœæ respondentów jako przyczyna powstawania b³êdów poja-
wia siê najczêœciej w przypadku prowadzenia badañ ankietowych drog¹ po-
cztow¹ lub prasow¹.
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
prezentacji wyników czy zastosowanie niew³aœciwych, wprowadzaj¹cych

w b³¹d prezentacji graficznych.
Prowadz¹c badanie, d¹¿y siê ka¿dorazowo do uzyskania informacji jak
najbardziej prawid³owych, obarczonych jak najmniejszymi b³êdami. Dlatego
te¿ jednym z najistotniejszych zagadnieñ zwi¹zanych z procesem badaw-
czym staje siê d¹¿enie do minimalizacji powstaj¹cych w wyniku procesu ba-
dawczego b³êdów. W literaturze spotyka siê trzy podstawowe podejœcia do
problematyki minimalizacji b³êdów139:
· poprzez efektywne projektowanie badania, w którego trakcie np. przez
zwiêkszenie lub zmniejszenie liczebnoœci próby mo¿na uzyskaæ mniejsze
zniekszta³cenia; zwiêkszenie liczebnoœci podnosi jednak koszty;
· poprzez zamianê b³êdów, np. zamianê b³êdu doboru próby na b³¹d bra-
ku odpowiedzi; jest to mo¿liwe dziêki redukcji liczebnoœci próby, powoduj¹cej
jednak wzrost powsta³ego b³êdu; zaoszczêdzone zasoby finansowe mog¹ zo-
staæ przeznaczone m.in. na ponowne wys³anie do respondentów kwestiona-
riusza;
· przez pomiar lub oszacowanie pozosta³ych b³êdów.
Poza wymienionymi istnieje jeszcze szereg innych b³êdów, g³ównie o cha-
rakterze przypadkowym, które jednak nie wp³ywaj¹, lub wp³ywaj¹ w bardzo
niewielkim stopniu, na zniekszta³cenie wyników badañ, dlatego te¿ nie
zosta³y one tutaj omówione.
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
Budowa kwestionariusza ankietowego

na potrzeby gromadzenia danych
o zachowaniach komunikacyjnych
4.1. Za³o¿enia badawcze i formu³owanie hipotez

Z problemami komunikacyjnymi borykaj¹ siê obecnie chyba wszystkie

miasta, równie¿ Opole. Wystarczy wyjechaæ na drogi, szczególnie w godzi-
nach szczytu, ¿eby zobaczyæ miasto ca³kowicie zakorkowane. Ka¿dy podró¿u-
je: do pracy, do szko³y czy na zakupy. Znaczny odsetek przejazdów realizo-
wany jest samochodami osobowymi, w których przemieszcza siê jedna do
dwóch osób. Powstaj¹ce zatory wyd³u¿aj¹ czas podró¿y. Jak twierdzi przed-
stawiciel katowickiej firmy Inkom, bez inwestycji drogowych za 15 lat kierow-
cy w Opolu bêd¹ jeŸdziæ z prêdkoœci¹ 20 km/h, a ca³e miasto stanie w kor-
kach140. W³adze miasta dostrzegaj¹ problemy komunikacyjne.
Za³ó¿my, ¿e stwierdzenie wystêpowania problemów komunikacyjnych
w mieœcie sta³o siê impulsem do podjêcia decyzji o przeprowadzeniu badañ.
Jako cel badañ okreœlono zbadanie zachowañ komunikacyjnych mieszkañ-
ców i ocenê sytuacji komunikacyjnej w mieœcie. Wyniki badañ pos³u¿¹ jako
podstawa wdro¿enia zmian zapobiegaj¹cych prognozowanym tendencjom
oraz w planowaniu lepszych rozwi¹zañ komunikacyjnych w mieœcie.
Stwierdzenie: „Miasto boryka siê z problemami komunikacyjnymi” sta³o
siê zatem podstaw¹ do zdefiniowania problemów badawczych:
1. Czy problemy komunikacyjne wynikaj¹ z niewydolnoœci systemu komu-
nikacji miejskiej?
2. Czy zat³oczenie miasta jest konsekwencj¹ nadmiernego wykorzystania
samochodów prywatnych?
3. Czy komunikacja miejska zaspokaja potrzeby mieszkañców?
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-
cyjnych negatywnego wp³ywu ruchu drogowego na jakoœæ ¿ycia w mieœcie, to

nie bêd¹ sk³onni do ich zmiany.
3. Im wiêksze s¹ uci¹¿liwoœci wynikaj¹ce z korzystania ze œrodków komu-
nikacji miejskiej, tym mieszkañcy czêœciej korzystaj¹ z samochodów prywat-
nych.
4. Je¿eli zostanie rozbudowana alternatywna dla samochodu oferta komu-
nikacji miejskiej, to wiêksza bêdzie sk³onnoœæ mieszkañców do rezygnacji
z komunikacji indywidualnej.
Zakres przedmiotowy badañ w analizowanym przyk³adzie stanowi¹ zatem
zachowania komunikacyjne mieszkañców Opola, a w szczególnoœci ocena
funkcjonowania komunikacji miejskiej, motywy korzystania z niej, a tak¿e
sk³onnoœæ respondentów do zmiany sposobu poruszania siê w obrêbie mias-
ta. Badan¹ zbiorowoœæ (populacjê generaln¹) stanowi¹ mieszkañcy Opola.
Badanie zosta³o przeprowadzone w 2012 roku. Mia³o charakter incydental-
ny, niewyczerpuj¹cy i quasi-reprezentatywny dla miasta Opola. Spoœród
wielu sposobów doboru próby do badañ wybrano dobór przypadkowy z cecha-
mi doboru warstwowego.
Za³o¿ono, ¿e badania przeprowadzone bêd¹ we wszystkich dzielnicach
Opola, a badaniu poddana zostanie taka liczba respondentów ka¿dej
dzielnicy, która pozostaje w proporcji do liczby mieszkañców Opola. Przy
czym badaniu poddane zosta³y tylko osoby powy¿ej 13 lat, tj. te, które mog¹
samodzielnie przemieszczaæ siê w obrêbie miasta.
Zak³adaj¹c, ¿e liczba mieszkañców Opola wynosi 125 700 mieszkañców,
z których 53% to kobiety a 47% – mê¿czyŸni, dodatkowo bior¹c pod uwagê
wiek mieszkañców, rozk³ad populacji przedstawia tabela 8.
76
Tabela 8. Podzia³ mieszkañców Opola ze wzglêdu na
wiek
Wiek Udzia³ % w populacji

13–20 lat 6%
21–30 lat 19%
31–45 lat 25%
46–60 lat 25%
61–70 lat 13%
Powy¿ej 70 lat 12%
ród³o: G³ówny Urz¹d Statystyczny, http://www.stat.gov.pl/bdl/
app/portret.dims
W 500-osobowej próbie badawczej powinna znaleŸæ siê proporcjonalna

liczba kobiet i mê¿czyzn danej grupy wiekowej (tab. 9). Przy zastosowaniu
takich proporcji liczby osób wylosowanych do próby zagwarantujemy, ¿e
rozk³ad liczby mieszkañców Opola wed³ug wieku i p³ci bêdzie zgodny z roz-
k³adem liczby osób wylosowanych do badania.
Tabela 9. Podzia³ respondentów ze wzglêdu na wiek i p³eæ
Wiek Kobiety Mê¿czyŸni Ogó³em

13–20 lat 16 14 30
21–30 lat 51 45 96
31–45 lat 66 59 125
46–60 lat 67 59 126
61–70 lat 33 30 63
Powy¿ej 70 lat 32 28 60
Razem 265 235 500
4.2. Identyfikacja i analiza b³êdów w pytaniach

4.2. kwestionariuszowych
W poprzednich rozdzia³ach wskazano podstawowe zasady formu³owania

pytañ kwestionariuszowych. Dla lepszego zrozumienia prezentowanych treœ-
ci przedstawione zostan¹ przyk³ady b³êdnie sformu³owanych pytañ kwestio-
nariusza ankietowego wraz z propozycj¹ ich poprawy. B³êdy te zostan¹
szczegó³owo omówione po to, by w aneksie zaprezentowaæ kwestionariusz
w³aœciwy, który bêdzie stanowi³ podstawê wywodów prezentowanych w kole-
jnych rozdzia³ach.
Pierwszy b³¹d w konstrukcji kwestionariusza mo¿e pojawiæ siê ju¿ we wstê-
pnej jego czêœci. I tak np. wstêp do ankiety mo¿e mieæ nastêpuj¹ce brzmienie:
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.
Porównuj¹c sformu³owane wczeœniej za³o¿enia badawcze z zawartoœci¹

wstêpu stwierdziæ nale¿y istotne rozbie¿noœci. Z za³o¿eñ wynika, ¿e badanie
ma mieæ charakter incydentalny oparty na zbiorowoœci przypadkowej. Takie
za³o¿enie zak³ada przeprowadzenie badania z udzia³em ankietera. We wstê-
pie natomiast prosi siê respondentów o wrzucenie wype³nionej ankiety do
urny, a nie oddanie ankieterowi. Nie zaznaczono tak¿e, ¿e ankieta jest ano-
nimowa, co dla wielu respondentów ma kluczowe znaczenie. Prawid³owo sfor-
mu³owany wstêp powinien zatem przyj¹æ formê:
Bardzo proszê o wype³nienie poni¿szej ankiety, udzielenie rzetelnych

informacji oraz odpowiedzi na wszystkie postawione pytania. Informa-
cje uzyskane dziêki tej ankiecie bêd¹ pomocne we wprowadzaniu zmian
w funkcjonowaniu komunikacji w mieœcie, by lepiej odpowiada³a Pañ-
stwa potrzebom. Ankieta jest anonimowa.
Odpowiedzi proszê zaznaczaæ poprzez zakreœlenie znakiem „x”
w³aœciwego wariantu odpowiedzi.
Czêsto na pocz¹tku kwestionariusza ankietowego umieszczana jest me-

tryczka. Ta jednak powinna znaleŸæ siê w koñcowej czêœci kwestionariusza.
Dotyczy ona charakterystyki respondenta i zawiera pytania, na które re-
spondenci czêsto niechêtnie udzielaj¹ odpowiedzi. Jednym z takich pytañ
jest to dotycz¹ce dochodów, które w kwestionariuszu próbnym zosta³o umiesz-
czone jako pytanie pierwsze. Taki uk³ad mo¿e ca³kowicie zniechêciæ respon-
denta do dalszego udzielania odpowiedzi.
Formu³uj¹c pytania metryczkowe, mo¿na pope³niæ tak¿e b³¹d, okreœlaj¹c np.
przedzia³y wiekowe, np.:
Wiek:
13–20 lat 45–60 lat

20–30 lat 60–70 lat
30–45 lat powy¿ej 70 lat
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
mo¿na by uzupe³niæ jeszcze o osoby bêd¹ce na emeryturze lub rencie i pra-

cuj¹ce. Niskie emerytury i renty sk³aniaj¹ coraz wiêksza liczbê osób do po-
dejmowania dodatkowej pracy, gdy¿ uzyskiwane przez nie dochody nie po-
zwalaj¹ na zaspokojenie bie¿¹cych potrzeb przy stale rosn¹cych kosztach
utrzymania.
Najwiêcej jednak b³êdów pope³niæ mo¿na, formu³uj¹c pytania merytorycz-
ne. I tak np. pytanie:

Jaki jest powód Pana/i przemieszczeñ w obrêbie miasta?
dojazd do pracy
dojazd do szko³y
sprawy towarzyskie
zakupy
rekreacja
opieka zdrowotna
nie zawiera wyjaœnienia, w jaki sposób respondent powinien udzieliæ odpo-

wiedzi, co sugeruje, ¿e mo¿na zakreœliæ tylko jeden wariant. Jednak wiêk-
szoœæ mieszkañców przemieszczaj¹c siê w obrêbie miasta realizuje ró¿ne
cele, co sprawia, ¿e konieczne jest umo¿liwienie zakreœlenia wiêcej ani¿eli
jednej odpowiedzi.
W przypadku, gdy prosimy respondenta np. o wskazanie czynników, które
maj¹ dla niego znaczenie w ocenie funkcjonowania komunikacji miejskiej,
nale¿y pamiêtaæ, by uwzglêdniæ w miarê wszystkie mo¿liwoœci wyboru.
Proszê wskazaæ czynniki, które maj¹ dla Pana/i znaczenie
w ocenie funkcjonowania komunikacji miejskiej:
komfort jazdy
stan techniczny
czystoœæ
sieæ komunikacyjna
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:
Jakim œrodkiem transportu dokonuje Pan/i podró¿y miejskich?

komunikacj¹ miejsk¹
rowerem
pieszo
samochodem
a zaraz po nim zapytaæ:
Czy w Pana/i gospodarstwie domowym jest samochód?

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?
nie bardzo rzadko przeciêtnie czêsto codziennie

podró¿ujê (kilka razy (kilka razy (kilka razy
w roku) w miesi¹cu) w tygodniu)
MZK
samochód osobowy
rower
taxi
pieszo
Czêsto pope³nianym b³êdem jest wieloznacznoœæ pytania, np.:
Jak ocenia Pan/i jakoœæ infrastruktury komunikacyjnej (rowerowej, pieszej, samochodowej)

w mieœcie?
bardzo dobrze œrednio Ÿle bardzo Ÿle nie mam

dobrze zdania
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.:
W jakim stopniu Pana/i zdaniem poni¿sze aspekty ruchu drogowego wp³ywaj¹

na jakoœæ ¿ycia w mieœcie?
ca³kowicie niezbyt doœæ bardzo

nieistotnie istotnie istotnie istotnie
ha³as
emisja CO2
korki
Analizuj¹c pytania ankietowe, niejednokrotnie napotykamy na trudn¹ dla

respondenta terminologiê, np.:
Jak ocenia Pan/i wymienione elementy komunikacji w mieœcie?

pozytywnie negatywnie nie mam zdania
kongestia
sieæ komunikacyjna
drogi rowerowe
miejsca parkingowe
W tym przypadku nale¿a³oby wyjaœniæ respondentowi pojêcie „kongestia”,

albo zadaæ pytanie w innej formie, np.:
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).
zat³oczenie sieæ drogi miejsca

komunikacyjna rowerowe parkingowe
+3 +3 +3 +3
+2 +2 +2 +2
+1 +1 +1 +1
0 0 0 0
–1 –1 –1 –1
–2 –2 –2 –2
–3 –3 –3 –3
Pokazane tu niektóre b³êdy, które mog¹ zostaæ pope³nione w trakcie kon-

struowania kwestionariusza ankietowego, mog¹ sprawiæ, ¿e postawione na
wstêpie cele i hipotezy badawcze nie zostan¹ w pe³ni zrealizowane. Ponadto
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-
towano formu³y, jakie stosowano w trakcie obliczeñ.
Rysunek 36. Arkusz roboczy 1 – wartoœæ wspó³czynnika a-Cronbacha

82
Rozdzia³ V
Metody redukcji, wizualizacji i analizy danych

z pomiarów kwestionariuszowych
5.1. Metody redukcji danych i kodowania odpowiedzi
Dane uzyskane z badañ pierwotnych (kwestionariuszowych) nie mog¹ byæ

bezpoœrednio wykorzystane do analizy. Konieczne jest ich uprzednie przygo-

towanie zarówno pod wzglêdem formalnym, jak i technicznym. Dane surowe
wystêpuj¹ w postaci wype³nionych kwestionariuszy, dzienników obserwacji,
zapisanych testów i zapisów pomiaru wtórnego.
Redukcja danych obejmuje zarówno sprawdzenie czytelnoœci oraz dok³ad-
noœci danych, jak i wprowadzenie poprawek czy uzupe³nieñ (rys. 37).
Redukcja danych
sprawdzenie czytelnoœci wprowadzenie poprawek

oraz dok³adnoœci danych uzupe³nieñ
pomiary fikcyjne nie nale¿y wymazywaæ danych

oryginalnych
b³êdne dane
sprzeczne lub niezgodne dane
nale¿y zmieniæ lub odrzuciæ
sprzecznoœci i niezgodnoœci
odpowiedzi niekompletne czasem mo¿na okreœliæ odpowiedŸ

i niejednoznaczne
tam, gdzie to konieczne, mo¿na
wstawiæ dane szacunkowe
odpowiedzi nieadekwatne
w przypadkach szczególnie wa¿nych
brak odpowiedzi na jedno mo¿na ponowiæ kontakt z respondentem
lub kilka pytañ
pytanie pozostawia siê bez odpowiedzi
lub uzupe³nia odpowiedzi¹ neutraln¹,
np. „nie wiem”
Rysunek 37. Czynnoœci wchodz¹ce w sk³ad refakcji 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-
dent korzysta z komunikacji miejskiej. Równie¿ odpowiedzi niekompletne

i niejednoznaczne mo¿na zidentyfikowaæ, a czêsto w przybli¿eniu uzupe³niæ.
Dokonuj¹c redakcji danych trzeba przestrzegaæ kilku zasad141:
· nale¿y upewniæ siê, czy ka¿dy przedmiot pomiaru zosta³ uwzglêdniony
w doborze próby;
· dokonane pomiary nale¿y poddaæ redakcji zaraz po zakoñczeniu pomiaru;
· korekty wszystkich danych dostarczonych przez ankieterów powinien
dokonaæ jeden redaktor (pozwala na unikniêcie b³êdów wynikaj¹cych np. z nie-
znajomoœci pisma ankietera);
· w przypadku wielu redaktorów konieczne jest opracowanie instrukcji
redagowania danych; celem jest ograniczenie subiektywnoœci s¹dów i ró¿no-
rodnoœci podejmowanych decyzji.
Przeprowadzenie czynnoœci zwi¹zanych z redakcj¹ danych pozwala na
uzyskanie danych sprawdzonych i wyselekcjonowanych, tzn. przydatnych
z punktu widzenia problemu badawczego.
Po zakoñczeniu redakcji mo¿na przyst¹piæ do klasyfikacji i zliczania da-
nych w ramach poszczególnych klas. Dla u³atwienia procedury segregacji
danych wykorzystuje siê czêsto arkusze Excela. W przypadku kwestionariu-
szy ankiety klasyfikacji wymagaj¹ jedynie pytania otwarte. Podstawowe za-
sady klasyfikacji przedstawiono na rys. 38, a przyk³ad klasyfikacji pytania
otwartego zawiera rys. 39.
Klasyfikacja danych umo¿liwia zarówno redukcjê pozycji do analizy, jak
i zastosowanie metod iloœciowych do analizy danych jakoœciowych. Ponadto
141
S. Kaczmarek, op. cit., s. 318.
84
Klasyfikacja danych z pytañ otwartych
wielostopniowoœæ poprawnoœæ logiczna dostosowanie do uk³adu dostosowanie do sytuacji

klasyfikacji, tzn. (m.in. roz³¹cznoœæ odniesienia – nale¿y – nale¿y dobraæ kategorie
uogólnienia danych klasyfikacji, tzn. jedna uwzglêdniæ punkt najlepiej odzwierciedlaj¹ce
szczegó³owych lub odpowiedŸ na okreœlone widzenia respondenta badany problem
przez grupowanie klas pytanie)
w ogólniejsze
Rysunek 38. Zasady klasyfikacji danych uzyskanych 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
Do czynników najbardziej wp³ywaj¹cych zat³oczenie

na ocenê funkcjonowania komunikacji tabor
miejskiej zaliczamy: zat³oczenie, stary punktualnoœæ
tabor, punktualnoœæ, ma³¹ liczbê punktów przesiadkowych liczba punktów przesiadkowych
inne
Rysunek 39. Przyk³ad klasyfikacji pytania otwartego

u³atwia zliczanie danych. Po dokonaniu klasyfikacji danych przystêpujemy

do ich kodowania.
Kodowanie polega na zmianie danych tekstowych na liczbowe.
W procesie kodowania czêsto pos³ugujemy siê tzw. ksi¹¿k¹ kodow¹ (rys.

40), która jest dokumentem opisuj¹cym pozycje zmiennych i przypadaj¹ce
im kody, pomaga wiêc w póŸniejszej analizie sprawnie wyszukaæ i w³aœciwie
zinterpretowaæ zmienne.
Kodowanie umo¿liwia przeniesienie danych z kwestionariusza ankieto-

wego do odpowiedniego programu komputerowego i stworzenie bazy da-
nych, które s¹ ³atwym i u¿ytecznym narzêdziem analizy statystycznej.
Najprostsz¹ z nich utworzyæ mo¿na w Excelu. Ze wzglêdu na mnogoœæ

pozycji literaturowych opisuj¹cych mo¿liwoœci tego programu, tutaj skoncen-
trujemy siê na podaniu tylko kilku praktycznych wskazówek. W budowie
baz danych warto ich przestrzegaæ, choæ nie s¹ one obowi¹zkowe. Przyk³ado-
wy sposób zapisywania pytañ z kwestionariusza ankietowego w arkuszu
programu Excel przedstawia rys. 41.
85
Numer Numer Wartoœæ zmiennej Nazwa kategorii
Pe³na nazwa zmiennej
pytania kolumny (skala) skali
21 nr respondenta 1–3 – –
20 wykszta³cenie 4 1 – wskazanie podstawowe

0 – brak wskazania zawodowe
œrednie
wy¿sze
19 p³eæ respondenta 5 1 – wskazanie kobieta

0 – brak wskazania mê¿czyzna
1 lokalizacja przystanków 6–8 1 – wskazanie tak

autobusowych 0 – brak wskazania nie
nie mam zdania
2 charakterystyki komunikacji 9–14 1 – waga najwiêksza komfort jazdy

miejskiej 8 – waga najmniejsza punktualnoœæ
stan techniczny
czystoœæ
sieæ komunikacyjna
czas dojazdu
3 powód przemieszczeñ 15–19 1 – wskazanie dojazd do pracy

w mieœcie 0 – brak wskazania dojazd do szko³y

sprawy towarzyskie
rekreacja
zakupy
opieka zdrowotna
Rysunek 40. Przyk³adowa ksi¹¿ka kodowa

Nag³ówki
Lp. Pyt. 1 Pyt. 2 Pyt. 3
a b c a b c d e f g a b c d e f
1 kierunek wpisywania danych
...
Numery ankiety
Rysunek 41. Przyk³adowy zapis pytañ kwestionariuszowych w arkuszu Excel

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.
1. Czy Pana/i zdaniem lokalizacja przystanków autobusowych w mieœcie jest w³aœciwa?

tak nie nie mam zdania
Kodujemy: tak – jako 1

nie – jako 2
nie mam zdania – jako 3
Rysunek 42. Przyk³ad kodowania pytania jednoodpowiedziowego

W opisanym przyk³adzie respondent odpowiedzia³ twierdz¹co na pytanie,

co przy wykorzystaniu systemu zero-jedynkowego spowoduje, i¿ w kolumnie
drugiej i trzeciej wpisana zostanie wartoœæ 0 (rys. 43).
1 1 0 0
...
Rysunek 43. Przyk³adowy zapis pytania jednoodpowiedziowego w arkuszu Excel

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:
1. Czy g³ównym powodem by³y dojazdy do pracy?

2. Czy g³ównym powodem by³y dojazdy do szko³y?
3. Czy g³ównym powodem by³y sprawy towarzyskie?
4. …
5. …
6. Czy g³ównym powodem by³a opieka zdrowotna?
Ka¿d¹ kafeteriê kodujemy osobno:

1. dojazdy do pracy: 1 – wskazano, 0 – nie wskazano
2. dojazdy do szko³y: 1 – wskazano, 0 – nie wskazano
3. sprawy towarzyskie: 1 – wskazano, 0 – nie wskazano
4. …
5. …
6. …
Rysunek 44. Przyk³ad kodowania pytania wieloodpowiedziowego

1 1 0 1 0 1 0
...
Rysunek 45. Przyk³adowy zapis pytania wieloodpowiedziowego w arkuszu Excel

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).
czystoœæ wygoda dostêpnoœæ punktualnoœæ

+3 +3 +3 +3
+2 +2 +2 +2
+1 +1 +1 +1
–1 –1 –1 –1
–2 –2 –2 –2
–3 –3 –3 –3
Rysunek 46. Przyk³adowy zapis pytania ze skal¹ rang

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-
1 2 4 6 3 1 5 7
...
Rysunek 47. Przyk³adowy zapis pytania ze skal¹ rang w arkuszu Excel

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
...
Rysunek 48. Przyk³adowy zapis pytania wyskalowanego za pomoc¹ skali Likerta

Zaprezentowane przyk³ady kodowania odpowiedzi zamkniêtych pokazuj¹,

¿e wprowadzanie do bazy danych jest stosunkowo proste. W podobny sposób

nale¿y postêpowaæ z innymi pytaniami otwartymi w analizie statystycznej.
W przypadku pytañ otwartych nale¿y pamiêtaæ, ¿e kody powinny byæ na tyle
ogólne, ¿eby zawiera³y wszystkie elementy dotycz¹ce danego problemu. W tym
celu nale¿y dok³adnie przeanalizowaæ uzyskane odpowiedzi. W przypadku
prób niezbyt licznych konieczne jest przeanalizowanie wszystkich ankiet.
Nale¿y pamiêtaæ, ¿e w trakcie wpisywania kodów mo¿e siê okazaæ, ¿e s¹ one
zbyt szczegó³owe i uniemo¿liwi¹ dokonanie analizy statystycznej. Podstawo-
wym problemem w kodowaniu pytañ otwartych jest znalezienie swego ro-
dzaju optimum miêdzy mo¿liwoœciami analizy statystycznej a sp³yceniem
poruszanych tematów. Decyduj¹c siê na zastosowanie pytania otwartego,
nale¿y pamiêtaæ, ¿e choæ znacznie wzbogacaj¹ one instrument badawczy, to
niezmiernie utrudniaj¹ dalsze etapy procesu badawczego, a w szczególnoœci
klasyfikacjê odpowiedzi i ich kodowanie.
5.2. Sposoby prezentacji wyników badañ
Uzyskane w toku badania informacje nale¿y zaprezentowaæ szerszemu

gronu, gdy¿ dopóki pozostaj¹ one w postaci zebranych kwestionariuszy, do-
póty pozostaj¹ bezu¿yteczne. Sposób prezentacji wyników mo¿e wp³yn¹æ na
podejmowanie decyzji. Wyniki powinny byæ przedstawione w sposób cieka-
wy, prosty i zrozumia³y dla odbiorcy. W trakcie prezentacji wyników nie po-
winno siê skupiaæ na szczegó³ach metodologicznych badania, technice, logice
badania i terminologii.
90
Mo¿na wyró¿niæ trzy podstawowe metody prezentacji danych: tabela-
ryczn¹, graficzn¹ i opisow¹.
Tabelaryczna forma przedstawiania danych obejmuje czynnoœci zwi¹zane

z grupowaniem danych wed³ug okreœlonego kryterium (kryteriów).
Dane mog¹ byæ przedstawione ze wzglêdu na jedno kryterium, np. p³eæ,

b¹dŸ dwa lub wiêcej kryteriów, np. wiek, p³eæ, dochód. Elementy sk³adowe
tabeli to: numer, tytu³, w³aœciwa treœæ tabeli, objaœnienia, Ÿród³o.
Przedstawienie danych w postaci tabeli uznawane jest za podstawow¹ i kla-
syczn¹ formê prezentacji danych. Najwiêksz¹ zalet¹ stosowania poprawnie
zbudowanych tablic/tabel jest jasna i systematyczna prezentacja danych
liczbowych. Tabela umo¿liwia porównywanie odpowiednich wielkoœci liczbo-
wych i szybkie wyci¹ganie wniosków na podstawie tych porównañ, czyli
analizê danych (tab. 10, 11).
Tabela 10. Podzia³ respondentów ze wzglêdu na p³eæ
P³eæ
Liczba osób kobiety mê¿czyŸni
202 182
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
Graficzna prezentacja wyników badañ marketingowych polega na

sporz¹dzaniu ró¿nego rodzaju wykresów, w których elementem opisu
jest kszta³t, wielkoœæ i barwa.
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-
nej, powstaj¹ kartodiagramy;

· wykresy w uk³adzie wspó³rzêdnych – wykresy s³upkowe (histogramy)
oraz wykresy liniowe (diagramy).
Sk³adowe wykresu s¹ analogiczne jak tabeli: numer, tytu³, w³aœciwe pole
wykresu, objaœnienia, Ÿród³o. Oto kilka sposobów prezentacji danych:
· Wykres kolumnowy – s³u¿y do porównywania indywidualnych elemen-
tów. Na wykresie tego typu mo¿na dokonaæ porównania wartoœci w ró¿nych
kategoriach (rys. 49).
160
140 135
120
110
100
liczba osób
80
65
60
45
40
29
20
0
nie podró¿uje bardzo rzadko przeciêtnie czêsto codziennie
Rysunek 49. Podzia³ respondentów ze wzglêdu na czêstotliwoœæ przemieszczania siê autobu-

sem MZK po mieœcie – wykres kolumnowy
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%
Rysunek 50. Podzia³ respondentów ze wzglêdu na czêstotliwoœæ przemieszczania siê taksówk¹

po mieœcie – wykres ko³owy
· Wykres pierœcieniowy – typ wykresu, w którym dane liczbowe przedsta-

wione s¹ za pomoc¹ pierœcieni; pozwala on porównywaæ nie jedn¹, lecz kilka
serii danych (rys. 51).
15%
34%
ca³kowicie siê zgadzam

zgadzam siê
ani tak, ani nie
nie zgadzam siê
32%
19%
Rysunek 51. Podzia³ respondentów ze wzglêdu na stosunek do twierdzenia: „Œrodki komunika-

cji miejskiej s¹ niepunktualne” – wykres pierœcieniowy
· Wykres sto¿kowy – kolumny w tego typu wykresach s¹ przybieraj¹

kszta³ty walcowe, sto¿kowe lub ostros³upowe. Wartoœci liczbowe s¹ przedsta-
wiane za pomoc¹ pionowych lub poziomych sto¿ków (rys. 52).
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
Rysunek 52. Podzia³ respondentów ze wzglêdu na stosunek do twierdzenia: „Jest wystar-

czaj¹ca liczba punktów przesiadkowych” – wykres sto¿kowy

· Wykres liniowy – na wykresie tego typu s¹ przedstawione trendy w cza-

sie lub w ramach ró¿nych kategorii (rys. 53).
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].
Na jednym wykresie mo¿na przedstawiæ wyniki badañ, uwzglêdniaj¹c po-

dzia³ na 2 kategorie (rys. 54).
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
Z wykresu 54 nie wynika, ile kobiet i ilu mê¿czyzn wybiera komunikacjê

miejsk¹, aby przemieszczaæ siê w okreœlonym celu. Poprzez dodanie etykiet
danych (rys. 55) wykres staje siê bardziej czytelny.
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
Metoda graficzna jest te¿ dobrym sposobem manipulowania uzyskanymi

wynikami, czego przyk³adami s¹ rys. 56, 57, 58.
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
Rysunek 56. Liczba pojazdów samochodowych i ci¹gników w Polsce w latach 2003–2011

(pocz¹tek osi pionowej 0)
ród³o: G³ówny Urz¹d Statystyczny, http://www.stat.gov.pl/bdl/app/dane_podgrup.hier ?p_id=684802&p_token
=1000354736 [11.11.2012]
25 000 000
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
Rysunek 57. Liczba pojazdów samochodowych i ci¹gnikow w Polsce w latach 2003–2011

(pocz¹tek osi pionowej 15 mln)
ród³o: G³ówny Urz¹d Statystyczny, http://www.stat.gov.pl/bdl/app/dane_podgrup.hier?p_id=684802&p_token
=1000354736 [11.11.2012]
mê¿czyŸni
71
kobiety
43
Rysunek 58. Liczba kobiet i mê¿czyzn doje¿d¿aj¹cych komunikacj¹ miejsk¹ do pracy

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.
Opis s³owny polega na przedstawieniu w tekœcie opisywanego zjawiska

za pomoc¹ danych liczbowych czy procentowych.
Przy wiêkszej liczbie danych tekst staje siê jednak nieczytelny, przydatne
okazuj¹ siê wówczas tabele i wykresy.
5.3. Wybrane metody analizy danych empirycznych

Skutkiem prowadzenia badañ jest zgromadzenie znacznej liczby danych
empirycznych, które wymagaj¹ dalszego przygotowania, uporz¹dkowania
i przeanalizowania. Dopiero bowiem takie informacje stanowiæ mog¹ podsta-
wê podejmowania decyzji. Mo¿na zatem stwierdziæ, ¿e do podstawowych za-
dañ etapu badawczego zwi¹zanego z opracowywaniem danych nale¿y143:
· opracowanie planu wartoœciowania danych, przy czym plan ten powi-
nien byæ niezale¿ny od postawionych na wstêpie celów badawczych; nale¿y
zatem dokonaæ strukturyzacji podlegaj¹cych badaniu zale¿noœci i okreœliæ
zwi¹zki wystêpuj¹ce pomiêdzy poszczególnymi zmiennymi;
· okreœlenie i wybór podstawowych metod analitycznych, które zasadni-
czo dziel¹ siê na analizy jednowymiarowe, wykorzystywane do badania zale¿-
noœci i zwi¹zków wystêpuj¹cych pomiêdzy jedn¹ lub dwiema zmiennymi,
oraz na analizy wielowymiarowe, pozwalaj¹ce badaæ szerokie spektrum zale-
¿noœci wystêpuj¹cych pomiêdzy wieloma zmiennymi;
· interpretowanie i ocena uzyskanych wyników.
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.
Tabela 12. Czêstotliwoœæ wystêpowania motywu zwi¹zanego z samorealizacj¹

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
1 2 3 4 5
presti¿
komfort jazdy legenda:

1 – bardzo wa¿ne
potwierdzenie 2 – wa¿ne
w³asnego indywiduum 3 – œrednio wa¿ne
4 – ma³o wa¿ne
snobizm 5 – niewa¿ne
duma z posiadania
samorealizacja
potrzeba estetyki
wysoka jakoœæ
Rysunek 59. Znaczenie podstawowych motywów jako determinanta zakupu samochodu luksu-
sowego
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
chêæ samorealizacji jest motywem stosunkowo ma³o istotnym, gdy¿ jedynie

21,2% respondentów okreœli³o go jako wa¿ny b¹dŸ bardzo wa¿ny, podczas gdy
a¿ 54,2% uzna³o motyw ten za ma³o istotny b¹dŸ w ogóle nieistotny. Z tabeli
12 wynika, ¿e najliczniejsza jest grupa respondentów, dla których motyw
zwi¹zany z samorealizacj¹ nie wp³ywa na zakup samochodu luksusowego.
Z punktu widzenia przedsiêbiorstwa interesuj¹cym zagadnieniem by³oby tak¿e
okreœlenie, dla której grupy wiekowej motyw ten mia³ najmniejsze znaczenie.
Poza tabelaryczn¹ lub rysunkow¹ prezentacj¹ rozk³adów odpowiedzi ist-
nieje czêsto koniecznoœæ dokonania porównañ miêdzy danymi pochodz¹cymi
z ró¿nych okresów czy obszarów rynku. Najw³aœciwsze do takich porównañ
wydaj¹ siê podstawowe mierniki statystyczne, które pozwalaj¹ na zwiêz³y
opis zbiorów danych i dotycz¹ tendencji centralnej, rozproszenia czy zale¿no-
œci ró¿nych cech badanych obiektów rynku.
Spoœród wielu parametrów tendencji centralnej oraz rozproszenia zostan¹
przedstawione najwa¿niejsze, a mianowicie: œrednia arytmetyczna, domi-
nanta, kwartyle oraz odchylenie standardowe i wspó³czynnik zmiennoœci.
Œrednia arytmetyczna charakteryzuje przeciêtny poziom badanego zjawiska.
Dominanta jest to wartoœæ cechy, która wystêpuje najczêœciej w badanej
zbiorowoœci. Mediana (kwartyl drugi) jest to wartoœæ œrodkowa, czyli taka,
która charakteryzuje jednostkê zajmuj¹c¹ œrodkow¹ pozycjê w uporz¹dko-
wanym zbiorze danych. Kwartyl dolny dzieli zbiorowoœæ na dwie czêœci w ten
sposób, ¿e 25% jednostek zbiorowoœci ma wartoœci cechy ni¿sze b¹dŸ równe
144
J. Bleymüller, G. Gehlert, H. Gülicher, op. cit., s. 24.
145
E. Gatnar, M. Walesiak, op. cit., s. 49.
99
100
Tabela 13. Podstawowe mierniki statystyczne
Parametr Szereg szczegó³owy Szereg punktowy Szereg przedzia³owy

n n n
Œrednia
i i
åx åx × ni å x$ i
× ni
i=1 i=1 i=1
x = x = x =
n n n
k-1
Mediana ì x n +1 n - nieparzyste Medianê, kwartyle oraz dominantê wy- æn ö hMe
ï 2 i
Me = x Me + çç - ån ÷÷ ×
Me = í 1 æ znacza siê jak w szeregu szczegó³owym. è2 i =1 ø nMe
ö
ï ç x n + x n +2 ÷ n - parzyste
î2 è 2 2 ø
k-1
Kwartyle Dla szeregu szczegó³owego kwartyl pierw- æn ö hQ1
i
Q1 = x Q1 + çç - ån ÷÷ ×
szy i trzeci wyznacza siê w ten sposób, è4 i =i ø nQ1
¿e w dwóch czêœciach zbiorowoœci, które
powsta³y po wyznaczeniu mediany, ponow- æ 3n k-1
ö hQ3
nie wyznacza siê medianê; mediana Q3 = x Q3 + çç - ån i
÷÷ ×
w pierwszej czêœci odpowiada kwartylowi è 4 i =i ø nQ3
pierwszemu, a w drugiej kwartylowi
trzeciemu.
Dominanta Wartoœæ cechy, która wystêpuje najczê- D = x D + hD

nD - nD - 1
œciej. ( nD - nD - 1 ) + ( nD - nD +1 )
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.
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.
Tabela 14. Respondenci wed³ug wieku

Wiek respondentów Liczba ankietowanych

13–20 lat 32
21–30 lat 78
31–45 lat 106
46–60 lat 63
61–70 lat 52
71–80 lat 53
Razem 384
Obliczenia pomocnicze zamieszczone s¹ w tab. 15, natomiast sposób obli-

czenia w Excelu przedstawia rys. 60.
Tabela 15. Obliczenia pomocnicze do wyznaczenia œredniej i odchylenia standardowego.
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
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
Pierwszym parametrem charakteryzuj¹cym wiek badanych respondentów

jest œrednia:
17291,5
x= = 45
384
wskazuj¹ca przeciêtny wiek respondentów, którzy brali udzia³ w badaniu.

Klasa wiekowa obejmuj¹ca 106 ankietowanych stanowi klasê dominanty,
której wartoœæ wynosi 36,5:
106 - 78
D = 31 + × 14 = 36,5
(106 - 78 ) + (106 - 63 )
Analizuj¹c wynik dominanty, stwierdziæ mo¿na, ¿e najliczniejsz¹ grup¹

bior¹c¹ udzia³ w badaniu stanowi¹ respondenci w wieku 36,5 lat.
Kolejnymi miarami po³o¿enia charakteryzuj¹cymi przeciêtny wiek res-
pondentów s¹ mediana oraz kwartyle:
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
co oznacza, ¿e przeciêtna rozbie¿noœæ wieku respondentów w badanej grupie

wynios³a 18,8 lat.
104
Rozdzia³ VI
Mo¿liwoœci wykorzystania
wnioskowania statystycznego i analizy czynnikowej
w interpretacji danych z pomiaru ankietowego
6.1. Testowanie hipotez parametrycznych

Weryfikacja hipotez zajmuje siê sprawdzaniem s¹dów o populacji metod¹

badania jej wycinka (próby statystycznej).
Hipoteza statystyczna to dowolne przypuszczenie odnosz¹ce siê b¹dŸ

do wartoœci parametru, b¹dŸ postaci rozk³adu populacji generalnej.
Jeœli przypuszczamy co do wartoœci parametru, mówimy o hipotezie

parametrycznej, pozosta³e hipotezy odnosz¹ce siê do postaci rozk³adu ce-
chy statystycznej lub wspó³zale¿noœci, lub losowoœci nazywamy hipotezami
nieparametrycznymi.
Przebieg procedury weryfikacyjnej danej hipotezy mo¿emy przedstawiæ
nastêpuj¹co:
1) sformu³owanie hipotezy zerowej i hipotezy alternatywnej,
2) wybór statystyki testowej,
3) okreœlenie poziomu istotnoœci,
4) wyznaczenie obszaru krytycznego testu,
5) obliczenie statystyki na podstawie próby,
6) podjêcie decyzji weryfikacyjnej.
Hipotezê poddawan¹ weryfikacji nazywamy hipotez¹ zerow¹ (H0), nato-
miast hipotezê przeciwn¹ nazywamy hipotez¹ alternatywn¹ (H1). Przy
weryfikowaniu hipotezy mo¿na pope³niæ dwa rodzaje b³êdów (tab. 16).
Poziom istotnoœci a to prawdopodobieñstwo pope³nienia b³êdu I rodzaju;
przyjmuje siê, ¿e wynosi ono najczêœciej a = 0,01 lub a = 0,05 lub a = 0,1.
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.
Regu³ê decyzyjn¹, która na podstawie próby pozwala zdecydowaæ o przyjê-

ciu b¹dŸ odrzuceniu hipotezy zerowej, nazywamy testem statystycznym.
W zale¿noœci od tego, czy test s³u¿y do weryfikacji hipotezy parametrycz-
nej, czy nieparametrycznej, wyró¿niamy testy parametryczne i nieparame-
tryczne.
Obszar krytyczny testu jest to zbiór wartoœci sprawdzianu hipotezy
przemawiaj¹cych za odrzuceniem hipotezy zerowej (H0). W zale¿noœci od po-
staci hipotezy alternatywnej (H1) obszar krytyczny mo¿e byæ obszarem dwu-
stronnym b¹dŸ jednostronnym.

Podzia³ metod wnioskowania hipotez ze wzglêdu na skalê pomiaru
przedstawia rys. 61.
Metody testowania hipotez
Dane z pomiaru Dane z pomiaru Dane z pomiaru

nominalnego porz¹dkowego przedzia³owego
Dane Dane z dwu Dane Dane z dwu Dane Dane z dwu

z jednej próby lub wiêcej z jednej próby lub wiêcej z jednej próby lub wiêcej
prób prób prób
Rysunek 61. Podzia³ grup metod testowania hipotez

ród³o: S. Kaczmarczyk, Badania marketingowe. Metody i techniki, Warszawa 2003, s. 289.
Odmienny podzia³, uwzglêdniaj¹cy wiêcej kryteriów: rodzaj porównywa-

nych charakterystyk, skale pomiaru, liczbê badanych prób, zale¿noœæ b¹dŸ
niezale¿noœæ w obrêbie prób, prezentuje rys. 62.
Testy parametryczne s³u¿¹ do weryfikacji hipotez parametrycznych, czyli
takich, które dotycz¹ wartoœci parametrów statycznych (np. œredniej, wa-
riancji, proporcji i innych).
Dokonuj¹c testowania hipotez o œredniej mo¿emy za³o¿yæ, ¿e cecha X
ma w populacji rozk³ad normalny ze znanym odchyleniem standardowym.
106
TESTY STATYSTYCZNE
NIEPARAMETRYCZNE PARAMETRYCZNE
S K A L E
NOMINALNA PORZ¥DKOWA PRZEDZIA£OWA I ILORAZOWA
Z M I E N N E
JEDNA DWIE I WIÊCEJ JEDNA DWIE I WIÊCEJ JEDNA DWIE I WIÊCEJ
Test zgodnoœci Ko³mogorowa Test z

Chi-kwadrat Serii Test t
NIEZALEN̄E ZALE¯NE NIEZALE¯NE ZALE¯NE NIEZALE¯NE ZALE¯NE

Niezale¿noœci Mc Nemara Mediany Wilcoxona Test z Test t

Chi-kwadrat Q Cochrana Kruskala–Wallisa Friedmana Test t
U Manna–Whitneya Znaków Test F
Walda–Wolfowitza
Ko³mogorowa–Smirnowa
Rysunek 62. Podzia³ testów statystycznych

ród³o: S. Mynarski, Analiza danych rynkowych i marketingowych z wykorzystaniem programu
STATISTICA, Kraków 2003, s. 21; M. Szewczyk, M. Ciesielska, Podstawy statystyczne badañ marketingo-
wych. Skrypt dla studentów, Opole 2010, s. 139.
W celu weryfikacji hipotezy o œredniej m z populacji wylosowano n-elemen-

tow¹ próbê. Hipoteza zerowa ma postaæ:
H 0: m = m 0,
natomiast hipoteza alternatywna mo¿e przyj¹æ jedn¹ z postaci:
H1: m ¹ m0 lub H1: m < m0, lub H1: m > m0,
m0 jest hipotetyczn¹ wartoœci¹ œredniej w populacji.

Statystyka testuj¹ca, s³u¿¹ca do weryfikacji hipotezy, ma postaæ:
x - m0
u= n (19)
s
W przypadku nieznanego odchylenia standardowego oraz pobrania próby

mniejszej ni¿ 30 elementów i rozk³adzie normalnym cechy w populacji nale-
¿y korzystaæ ze wzoru:
x - m0
t= n -1 (20)
s
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, +¥).
1–a
u 2a
H1: m > m0, wówczas obszar krytyczny ma postaæ: (u2a, +¥).
1–a
–u2a
H1: m < m0, wówczas obszar krytyczny ma postaæ: (–¥, –u2a).
Rysunek 63. Postacie obszaru krytycznego w zale¿noœci od hipotezy alternatywnej H1

ród³o: M. Duczmal, A. T³uczak, Statystyka matematyczna. Teoria. Przyk³ady. Zadania. Opole 2012, s. 92 i n.
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
Hipotezê tê mo¿emy postawiæ wobec jednej z hipotez alternatywnych postaci:
H1: p ¹ p0 lub H1: p < p0, lub H1: p > p0
Aby zweryfikowaæ tê hipotezê, stosujemy statystykê:
p - p0
u= (21)
p 0 (1 - p 0
n
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
co daje u = –1,04. W tym przypadku obszar krytyczny jest dwustronny

i przedstawia siê nastêpuj¹co: (–¥; –1,96) È(1,96; +¥) (zob. Aneks, tablica 1)149.
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
Obszar krytyczny jest dwustronnym przedzia³em liczbowym i przedstawia

siê nastêpuj¹co: (–¥; –1,96) È(1,96; +¥). Obliczona wartoœæ statystyki testo-
wej (u = –2,05) nale¿y do tego przedzia³u, zatem nale¿y odrzuciæ hipotezê
zerow¹ mówi¹c¹ o tym, ¿e 35% opolan doje¿d¿a do pracy autobusem.
6.2. Testowanie hipotez nieparametrycznych
Testami nieparametrycznymi nazywamy testy s³u¿¹ce do weryfikacji

hipotez nieparametrycznych, tj. hipotez nieobejmuj¹cych wartoœci niezna-
nych parametrów. Ze wzglêdu na ró¿norodnoœæ hipotez nieparametrycznych
tê klasê testów mo¿na podzieliæ na:
– testy niezale¿noœci – pozwalaj¹ na weryfikacjê hipotez o niezale¿no-
œci zmiennych w populacji generalnej (test chi-kwadrat);
– testy zgodnoœci – odnosz¹ siê do weryfikacji hipotez o postaci
rozk³adu badanej cechy; ich budowa opiera siê na ocenie zgodnoœci rozk³adu
empirycznego z rozk³adem hipotetycznym (test chi-kwadrat, test Ko³mogoro-
wa–Smirnowa);
– inne testy – np. testy losowoœci próby – umo¿liwiaj¹ sprawdzenie hipo-
tez o uogólnianiu wyników na wiêksz¹ liczbê przypadków.
Test niezale¿noœci c2 jest testem s³u¿¹cym do weryfikacji hipotezy

o niezale¿noœci co najmniej dwóch cech, zarówno iloœciowych, jak
i jakoœciowych.
Do stosowania testu niezale¿noœci wymagana jest dostatecznie du¿a

liczebnoœæ próby (n > 50), której wyniki mo¿na rozdzieliæ na odpowiednie
kategorie ze wzglêdu na badane cechy.
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.
Hipoteza zerowa oznacza brak wystêpowania zale¿noœci miêdzy ana-

lizowanymi kategoriami.
W naszym przypadku oznacza to, ¿e powód przemieszczeñ jest niezale¿ny

od wieku.
Hipoteza alternatywna mówi, ¿e zale¿noœæ wystêpuje.

Do weryfikacji hipotezy o niezale¿noœci cech s³u¿y statystyka opisana

wzorem 22.
k l (n$ij - n$ij ) 2
c2 = å å (22)
i =1 j =1 n$ij
Statystyka ta ma rozk³ad chi-kwadrat o (k – 1)(l – 1) stopniach swobody,

jest ona miar¹ rozbie¿noœci pomiêdzy rozk³adem zaobserwowanym a hipote-
tycznym (teoretycznym). Im wiêksza bêdzie wartoœæ c2 obliczona z próby,
tym mniej wiarygodna bêdzie hipoteza o niezale¿noœci prób. W praktyce
oznacza to tyle, ¿e jeœli c 2 ³ c 2a,( k-1)( l -1) , to sprawdzan¹ hipotezê zerow¹,
zak³adaj¹c¹ niezale¿noœæ cech, odrzucamy.
Wartoœci liczebnoœci teoretycznych n$ij oblicza siê na podstawie rozk³adów
brzegowych tablicy korelacyjnej
ni . × n. j
n$ij =
n
Dla pokazania zasady testowania hipotez nieparametrycznych za³o¿ono,

¿e istnieje kilka powodów przemieszczania siê opolan w obrêbie miasta. Ba-
daniu poddano zale¿noœci pomiêdzy g³ównym powodem korzystania ze œrod-
ków komunikacyjnych a wiekiem. Weryfikowan¹ hipotezê zapisujemy nastê-
puj¹co150:
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
powy¿ej 70 5 6 18 38 3 9 79
n.j 114 281 231 304 88 58 1076
Wartoœæ statystyki testowej: c2 = 175,02, natomiast wartoœæ krytyczna od-

czytana z tablic rozk³adu chi-kwadrat dla (6 – 1)*( 6 – 1) = 25 stopni swobo-
dy oraz dla za³o¿onego poziomu istotnoœci a = 0,05 wynosi c 20, 05; 25 = 37,65
(zob. Aneks, tablica 3). Obszar krytyczny jest prawostronny, wiêc nie ma
podstaw do odrzucenia hipotezy zerowej o braku zale¿noœci pomiêdzy wie-
Rysunek 64. Arkusz roboczy 3 – obliczenia pomocnicze

112
Rysunek 65. Arkusz roboczy 4 – obliczenia wartoœci statystyki c2
kiem a powodem przemieszczeñ w obrêbie miasta. Podsumowuj¹c ca³¹ pro-

cedurê, stwierdzamy, ¿e hipotezê o tym, i¿ powód przemieszczeñ w obrêbie
miasta nie jest zale¿ny od wieku, nale¿y przyj¹æ151.
Na podstawie wartoœci statystyki chi-kwadrat mo¿na obliczyæ miary
zale¿noœci, które w szczególnoœci opisuj¹ si³ê, a nie kierunek, zwi¹zku
pomiêdzy kategoriami zarówno iloœciowymi, jak i jakoœciowymi.
Miary zale¿noœci opisuj¹ si³ê zwi¹zku miêdzy kategoriami.
Do podstawowych miar zale¿noœci zaliczamy:

(a) wspó³czynnik j-Yule’a
c2
j= (23)
n
k = 2, l – dowolne, wtedy 0 £ j £ 1,
k > 2, l – dowolne, wtedy j mo¿e byæ wiêksze od 1;
(b) wspó³czynnik zbie¿noœci T-Czuprowa
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)}
wspó³czynnik ten przyjmuje wartoœci od 0 do 1, przy czym je¿eli:

k = l, wtedy V = T,
k ¹ l, wtedy V > T.
Interpretacja wszystkich wspó³czynników jest podobna: wartoœæ bliska
zero oznacza brak zale¿noœci miedzy cechami, im bli¿sza jednoœci, tym owa
zale¿noœæ jest silniejsza152.
Do weryfikacji hipotezy mówi¹cej o tym, ¿e dwie populacje maj¹ jednako-
wy rozk³ad lub ¿e dwie próby pochodz¹ z tej samej populacji153 Smirnow
zastosowa³ rozk³ad l-Ko³mogorowa.
Test zgodnoœci Ko³mogorowa–Smirnowa sprawdza, czy rozk³ad w po-

pulacji dla zmiennej losowej ró¿ni siê od rozk³adu teoretycznego,
znanej, skoñczonej liczbie obserwacji zmiennej.
Za³ó¿my, ¿e badane s¹ dwie populacje, które maj¹ ci¹g³e rozk³ady opisane

dystrybuantami F1(x) oraz F2(x). Sformu³owana hipoteza w postaci:
H0: F1(x) = F2(x),
zak³ada taki sam rozk³ad cechy w obu populacjach wobec hipotezy alterna-
tywnej:
H1: F1(x) ¹ F2(x),
która zak³ada, ¿e rozk³ad rozwa¿anej cechy jest ró¿ny w obu próbach.

Do zweryfikowania hipotezy zerowej nale¿y wylosowaæ z ka¿dej populacji
du¿e próby odpowiednio o liczebnoœciach n1 i n2. Nastêpnie w rozk³adach
empirycznych badanej zmiennej nale¿y okreœliæ dystrybuanty empiryczne
Fn1(x) oraz Fn2(x). Jeœli prawdziwa jest H0, to ró¿nica miêdzy wartoœciami
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)
Ostatecznie do weryfikacji sformu³owanej hipotezy stosuje siê statystykê:
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
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.
Tabela 18. Rozk³ad liczby opolan i respondentów ze wzglêdu na

wiek
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
Podstaw¹ wyznaczenia statystyki testowej jest wyznaczenie dystrybuant

empirycznych obu zmiennych – liczby mieszkañców Opola i liczby respon-
dentów. Obliczenia pomocnicze przedstawione s¹ na rys. 66.
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
Rysunek 66. Arkusz roboczy 5 – obliczenia pomocnicze do wyznaczenia statystyki l

Z obliczeñ otrzymujemy wartoœæ statystyki (wzór 26), która wynosi

D* = 0,073, natomiast wartoœæ statystyki testowej s³u¿¹cej weryfikacji
hipotez (wzór 27) wynosi odpowiednio l = 1,147. W kolejnoœci nale¿y porównaæ
wartoœæ obliczon¹ z wartoœci¹ odczytan¹ z tablic rozk³adu l-Ko³mogorowa
dla prawdopodobieñstwa 0,05. Uzyskujemy nierównoœæ l = 1,147 ³ l0,05 = 1,38,
na podstawie której stwierdzamy, ¿e rozk³ady wieku s¹ takie same. A zatem
próba respondentów bior¹cych udzia³ w badaniu jest reprezentatywna ze

wzglêdu na wiek.
6.3. Analiza czynnikowa jako metoda analizy danych

6.3. z pomiarów pierwotnych
Metoda analizy czynnikowej nale¿y do najczêstszych wielowymiarowych

metod analitycznych s³u¿¹cych badaniu struktury wewnêtrznych zale¿noœci
obserwacji wielowymiarowych. Za³o¿eniem tej metody jest mo¿liwoœæ przed-
stawienia ka¿dej zmiennej jako kombinacji liniowej pewnej liczby nieob-
serwowalnych zmiennych zwanych czynnikami. Czynniki te s¹ wspólne dla
ca³ego zbioru zmiennych wejœciowych oraz jednego swoistego dla tej zmien-
nej czynnika nieobserwowalnego. Pozwala to na podzia³ wariancji ka¿dej
zmiennej wejœciowej na wariancjê wyjaœnian¹ przez czynniki wspólne i wa-
riancjê wyjaœnian¹ przez czynnik swoisty. Celem analizy czynnikowej jest
znalezienie takiego zbioru czynników wspólnych oraz okreœlenie ich relacji
ze zmiennymi obserwowalnymi, by mo¿liwe sta³o siê wyjaœnienie struktury
powi¹zañ miêdzy zmiennymi obserwowalnymi. Ponadto analiza czynnikowa
pozwala na opis i interpretacjê badanych zjawisk z punktu widzenia nowych
kategorii, jakimi s¹ czynniki g³ówne. Metodê tê mo¿na równie¿ stosowaæ do
porz¹dkowania obiektów i badania zjawisk zachodz¹cych pomiêdzy badany-
mi zjawiskami155.
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.
Przedmiotem analizy czynnikowej jest macierz danych zawieraj¹ca n rea-

lizacji m zmiennych:
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)
Zmienne te przedstawia siê jako liniow¹ kombinacjê zmiennych nieob-

serwowalnych, zwanych czynnikami wspólnymi, które przenosz¹ informacje
wspólne dla zmiennych wejœciowych, oraz pojedynczej zmiennej zwanej
czynnikiem swoistym, który przenosi informacje zawarte wy³¹cznie w tej
zmiennej wejœciowej, a informacje te nie s¹ powielane przez inne zmienne
wejœciowe.
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)
Przyjmuje siê, ¿e Ÿród³em wzajemnych zale¿noœci miêdzy zmiennymi s¹

okreœlone wspólne czynniki. Ponadto ka¿da zmienna charakteryzuje siê pe-
wnymi specyficznymi w³aœciwoœciami. Sk³adniki wspólne s¹ uznawane za
noœniki tej samej informacji, co prowadzi do wniosku, ¿e mo¿na je zast¹piæ
nowymi, syntetycznymi czynnikami g³ównymi158.
Podstaw¹ identyfikacji sk³adników wspólnych i specyficznych jest w ana-
lizie czynnikowej podzia³ wariancji poszczególnych zmiennych na wariancjê
wspóln¹ i specyficzn¹, co przedstawia siê nastêpuj¹co:
v j = h 2j + b 2j (32)
gdzie: vj – wariancja ca³kowita j-tej zmiennej;

h 2j – zasób zmiennoœci wspólnej j-tej zmiennej (czêœæ wariancji,
która jest objaœniana przez czynniki g³ówne);
b 2j = 1 - h 2j – zasób zmiennoœci specyficznej j-tej zmiennej (swoistoœæ).
Przyjmuj¹c powy¿sze za³o¿enia, model analizy czynnikowej mo¿na sfor-
mu³owaæ w nastêpuj¹cej postaci:
Z = AF + BU (33)
gdzie: Z = [ Z j ]1Txm = [ Z1 , Z 2 , ..., Zm ] – macierz zmiennych;

A =[ a jl ]mxp – macierz ³adunków czynnikowych sk³adników
wspólnych (p £ m);
F = [ F l ] Tlxp = [ F1 , F 2 , ..., F P ] – macierz czynników wspólnych;
B =[ diag(b j )]mxm – macierz ³adunków czynnikowych sk³adników
specyficznych;
U = [U j ]1Txm = [U1 , U 2 , ..., Um ] – macierz czynników specyficznych;
j = 1, 2, ..., m – numer zmiennej;
l = 1, 2, ..., p – numer sk³adnika wspólnego (czynnika g³ównego).
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
Usuwaj¹c z równania 34 sk³adnik reprezentuj¹cy wariancjê specyficzn¹,

otrzymuje siê tzw. zredukowan¹ macierz korelacji:
~
R =A ×AT (35)
gdzie:
~ ì rkj ( k ¹ j)
R = [ r~kj ]mxm – zredukowana macierz korelacji zmiennych r~kj = í 2
î hj ( k = j)
Literatura przedmiotu oraz dostêpne oprogramowania oferuj¹ i prezen-

tuj¹ kilka metod wyodrêbniania czynników. Spoœród wielu nale¿y wymieniæ
metodê najwiêkszej wiarygodnoœci, metodê centroidaln¹ czy metodê
sk³adowych g³ównych159. Szczegó³owo wymienione metody przedstawia
T. Czy¿ w pracy Zastosowanie metody analizy czynnikowej do badania eko-
nomicznej struktury regionalnej Polski160.
Celem zobrazowania zasad przeprowadzania analizy czynnikowej pos³u-
¿ymy siê rozwa¿anym ju¿ przyk³adem badania zachowañ komunikacyjnych
mieszkañców.
Analiza czynnikowa wydaje siê adekwatnym narzêdziem do okreœle-

nia hierarchii czynników wp³ywaj¹cych na ocenê transportu publicz-
nego.
Do przeprowadzenia analizy czynnikowej mo¿na wykorzystaæ dostêpne

pakiety komputerowe oferuj¹ce zaimplementowany modu³ tej analizy. Jed-
nym z takich pakietów jest Statistica. Wejœciowy zbiór zmiennych charakte-
ryzuj¹cych poszczególnych respondentów przedstawia takie cechy transportu
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.
Rysunek 67. Arkusz roboczy 6 – dane wejœciowe

120
Rozwa¿ane zmienne zosta³y poddane standaryzacji. Standaryzacji dokona-
no w programie Statistica wed³ug schematu przedstawionego na rys. 68 i 69.
Rysunek 68. Arkusz roboczy 7 – wybór polecenia standaryzacji

Rysunek 69. Arkusz roboczy 8 – wybór zmiennych do standaryzacji

Przywo³ano polecenie Standaryzuj z menu Dane. Wskazano zmienne,

które powinny byæ poddane standaryzacji; w rozwa¿anym przypadku nale¿y
zaznaczyæ wszystkie zmienne.
121
Aby potwierdziæ ustawienia i wykonaæ standaryzacjê, nale¿y wcisn¹æ kla-
wisz OK. Po standaryzacji zbiór zmiennych przedstawia siê tak jak na rys 70.
Rysunek 70. Arkusz roboczy 9 – zmienne po standaryzacji

W dalszej analizie wykorzystany zosta³ modu³ Statystyka/Wielowymia-

rowe techniki eksploracyjne/Analiza czynnikowa. W efekcie na ekra-
nie pojawia siê okno (rys. 71).
122
Rysunek 71. Arkusz roboczy 10 – okno dialogowe

Kolejnym krokiem, realizowanym klikniêciem klawisza Zmienne, jest

wybór zmiennych do analizy (rys. 72).
Rysunek 72. Arkusz roboczy 11 – wybór zmiennych do analizy czynnikowej

123
Zaznaczono zmienne, dla których bêdzie przeprowadzona analiza czynni-
kowa, a dokonany wybór zaakceptowano klawiszem OK. Pojawia siê nastêp-
ne okno dialogowe (rys. 73).
Rysunek 73. Arkusz roboczy 12 – okno dialogowe analizy czynnikowej

Pozostawiamy domyœlne ustawienia pliku wejœciowego Dane surowe,

gdy¿ takimi danymi operujemy w przyk³adzie. Kolejnym krokiem jest meto-
da wyboru czynników (rys. 74).
Rysunek 74. Arkusz roboczy 13 – metoda wyodrêbniania czynników

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).
Rysunek 75. Arkusz roboczy 14 – macierz korelacji

Stosuj¹c modu³ Analizy czynnikowej, w programie Statistica mo¿na

uzyskaæ maksymalnie piêæ czynników; ostateczny wybór liczby czynników
dokonany zostanie na podstawie kryterium Kaisera161 i testu osypiska162.
Wybór liczby czynników dokonany zostanie metod¹ sk³adowych g³ównych,
w tym celu w oknie przedstawionym na rys. 76 nale¿y wybraæ metodê
sk³adowych g³ównych, a maksymaln¹ liczbê czynników ustawiæ na piêæ. Mi-
nimaln¹ wartoœæ w³asn¹ program ustawia automatycznie na 1. Wybór akce-
ptujemy klawiszem OK, otrzymuj¹c okno Wyniki analizy czynnikowej (rys.
76, 77).
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
Rysunek 76. Arkusz roboczy 15 – wybór metody wyodrêbniania czynników

Rysunek 77. Arkusz roboczy 16 – wyniki analizy czynnikowej

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
Rysunek 78. Arkusz roboczy 17 – wartoœci w³asne

1,6
1,4
1,2
1,0
Wart.
0,8
0,6
0,4
0,2
0,0
1 2 3 4 5
Rysunek 79. Wykres wartoœci w³asnych

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.
Rysunek 80. Arkusz roboczy 18 – wyniki analizy czynnikowej

W górnej czêœci okna przedstawionego na rys. 80 s¹ wybrane podstawowe

wyniki analizy przy przyjêtych za³o¿eniach. Znajduj¹ siê one równie¿
w szczegó³owych tablicach wyników analizy. Okno Wariancja wyjaœniana
pozwala na zaznajomienie siê z Zasobami zmiennoœci wspólnej przeno-
szonymi przez wyodrêbniony czynnik, który bêdzie uwzglêdniony w dalszej
analizie.
W pierwszej kolumnie arkusza przedstawionego na rys. 81 znajduj¹ siê
odsetki wyjaœnianej przez wyodrêbniony czynnik wariancji wspólnej po-
szczególnych zmiennych wejœciowych. Przyk³adowo czynnik ten wyjaœnia
55% wariancji wspólnej zmiennej „czystoœæ”, 46% wariancji wspólnej zmien-
nej „komfort”. Ostatnia kolumna prezentuje wspó³czynnik determinacji wie-
lorakiej zmiennych wejœciowych z wyodrêbnionym czynnikiem.
128
Rysunek 81. Arkusz roboczy 19 – szczegó³owe wyniki analizy czynnikowej
Wybieraj¹c na karcie Wyjaœniona wariancja klawisz Korelacje resz-

towe/odtworzone, otwieramy okno z tablic¹ Korelacja resztkowa (rys. 82)
oraz Odtworzone korelacje (rys. 83).
Rysunek 82. Arkusz roboczy 20 – korelacja resztkowa

Rysunek 83. Arkusz roboczy 21 – odtworzone korelacje

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).
Rysunek 84. Arkusz roboczy 22 – ³adunki czynnikowe

Otrzymane ³adunki to jednoczeœnie wspó³czynniki korelacji pomiêdzy

zmiennymi wejœciowymi a czynnikami. Ich kwadraty informuj¹, jaka czêœæ
wariancji wspólnej zmiennych wejœciowych zosta³a wyjaœniona przez czyn-
nik. Zmienne, dla których wartoœci wspó³czynników determinacji przekra-
czaj¹ 0,5, s¹ wykorzystywane do interpretacji czynników.
Czynnik pierwszy, jaki jest rozwa¿any w analizie zachowañ komunikacyj-
nych opolan, reprezentuje zmienne „cena” oraz „komfort”. Dla analizowa-
nych respondentów mo¿na obliczyæ wartoœæ czynnika wybranego do analizy.
W tym celu w oknie Wyniki analizy czynnikowej wybieramy kartê War-
toœci czynnikowe, na tej karcie wybieramy klawisz Wspó³czynniki czyn-
ników (rys. 85).
130
Rysunek 85. Arkusz roboczy 23 – okno dialogowe modu³u Analiza czynnikowa

Otrzymana tabela jest tabel¹ wartoœci wspó³czynników czynników umo¿li-

wiaj¹cych obliczenie wartoœæ czynnika dla ka¿dego respondenta (rys. 86).
Rysunek 86. Arkusz roboczy 24 – wspó³czynniki wartoœci czynników

W tej samej karcie Wartoœci czynnikowe klikamy w klawisz Wartoœci

czynnikowe, otrzymujemy w ten sposób tablicê z wartoœciami dla wybrane-
go czynnika „czystoœæ” dla badanych respondentów (rys. 87).
131
Rysunek 87. Arkusz roboczy 25 – szczegó³owe wyniki analizy czynnikowej

Na podstawie danych zawartych w tabeli mo¿na przedstawiæ graficznie

rozmieszczenie 384 badanych respondentów (rys. 88).
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
Rysunek 88. Arkusz roboczy 26 – konfiguracja respondentów w przestrzeni jednego czynnika

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.
133
Rozdzia³ VII
Wybrane metody analiz wielowymiarowych

i analizy wariancji
7.1. Mo¿liwoœci zastosowania skalowania wielowymiarowego

7.1. w analizie danych z pomiaru kwestionariuszowego
Pojêcie skalowania wielowymiarowego zosta³o wprowadzone po raz pierw-
szy do literatury przedmiotu w 1952 roku przez W.S. Torgersona, który za-
proponowa³ metryczne rozwi¹zanie problemu164.
Skalowanie wielowymiarowe jest metod¹ opart¹ na za³o¿eniu wyra¿a-

nia stosunku respondenta do rzeczywistoœci poprzez traktowanie obiek-
tów (produktów) jako punktów w przestrzeni m-wymiarowej.
Skalowanie wielowymiarowe to wizualizacja danych w niskim wymiarze

przy wykorzystaniu tzw. macierzy bliskoœci oraz odpowiedniej do analizo-
wanych danych metryki. W metodzie tej d¹¿y siê do rozmieszczenia obiek-
tów jako punktów w przestrzeni niskowymiarowej w taki sposób, aby obiek-
ty podobne do siebie znajdowa³y siê blisko siebie. Prowadzi to do redukcji
oryginalnego rozmiaru danych z zachowaniem ich w³asnoœci topologicznych
oraz metrycznych.
W odniesieniu do badañ marketingowych skalowanie wielowymiarowe
jest jedn¹ z nowszych technik pomiaru postaw i preferencji nabywców.
Wœród metod skalowania wielowymiarowego wyró¿nia siê najczêœciej dwie
metody: skalowanie wielowymiarowe (MDS) oraz analizê wieloczynnikow¹
(conjoint analysis).
Celem g³ównym skalowania wielowymiarowego jest ukazanie struktury
badanych obiektów przez okreœlenie treœci wymiarów na podstawie podo-
bieñstw i preferencji respondentów oraz przedstawienie w przestrzeni
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
bêdzie przeprowadzane skalowanie obiektów. Jako pocz¹tek iteracji przyj-

muje siê, ¿e t = 1. Dalsze czynnoœci przebiegaj¹ wed³ug nastêpuj¹cego
schematu167:
1. Na podstawie metody g³ównych sk³adowych w sposób losowy ustala siê
konfiguracjê pocz¹tkow¹ n-obiektów w przestrzeni t-wymiarowej. Mo¿na te¿
dokonaæ konfiguracji wed³ug kryterium u¿ytkownika. Przyjmuje siê, ¿e i-ty
obiekt ma wspó³rzêdne (pi1 ,..., pin).
2. Pomiêdzy n-obiektami oblicza siê odleg³oœci dik, które spe³niaj¹ w³asnoœci
metryki, a których wspó³rzêdne okreœlono w punkcie 1.
3. Rozwa¿aj¹c metryczn¹ procedurê skalowania, wyznacza siê regresjê li-
niow¹ pomiêdzy odleg³oœciami dik a dik* :
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
b) Younga – wspó³czynnik S-STRESS:
SS =
å (d - d$
2
ik
2
ik )2
(37)
åd 2
ik
Dopasowanie odleg³oœci jest tym lepsze, im mniejsze wartoœci przyjmuj¹

wspó³czynniki S i SS.
5. Jeœli uznamy, ¿e dopasowanie mierzone wspó³czynnikiem STRESS
i S-STRESS jest niewystarczaj¹ce, nale¿y wówczas zmieniæ nieznacznie

wspó³rzêdne obiektów okreœlone w kroku 1, tworz¹c nowy uk³ad n-obiektów
w t-wymiarowej przestrzeni. Nowe wspó³rzêdne dla i-tego obiektu okreœlone
s¹ wzorem:
a n æç d$ ö
pit = pit + å
n - 1 k =1 çè
1 - ik
dik
÷( p kt - pit )
÷
(38)
ø
Zazwyczaj przyjmuje siê ¿e a = 0,2 i jednoczeœnie 0 < a < 1.

Jeœli dopasowanie nie jest satysfakcjonuj¹ce, to kroki 2–5 powtarzamy tak
d³ugo, a¿ nast¹pi znacz¹ca redukcja wartoœci wspó³czynnika S lub SS.
Badania preferencji i postaw nabywców za pomoc¹ metody MDS s¹
niezmiernie istotne dla decydentów, gdy¿ na ich podstawie mog¹ oni
uzyskaæ informacje np. na temat wymiarów, wed³ug których respondenci
oceniaj¹ badane obiekty. Ponadto skalowanie wielowymiarowe dostarcza
informacji o pozycji rynkowej badanego obiektu w przestrzeni wielowymiaro-
wej oraz o tym, które obszary nie zosta³y jeszcze zape³nione169.
Dla zobrazowania sposobu wykorzystania metody skalowania wielo-
wymiarowego do redukcji wymiarów pos³u¿ymy siê przyk³adem. Wykorzy-
stany w analizie czynnikowej program Statistica u¿yty zostanie równie¿ do
skalowania wielowymiarowego.
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).
Rysunek 89. Arkusz roboczy 27 – okno dialogowe Statystyki podstawowe i tabele

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).
Rysunek 90. Arkusz roboczy 28 – wybór zmiennych

Uzyskan¹ macierz podobieñstwa przedstawia rys 91. Poza wspó³czynnika-

mi korelacji pomiêdzy zmiennymi otrzymaliœmy równie¿ œredni¹ wartoœæ ka¿-
dej zmiennej, odchylenia standardowe oraz liczbê przypadków (384). Z ma-
Rysunek 91. Arkusz roboczy 29 – macierz korelacji

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 przejœæ 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).
Rysunek 92. Arkusz roboczy 30 – panel pocz¹tkowy skalowania wielowymiarowego

Program zak³ada, ¿e dla tej macierzy podobieñstwa chcemy znaleŸæ roz-

wi¹zanie dwuwymiarowe i ¿e rozwi¹zanie pocz¹tkowe ma byæ oszacowane za
pomoc¹ analizy sk³adowych g³ównych.
Klikaj¹c przycisk OK, akceptujemy ustawienia domyœlne. Najpierw zosta-
nie obliczona pocz¹tkowa konfiguracja i zostanie wyœwietlone okno Estyma-
cja parametrów (rys. 93).
Iteracyjny algorytm poszukiwania optymalnej konfiguracji sk³ada siê
z dwóch etapów. Najpierw program stosuje metodê znan¹ jako metoda
140
Rysunek 93. Arkusz roboczy 31 – okno Estymacja parametrów

najszybszego spadku. Odpowiedni numer iteracji najszybszego spadku jest

podany w pierwszej kolumnie (oznaczonej iter. s:) w oknie Estymacja
parametrów.
Po ka¿dej iteracji najszybszego spadku program wykonuje do piêciu dodat-
kowych iteracji, aby „dostroiæ” konfiguracjê. Odpowiednie numery tych itera-
cji s¹ podane w drugiej kolumnie (oznaczonej iter. t:) w oknie Estymacja
parametrów. Dodatkowo w ka¿dym kroku s¹ obliczane i przedstawiane
wartoœæ STRESS-u i wspó³czynnik alienacji.
Po wyznaczeniu przez program najlepszej konfiguracji dwuwymiarowej
wyœwietlona zostanie koñcowa wartoœæ STRESS-u. Nastêpnie klikamy przy-
cisk OK, aby przejœæ do okna Wyniki (rys. 94).
W pierwszej kolejnoœci obejrzyjmy tabelê odleg³oœci rzeczywistych i od-
leg³oœci oszacowanych. Aby oceniæ dopasowanie rozwi¹zania dwuwymia-
rowego, klikamy przycisk Statystyki podsumowuj¹ce umieszczony na kar-
cie Wiêcej (rys. 94).
Arkusz na rys. 95 zawiera cztery kolumny. Kolumny oznaczone D^ i D*
zawieraj¹ monotoniczne przekszta³cenia danych wejœciowych. Wartoœci D*
s¹ to odwzorowania rangowe obliczone wed³ug formu³y podanej przez
Guttmana, a wartoœci D^ to monotoniczne oceny regresyjne obliczone we-
d³ug formu³y podanej przez Kruskala.
141
Rysunek 94. Arkusz roboczy 32 – arkusz Wyniki

Rysunek 95. Arkusz roboczy 33 – arkusz Konfiguracja koñcowa

Wiersze w tym arkuszu, z których ka¿dy reprezentuje odleg³oœæ okreœlon¹

w macierzy podobieñstwa, s¹ posortowane wed³ug wielkoœci D* lub D^.
W drugiej kolumnie arkusza znajduj¹ siê odleg³oœci odtworzone na podsta-
wie aktualnej konfiguracji. Jeœli dopasowanie aktualnego modelu (tzn. aktu-
alna liczba wymiarów) jest bardzo dobre, to porz¹dek odleg³oœci odtworzo-
nych powinien byæ w przybli¿eniu taki sam jak w przekszta³conych danych
wejœciowych (tzn. wartoœci D* lub D^). Elementy nieuporz¹dkowane wska-
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
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
Rysunek 96. Arkusz roboczy 34 – wykres Sheparda

Punkty na wykresie Sheparda skupiaj¹ siê wokó³ linii schodkowej. Zatem

mo¿na wnioskowaæ, ¿e konfiguracja dwuwymiarowa w odpowiedni sposób
opisuje podobieñstwa miêdzy cechami. Interpretacjê tego rozwi¹zania mo¿e
u³atwiæ przedstawienie konfiguracji cech w przestrzeni dwuwymiarowej. Po-
wróæmy do karty Wiêcej, a nastêpnie kliknijmy przycisk Wykres 2W koñ-
cowej konfiguracji. Otworzy siê poœrednie okno Wybierz dwa wymiary
dla wykresu rozrzutu, w którym wybieramy wymiary do wykresu rozrzu-
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).
Rysunek 97. Arkusz roboczy 35 – wybór wymiarów dla wykresu rozrzutu

Dla wymiaru pierwszego najwiêksz¹ wartoœæ reprezentuje cecha X3, zaœ

dla wymiaru drugiego – X2. Analizuj¹c oba wymiary równoczeœnie, mo¿na
stwierdziæ brak podobieñstwa pomiêdzy rozwa¿anymi cechami komunikacji
miejskiej (rys. 98).
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
Rysunek 98. Arkusz roboczy 36 – wykres rozrzutu

144
7.2. Analiza conjoint i jej wykorzystanie w analizie
7.2. danych empirycznych
Analiza conjoint polega na dekompozycji ca³kowitej u¿ytecznoœci danego

produktu, który jest opisany za pomoc¹ wybranych atrybutów, na u¿yteczno-
œci cz¹stkowe, które odnosz¹ siê do poszczególnych atrybutów. Dekompozy-
cja dokonywana jest na podstawie pomiaru ca³kowitych preferencji uznawa-
nych za zmienn¹ zale¿n¹ i uto¿samiana jest z u¿ytecznoœci¹ ca³kowit¹.
Atrybuty produktu s¹ tutaj zmiennymi niezale¿nymi mierzonymi na skali
nominalnej170. Preferencje konsumenta (zmienna zale¿na) mierzone s¹ na
skali porz¹dkowej, przedzia³owej b¹dŸ te¿ ilorazowej. Dodaæ jednoczeœnie
nale¿y, ¿e model postaw konsumenta jest modelem kompensacyjnym171, co
oznacza ¿e nabywca w swoich ocenach kompensuje ma³o atrakcyjne atrybu-
ty produktu jego atrybutami atrakcyjnymi172. Omawiana tu analiza znajdu-
je g³ówne zastosowanie w zakresie testowania nowych produktów, œrodków
reklamy oraz kszta³towania cen173.
Koñcowe wyniki przedstawiaj¹ wspó³czynniki u¿ytecznoœci cz¹stkowych,

które mo¿na wykorzystaæ do174:
· wskazania produktu o optymalnych kategoriach lub poziomach atrybu-
tów;
· prognozowania udzia³u w rynku;
· wskazania relacji pomiêdzy cechami produktu przy podejmowaniu de-
cyzji zakupowej;
· segmentacji rynku;
· okreœlenia u¿ytecznoœci ka¿dej kategorii lub poziomu atrybutu.
Postêpowanie badawcze w analizie conjoint polega na realizacji kilku na-
stêpuj¹cych po sobie faz175:
· zidentyfikowania i okreœlenia poszczególnych atrybutów produktów po-
legaj¹cego na wyznaczeniu tych czynników, które wykorzystywane bêd¹ do
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-
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
gdzie: Yl – u¿ytecznoœæ ca³kowita l-tego wariantu produktu

(l = 1, 2, ..., p);
yij – u¿ytecznoœæ cz¹stkowa j-tego poziomu i-tego atrybutu (zmien-
nej niezale¿nej);
ì 1, gdy w wariancji produktu l wystêpuje j-ty poziom
ï j-tego atrybutu
ï
x ij = í
(l)
ï 0, gdy w wariancji produktu l nie wystêpuje j-ty

ï
î poziom i-tego atrybutu;
el – sk³adnik losowy;
k – liczba atrybutów produktu okreœlaj¹ca liczbê zmiennych;
mi – liczba kategorii lub poziomów i-tego atrybutu.
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:
Y$v = a 0v + a1v X 1v + a 2v X 2v + ... + a pv X pv (40)
gdzie: Y$v – teoretyczna wartoœæ u¿ytecznoœci ca³kowitej respondenta

o numerze v;
akv – parametr modelu regresji stoj¹cy przy k-tej zmiennej
zero-jedynkowej178;
Xkv – zmienna zero-jedynkowa, która identyfikuje dan¹ kategoriê
atrybutu produktu.
W wyniku estymacji otrzymujemy oceny parametrów w modelu regresji ze
sztucznymi zmiennymi. Parametry te interpretujemy jako u¿ytecznoœci
cz¹stkowe179 ka¿dej kategorii lub poziomu dla poszczególnych atrybutów.

W wyniku agregacji u¿ytecznoœci cz¹stkowych respondentów otrzymuje-
my u¿ytecznoœæ ca³kowit¹ okreœlon¹ wzorem:
k
Y$ pv = å Y$ipv + a 0v (41)
i =1
gdzie: Y$ pv – u¿ytecznoœæ ca³kowita p-tej oferty produktu dla respondenta

o numerze v;
$ v
Yip – u¿ytecznoœæ cz¹stkowa tej kategorii i-tego atrybutu, która
wystêpuje w p-tej ofercie produktu;
a0v – sta³a w równaniu dla respondenta o numerze v.
U¿ytecznoœæ ca³kowita danej ofert jest zatem œredni¹ arytmetyczn¹
z u¿ytecznoœci ca³kowitych w³aœciwych ka¿demu respondentowi. Na pod-
stawie uzyskanych u¿ytecznoœci ca³kowitych poszczególnych ofert mo¿na
oszacowaæ ich udzia³y w rynku. W tym celu proponuje siê jedno z trzech
podejœæ:
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-
denta okreœla wzór:
max{Y$ipv } - min{Y$ipv }
Wiv = k
(42)
å (max{Y$ipv } - min{Y$ipv })
i =1
gdzie: Wiv – relatywna wa¿noœæ i-tego atrybutu produktu dla respondenta

o numerze v;
$ v
Yip – teoretyczna u¿ytecznoœæ cz¹stkowa p-tej kategorii lub poziomu
i-tego atrybutu dla respondenta o numerze v.
Za najwa¿niejszy atrybut produktu dany respondent uznaje ten, dla któ-

rego wskaŸnik relatywnej wa¿noœci jest najwiêkszy. Œrednie wartoœci tego
wskaŸnika pozwalaj¹ na budowê rankingów180.
Podsumowuj¹c, nale¿y dodaæ, ¿e analiza conjoint przyczynia siê, po-
przez okreœlenie preferencji nabywców wobec poszczególnych atrybutów pro-
duktu, do sformu³owania konkretnych wytycznych decyzyjnych, podczas
gdy metoda MDS umo¿liwia jedynie wytyczenie strategicznych kierunków
dzia³ania181.
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.
Do estymacji parametrów równania 40 wykorzystano dodatek programu

Excel Analiza danych; spoœród oferowanych narzêdzi analizy wybieramy
Regresjê (rys. 99).
W oknie dialogowym polecenia Regresja nale¿y wskazaæ zakres wej-
œciowy: zmienna objaœniana Y, zmienne objaœniaj¹ce Xi oraz zakres wyj-
œciowy – dowolna komórka w arkuszu. Wybory akceptujemy klawiszem OK
(rys. 100).
Wyniki estymacji parametrów równania regresji wielorakiej opisuj¹cej
wartoœci u¿ytecznoœci cz¹stkowych przedstawia rys. 101.
Najwy¿sz¹ u¿ytecznoœæ dla opolan ma zmienna X2 (liczba punktów
przesiadkowych), wartoœæ wspó³czynnika regresji, a co za tym idzie u¿y-
tecznoœci cz¹stkowej, wynosi 0,12. Zmienna X1 – punktualnoœæ œrodków ko-
munikacji miejskiej – nie ma wp³ywu na ca³kowit¹ u¿ytecznoœæ komunika-
cji miejskiej, poniewa¿ wartoœæ u¿ytecznoœci cz¹stkowej jest najmniejsza
(rys. 101).
Wspó³czynnik determinacji R2 wynosi 0,75, co oznacza, ¿e zmiennoœæ
zmiennej objaœnianej Y jest w 75% wyjaœniona przez zmienne objaœniaj¹ce
Xi (i = 1, ..., 4). Poziom wyjaœnienia mo¿na uznaæ za dobry, choæ im wy¿sza
wartoœæ wspó³czynnika determinacji, tym lepiej (maksymalna wartoœæ, jak¹
mo¿e przyj¹æ R2 to 1). Wartoœæ statystyk t (kolumna J) oraz niskie (poni¿ej
5%) wartoœci prawdopodobieñstwa p wskazuj¹ na istotnoœæ wszystkich
parametrów182.
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
Rysunek 100. Arkusz roboczy 38 – okno dialogowe funkcji Regresja

150
Rysunek 101. Arkusz roboczy 39 – Wyniki regresji
151
7.3. Jednoczynnikowa analiza wariancji
Analiza wariancji to narzêdzie s³u¿¹ce do porównania wiêcej ni¿ dwóch

badanych grup wydzielonych przez kategorie jednej lub wielu zmiennych
(analiza jedno- lub wieloczynnikowa).
Analiza wariancji opiera siê na porównaniu rozproszenia (wariancji)

zmiennej zale¿nej w analizowanych grupach wydzielonych ze wzglêdu
na wartoœci zmiennych niezale¿nych.
Mo¿na wykazaæ, ¿e im wiêksza ró¿nica w œredniej wartoœci zmiennej

zale¿nej pomiêdzy porównywanymi grupami, tym wiêksza wariancja miê-
dzygrupowa183.
W jednoczynnikowej analizie wariancji bada siê, czy wystêpuj¹ ró¿nice
w œrednich wartoœciach zmiennej zale¿nej w podgrupach wydzielonych ze
wzglêdu na wartoœci jednej zmiennej niezale¿nej o k-kategoriach184. Przyj-
muj¹c poziom czynnika jako kryterium podzia³u, mamy zatem wyodrêbnione

k-populacji opisanych za pomoc¹ zmiennych Yi, i = 1, ..., k, gdzie zmienne Yi
maj¹ rozk³ady normalne ze œrednimi mi, oraz sta³ej we wszystkich podgru-
pach wariancji s2.
Z ka¿dej populacji pobieramy niezale¿n¹ próbê losow¹ o liczebnoœciach:
k
n1, n2, ..., nk, przy czym ån
i =1
1 = n.
Hipoteza zerowa w analizie wariancji mówi, ¿e œrednie we wszystkich po-

pulacjach s¹ równe:
H0: µ1 = µ2 = µ3 = ... = µ,
natomiast hipoteza alternatywna zak³ada, ¿e przynajmniej dwie z œrednich

s¹ ró¿ne
H1: µi ¹ µj dla co najmniej jednej pary wskaŸników i, j, przy czym i ¹ j.
Statystyka testowa pozwalaj¹ca na weryfikacjê hipotez ma postaæ:
MSB
F= (43)
MSE
gdzie: MSB – œrednie kwadraty odchyleñ miêdzygrupowych;

MSE – œrednie kwadraty odchyleñ wewn¹trzgrupowych.
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
gdzie: SSE – suma kwadratów odchyleñ wartoœci cechy od œredniej gru-

powej reprezentuje zmiennoœæ wewn¹trzgrupow¹;
SSB – suma kwadratów odchyleñ wartoœci œrednich grupowych
od œredniej ogólnej reprezentuje zmiennoœæ miêdzygrupow¹:
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
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
Na mocy wzorów 44–47 oraz odpowiednich przekszta³ceñ statystykê F

mo¿emy zapisaæ w nastêpuj¹cej postaci:
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
Statystyka testowa dana wzorem 48 przy prawdziwoœci hipotezy zerowej

H0 ma rozk³ad F z v1 = k – 1 oraz v2 = n – k stopniami swobody. W analizie
wariancji obszar krytyczny dany jest równoœci¹ P( F ³ F a ,v1 ,v 2 ) = a, z której
wynika, ¿e jeœli F ³ F a,v1 ,v 2 , hipotezê zerow¹ nale¿y odrzuciæ185.
Mo¿liwoœæ wykorzystania analizy wariancji zostanie zaprezentowana na
znanym ju¿ przyk³adzie dotycz¹cym badania zachowañ komunikacyjnych,
zastosowany zostanie przy tym, podobnie jak w analizie conjoint, program
Excel.
Analizuj¹c zachowania opolan, sformu³owano tezê, ¿e p³eæ wp³ywa na oce-
nê komunikacji rowerowej w mieœcie. I choæ zmienna ta nie jest mo¿e naj-
185
M. Duczmal, A. T³uczak, op. cit., s. 130 i n.
153
154
Rysunek 102. Arkusz roboczy 40 – obliczenia statystyki F w analizie wariancji
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 wartoœæ 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.
155
Rozdzia³ VIII
Prezentacja wyników
w postaci pisemnego raportu z badania
8.1. Zasady sporz¹dzania pisemnego raportu z badania

Ostatnim etapem procesu badawczego jest sporz¹dzeniu raportu. Z punk-
tu widzenia zleceniodawcy jest to najwa¿niejszy element procedury badania,
jest bowiem informacj¹ o efektach i jakoœci wykonanej us³ugi.
Raport stanowi materialny dowód przeprowadzenia badania.
Dlatego jedn¹ z podstawowych umiejêtnoœci badacza powinna byæ zdolnoœæ

prezentacji i przekazywania uzyskanych informacji. Sposób prezentacji w znacz-
nym stopniu determinowaæ mo¿e podejmowane przez zleceniodawcê decyzje.
Raport z badañ to coœ wiêcej ani¿eli tylko sprawozdanie. To zbiór informa-
cji, które bêd¹ stanowi³y podstawê podejmowania decyzji. Powinien byæ za-
tem napisany z perspektywy odbiorcy, uwzglêdniaæ jego preferencje, byæ do-
stosowany do poziomu jego percepcji. Oznacza to, ¿e o wyznacznikach kryte-
riów konstruowania raportu powinny decydowaæ indywidualne preferencje
odbiorców. Podobnie jak w kwestionariuszu badacz powinien wykorzystywaæ
s³ownictwo zrozumia³e, niedopuszczaj¹ce dwuznacznoœci i w¹tpliwoœci inter-
pretacyjnych, nie powinien pozostawiaæ poczucia dezinformacji. Warto wspom-
nieæ o jêzykowej formie raportu i zwróciæ uwagê, ¿e bogate s³ownictwo nie
zawsze zwiêksza jakoœæ przekazywanych informacji.
Niedopuszczalne jest powstanie sytuacji, w której elementy oczywiste dla
twórcy raportu zostan¹ pominiête i w ten sposób powstanie luka w ci¹gu
myœlowym mog¹ca prowadziæ do utrudnieñ w zrozumieniu przez odbiorcê
kontekstu ca³oœci. Dotyczy to w szczególnoœci prezentacji analiz statystycz-
nych, wykraczaj¹cych niejednokrotnie poza zakres kompetencji odbiorcy
raportu187. W konsekwencji ka¿dy raport powinny cechowaæ: u¿ytecznoœæ
w praktyce, zrozumia³oœæ, czytelnoœæ i starannoœæ przygotowania.
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
nadinterpretacji, wyci¹gania b³êdnych wniosków lub do fragmentarycznego

opisu w sposób skomplikowany przedstawionych wyników. Wa¿nym elemen-
tem dobrze skonstruowanego raportu jest jasne przedstawienie skal i ró¿-
nych odnoœników, gdy¿ te niekoniecznie musz¹ byæ zrozumia³e dla odbiorcy
i zamierzony efekt pracy zespo³u badawczego mo¿e zostaæ przez odbiorcê
niedoceniony.
Problemy interpretacyjne dotycz¹ce wyników badañ marketingowych naj-
czêœciej wynikaj¹ z nieuwzglêdniania przez osoby tworz¹ce raporty wy¿ej
wymienionych kryteriów. Pisz¹cy raporty, dopuszczaj¹ siê nadinterpretacji,
wyci¹gaj¹ b³êdne wnioski b¹dŸ te¿ opisuj¹ fragmentarycznie przedstawione
na skomplikowanych wykresach wyniki, skazuj¹c czytelnika na informacyj-
ny chaos. Nale¿y pamiêtaæ o przejrzystym przedstawianiu skal, odnoœników
do norm, gdy¿ te nie zawsze s¹ jasne dla odbiorcy, powoduj¹c nierzadko
przecenienie lub niedocenienie uzyskanego efektu.
Raport nie stanowi zazwyczaj jednolitego tekstu. Najczêœciej podzielony
jest na kilka czêœci u³atwiaj¹cych czytelnikowi zapamiêtanie prezentowa-
nych informacji. Choæ nie istnieje jeden uniwersalny schemat raportu, a jego
uk³ad uzale¿niony jest zazwyczaj od potrzeb i wymagañ zleceniodawcy, to
ka¿dy powinien zawieraæ:
· stronê tytu³ow¹;
· spis treœci;
· streszczenie wstêpne (dla kierownictwa) zawieraj¹ce podstawowe i naj-
wa¿niejsze informacje dotycz¹ce przeprowadzonego badania;
· wprowadzenie zawieraj¹ce cele i hipotezy badawcze, a tak¿e okreœlenie
zasadnoœci prowadzenia badañ;
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-
dañ. W zakoñczeniu powinny zostaæ zawarte tak¿e zalecenia dotycz¹ce mo¿-

liwych do podjêcia dzia³añ. Raport zawiera tak¿e aneks, w którym umiesz-
cza siê wszelkie za³¹czniki (m.in. kwestionariusz ankiety, metodykê doboru
próby badawczej, obliczenia statystyczne).
Prawie ka¿dorazowo pisemna forma raportu uzupe³niana jest prezentacj¹
ustn¹. Dla uzyskania lepszego efektu odbioru prezentacja ustna dope³niana
jest prezentacj¹ power point zawieraj¹c¹ tabelaryczne i graficzne przedsta-
wienie wyników. Œrodki wizualne powinny stanowiæ uzupe³nienie wypowie-
dzi prelegenta. Dziêki nim mo¿na zwróciæ uwagê s³uchacza na najwa¿niejsze
zagadnienia oraz przedstawiæ to, co by³oby trudno opowiedzieæ.
Sporz¹dzaj¹c slajdy i wykresy z danymi, nale¿y pamiêtaæ o kilku zasa-
dach u³atwiaj¹cych zapamiêtywanie liczb189:
· szeregi liczbowe w tablicach nale¿y porz¹dkowaæ wed³ug okreœlonego
kryterium, np. od najmniejszej do najwiêkszej;
· ³atwiej czyta siê liczby uporz¹dkowane pionowo, ani¿eli poziomo;
· nie nale¿y skupiaæ siê na wartoœciach bezwzglêdnych, lecz na zale¿noœ-
ciach miêdzy nimi;
· tablice s¹ ³atwiejsze do zapamiêtania, je¿eli ich rozmiar jest mniejszy
ni¿ 15–20% powierzchni danego slajdu, gdy¿ wówczas oko ludzkie ³atwiej
mo¿e j¹ obj¹æ;
· zsumowane kolumny i wiersze daj¹ czytelnikowi pogl¹d na ogóln¹ struk-
turê zjawiska, a tê ³atwiej zapamiêtaæ.
188
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.
40% 20%
25% 15%
Rysunek 103. Podzia³ czasu obserwacji poszczególnych czêœci planszy

ród³o: L. Gottlib, Well organized ideas fight audience confusion. Proceedings of the 49th Annual Conference
of the Society for Technical Communication, Arlington, 2002.
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
Rysunek 104. Krzywa koncentracji uwagi na prezentacji

ród³o: H.R. Mills, Techniques of Technical Training, Londyn 1977.
Prezentuj¹c slajdy podczas prelekcji, nale¿y jednoczeœnie pamiêtaæ, ¿e

tempo wyœwietlania slajdów powinno byæ dostosowane do treœci, któr¹ widz
musi przeczytaæ. Nie mo¿e byæ ono za szybkie, gdy¿ wówczas s³uchacz nie-
wiele bêdzie w stanie zapamiêtaæ. Tempo nie mo¿e te¿ byæ za wolne, gdy¿
wówczas mo¿emy wywo³aæ uczucie znudzenia.
Prezentuj¹c wyniki badañ w formie ustnej, nale¿y pamiêtaæ, by nie
podawaæ zbyt wielu wartoœci liczbowych. Nale¿y unikaæ czytania raportu
oraz tego, co zawarte jest na slajdach. By zminimalizowaæ „pokusê”
odczytania treœci raportu, najlepiej przygotowaæ konspekt bêd¹cy skrótowo
ujêt¹ treœci¹ tematu. Konspekt tworzy siê zazwyczaj na jednej lub kilku
kartkach, na których wpisuje siê podstawowe has³a, które powinny zostaæ
omówione podczas prezentacji.
8.2. Z badañ nad zachowaniami komunikacyjnymi

8.2. mieszkañców Opola – raport
8.2.1. Cele i przes³anki badania
Jedn¹ z podstawowych cech wspó³czesnego œwiata jest gwa³towna urbani-

zacja poci¹gaj¹ca za sob¹ sta³y wzrost liczby ludnoœci miast. Rosn¹ tak¿e po-
trzeby mieszkañców w zakresie mobilnoœci, a to sprawia, ¿e ruch na drogach
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-
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;
· motywów korzystania z komunikacji miejskiej i indywidualnej.

Sformu³owano tak¿e nastêpuj¹ce hipotezy badawcze:
H1: Im wy¿szy jest poziom ¿ycia mieszkañców, tym mniejsza jest ich
sk³onnoœæ do korzystania ze œrodków komunikacji miejskiej.
H2: Je¿eli respondenci nie uwzglêdniaj¹ w swoich zachowaniach komu-
nikacyjnych negatywnego wp³ywu ruchu drogowego na jakoœæ ¿ycia w mieœ-
cie, to nie bêd¹ sk³onni do zmiany swych zachowañ komunikacyjnych.
H3: Im wiêksze s¹ uci¹¿liwoœci wynikaj¹ce z korzystania ze œrodków ko-
munikacji miejskiej, tym mieszkañcy czêœciej korzystaj¹ z samochodów indy-
widualnych.
H4: Je¿eli zostanie rozbudowana alternatywna dla samochodu oferta
komunikacji miejskiej, to wiêksza bêdzie sk³onnoœæ mieszkañców do rezyg-
nacji z komunikacji indywidualnej.
8.2.2. Metodologia badania
Ze wzglêdu na szybk¹ dezaktualizacjê wyników badañ spowodowan¹ sto-

sunkowo dynamicznie zmieniaj¹cymi siê zachowaniami komunikacyjnymi
wykonywanie kompleksowych badañ ruchu wydaje siê niecelowe. Dlatego
te¿ w niniejszym badaniu pos³u¿ono siê uproszczon¹ metod¹ pozyskiwania
informacji o zachowaniach komunikacyjnych ludnoœci. Dla celów badaw-
czych postanowiono przebadaæ 500 respondentów, co w badaniach marketin-
gowych stanowi minimaln¹ próbê badawcz¹193. Dobór takiej próby badaw-
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-
tów niechêæ udzielenia informacji na postawione pytanie skutkowa³a rezyg-

nacj¹ z dalszego udzia³u w badaniu.
Kwestionariusz obejmowa³ 11 pytañ oraz 4 pytania metryczkowe, które
mia³y na celu umo¿liwienie opracowania profili podró¿nych korzystaj¹cych
i niekorzystaj¹cych ze œrodków komunikacji miejskiej. W pytaniach wyko-
rzystano ró¿ne metody skalowania. I tak w pytaniu 1 i 11 respondenci mieli
mo¿liwoœæ wyboru 3 najczêœciej wykorzystywanych œrodków transportu. Py-
tanie 2 by³o w formie alternatywy, a 3 – skali porz¹dkowej, stopniowej, dwu-
biegunowej. W pytaniu 4, 5 i 9 zastosowano skalê rang. Pytanie 6 to
przyk³ad pytania wyskalowanego w sposób niewymuszaj¹cy, a w pytaniu 7
zastosowano skalê Likerta. Pytanie 8 wyskalowane zosta³o za pomoc¹ skali
semantycznej, a w 10 zastosowanie znalaz³a skala Stapela.
Dane pozyskane z badañ zosta³y po wprowadzeniu do arkusza kalkulacyj-
nego przeanalizowane. Analiza danych zosta³a zilustrowana wykresami gra-
ficznymi b¹dŸ tabelami, które zamieszczono poni¿ej analizowanego zagad-
nienia. Dane by³y czêsto przedstawiane w postaci procentowej. Suma liczb
procentowych danego wykresu/tabeli mo¿e byæ wiêksza ni¿ 100%, wynika to
z tego, ¿e kwestionariusz zawiera³ pytania wielokrotnej odpowiedzi.
W analizie uzyskanych odpowiedzi pos³u¿ono siê metodami: statystyki
opisowej (zastosowanie znalaz³y parametry opisowe struktury zbiorowoœci),
wnioskowania statystycznego (na podstawie odpowiednich testów statysty-
cznych weryfikowano postawione hipotezy) oraz analiz stosowanych w bada-
niach marketingowych i ankietowych (np. analiza conjoint, analiza wielo-
czynnikowa, skalowanie wielowymiarowe). Wszystkie stosowane metody
zosta³y przedstawione w rozdzia³ach 4–6 niniejszego opracowania.
164
Konstrukcja raportu podporz¹dkowana zosta³a sformu³owanym na wstê-
pie hipotezom badawczym.
8.2.3. Charakterystyka próby badawczej
W badaniu uzyskano pe³ne odpowiedzi od 202 kobiet (53%) oraz 182

mê¿czyzn (47%). Wœród badanych, najwiêksz¹ reprezentacjê stanowili re-
spondenci w wieku 31–45 lat (28% ankietowanych), 21–30 lat (20% ankieto-
wanych). Najmniej licznie reprezentowane by³y grupy osób najstarszych,
powy¿ej 60 lat, oraz najm³odszych, bêd¹cych w wieku 13–20 lat (rys. 105).
Œredni wiek badanych wyniós³ 45 lat przy odchyleniu standardowym 10,2
lat, zaœ wspó³czynnik zmiennoœci wieku wyniós³ 23%. Badaj¹c zgodnoœæ
rozk³adów wieku respondentów i mieszkañców Opola testem Ko³mogorowa-
Smirnowa, stwierdzono, ¿e oba rozk³ady na poziomie istotnoœci 5% nie
ró¿ni¹ siê istotnie od siebie (l = 1,147 ³ l0,05 = 1,38). Uszczegó³owiaj¹c
powy¿sze stwierdzenie, mo¿na powiedzieæ, ¿e rozk³ad liczby mieszkañców
Opola i badanych respondentów jest taki sam, co oznacza, ¿e zachowano

odpowiednie proporcje w strukturze p³ci i wieku. Uzyskuj¹c podobny rozk³ad
liczby badanych do rzeczywistej liczby mieszkañców, mo¿na uznaæ przepro-
wadzone badania za reprezentatywne.
32
53
13–20
78 21–30
52
31–45
46–60
61–70
63
70–80
106
Rysunek 105. Struktura próby ze wzglêdu na wiek respondentów

Analizuj¹c status spo³eczny respondentów, wskazaæ nale¿y na fakt, ¿e

najliczniejsz¹ grupê osób stanowili pracuj¹cy mieszkañcy Opola, tj. 26% ba-
danych. Najmniej liczn¹ grup¹ osób byli mieszkañcy pozostaj¹cy bez pracy –
26 osób (rys. 106). Stosunkowo du¿o osób korzystaj¹cych z komunikacji miej-
skiej w Opolu to uczniowie i studenci, stanowi¹ oni blisko 1/4 badanych. Tak
du¿y odsetek ostatniej grupy respondentów wynika z faktu, ¿e Opole jest
miastem akademickim z liczb¹ studentów siêgaj¹c¹ ponad 50 tys. W mieœcie
znajduje siê równie¿ du¿a liczba szkó³ ponadgimnazjalnych.
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
Rysunek 106. Struktura próby ze wzglêdu na status spo³eczny respondentów

Pod wzglêdem dochodu podzia³ respondentów by³ nastêpuj¹cy: najwiêcej

osób zadeklarowa³o dochód poni¿ej 1000 z³ (107 wskazañ), prawie równolicz-
ne by³y grupy osób, które deklarowa³y dochody od 1001 z³ do 2500 z³ oraz od
2501 z³ do 5000 z³, odpowiednio – 98 i 97 osób (rys. 107). Mediana dochodów
wynosi 2314 z³, co oznacza ¿e dochód po³owy respondentów wynosi co najwy-
¿ej 2314 z³.
82
107
do 1000 z³
1001–2500 z³
2501–5000 z³
powy¿ej 5000 z³
97
98
Rysunek 107. Struktura próby ze wzglêdu na dochód respondentów

Reasumuj¹c, uznaæ mo¿na, ¿e struktura próby badawczej by³a stosunko-

wo silnie zró¿nicowana, co pozwoli³o na uzyskanie przekrojowych informacji
o sposobach przemieszczania siê mieszkañców Opola, a tak¿e o ich ocenie
œrodków komunikacji miejskiej.
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
wyznaczniki poziomu ¿ycia potraktowano sytuacjê materialn¹ i status

spo³eczny respondentów. Posiadanie samochodu nie jest ju¿ luksusem takim
jak w latach 70. czy 80. minionego stulecia. Potwierdza to liczba 363 ankie-
towanych (95%), którzy zadeklarowali posiadanie w³asnego œrodka komuni-
kacji, z czego 49% to mê¿czyŸni, a 51% kobiety. Wynik taki jest nieco zaska-
kuj¹cy, gdy¿ powszechnie dominuje przeœwiadczenie, ¿e to g³ównie mê¿czyŸni
s¹ posiadaczami samochodów. Niemniej przypuszczaæ mo¿na, ¿e w przypad-
ku posiadania przez gospodarstwo domowe (rodzinê) jednego samochodu
obydwoje ma³¿onkowie deklaruj¹ bycie jego w³aœcicielem.
Wœród osób posiadaj¹cych samochód najwiêksz¹ grupê stanowi¹ osoby
pracuj¹ce oraz studenci (³¹cznie 179 osób). Dziwi nieco fakt, ¿e spoœród 41
osób prowadz¹cych w³asn¹ dzia³alnoœæ gospodarcz¹ nie wszyscy (37 osób) po-
siadaj¹ w³asny samochód. Tutaj przyczyn upatrywaæ mo¿na w fakcie dyspo-
nowania przez te osoby samochodami s³u¿bowymi, których byæ mo¿e nie trak-
tuj¹ jako w³asnoœci prywatnej, choæ czêstokroæ zaspokajaj¹ one ich potrzeby
mobilnoœciowe. Najmniej liczn¹ grup¹ respondentów, którzy zadeklarowali
posiadanie samochodu, s¹ osoby niepracuj¹ce (7% ogó³u). Nale¿y przypusz-
czaæ, ¿e studenci najczêœciej s¹ posiadaczami (dysponentami) samochodów
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
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
Rysunek 108. Podzia³ respondentów posiadaj¹cych samochód ze wzglêdu na dochód

Z badañ przeprowadzonych przez I. Balderjahna wynika równie¿, ¿e

czêstotliwoœæ korzystania ze œrodków komunikacji miejskiej jest silnie
skorelowana z liczb¹ samochodów przypadaj¹cych na gospodarstwo domo-
we197. W konsekwencji im jednostki maj¹ wiêkszy i bardziej nieograniczony
dostêp do samochodu, tym czêœciej z niego korzystaj¹. Mo¿na przyj¹æ, ¿e
maleje prawdopodobieñstwo korzystania z innych œrodków komunikacji.
Czêsto jednostki nawet nie zdaj¹ sobie sprawy, ¿e sam fakt posiadania
samochodu decyduje o wyborze œrodka komunikacji, która to decyzja podjêta
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%
bardzo rzadko
36%
Rysunek 109. Odsetek respondentów wed³ug czêstotliwoœci korzystania z komunikacji miej-

skiej
Natomiast codziennie korzystaj¹c z komunikacji publicznej, przemieszcza

siê jedynie 8%, a czêsto – 11%. Wœród osób tych dominuj¹ studenci. Wynika
to przede wszystkim z faktu, ¿e wielu z nich nie jest jeszcze zatrudnionych
w pe³nym wymiarze godzin, a to sprawia, ¿e nie dysponuj¹ szczególnie wyso-
kim bud¿etem.
Warto jednoczeœnie zwróciæ uwagê na to, ¿e samochód najczêœciej wyko-
rzystywany jest w dojazdach do pracy, szko³y i na zakupy (rys. 110).
O czêstym korzystaniu z samochodu w celach zakupowych decyduje prze-
de wszystkim odleg³a od centrum miasta lokalizacja punktów sprzeda¿y de-
talicznej, a tak¿e wygoda mieszkañców. Obecnie najczêœciej dokonujemy za-
kupów produktów codziennego u¿ytku w wiêkszych iloœciach, a wówczas ich
transport œrodkami komunikacji publicznej jest znacznie utrudniony. Poza
tym, obserwuj¹c wzorce zachowañ mieszkañców, mo¿na pokusiæ siê o stwier-
198
M. Lanzendorf, J. Scheiner, op. cit., s. 27.
169
praca 253
szko³a 265
kontakty
towarzyskie 169
zakupy 194
rekreacja 82
zdrowie 54
0 50 100 150 200 250 300

liczba osób
Rysunek 110. Podzia³ respondentów posiadaj¹cych samochód ze wzglêdu na cel przemieszcza-

nia siê w obrêbie miasta
dzenie, ¿e zakupy, szczególnie w dni wolne od pracy, stanowi¹ swego rodzaju

formê spêdzania wolnego czasu.
Stosunkowo niewielki odsetek osób (5%) wykorzystuj¹cych w³asny samo-
chód do celów zdrowotnych mo¿e wynikaæ z faktu, ¿e znaczna czêœæ respon-
dentów obejmuje studentów i osoby w wieku produkcyjnym, które z regu³y
nie cierpi¹ na choroby przewlek³e wymagaj¹ce czêstych kontaktów ze s³u¿b¹
zdrowia. Na przedostatnim miejscu celów podró¿y realizowanych samocho-
dem osobowym jest rozrywka. Niewielki odsetek odpowiedzi mo¿e œwiadczyæ
o rzadkim korzystaniu mieszkañców z rozrywki. Przyczyn takiego stanu rze-
czy upatrywaæ mo¿na z jednej strony w niedoborze oferty miasta w zakresie
rozrywki, z drugiej natomiast w przeci¹¿eniu mieszkañców obowi¹zkami za-
wodowymi.
Warto zaznaczyæ tak¿e, ¿e osoby posiadaj¹ce samochód równie rzadko jak
z komunikacji publicznej korzystaj¹ z innych form przemieszczania siê po
mieœcie. Na uwagê zas³uguje jednak fakt, ¿e zdecydowanie du¿y odsetek
mieszkañców porusza siê pieszo (73%), natomiast 37% nie korzysta z komu-
nikacji rowerowej. Wynika to przede wszystkim z faktu, ¿e Opole nie nale¿y
do miast szczególnie rozleg³ych i do wielu miejsc mo¿na bez wiêkszych
utrudnieñ dojœæ pieszo. Tak niewielkie wykorzystanie roweru jako œrodka
komunikacji mo¿e wskazywaæ na niedobory infrastrukturalne przejawiaj¹ce
siê w braku odpowiedniej sieci dróg rowerowych. Mo¿na mieæ jedynie na-
dziejê, ¿e uruchomiona w Opolu 15 czerwca 2012 roku miejska wypo¿yczal-
nia rowerów nieco bardziej zachêci posiadaczy samochodów do zmiany spo-
sobu przemieszczania siê po mieœcie. A jak wynika z danych firmy NextBike
Polska, œrednio w ci¹gu doby w Opolu z rowerów korzysta ponad 300 osób.
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
10 8
5 3 4 5
0
MZK samochód rower taksówka pieszo
osobowy
œrodek transportu
Rysunek 111. Podzia³ respondentów ze wzglêdu na czêstotliwoœæ przemieszczeñ i wybór œrod-

ka transportu
Traktuj¹c posiadanie samochodu jako jednego z wyznaczników poziomu

¿ycia, podjêto próbê okreœlenia przyczyn czêstego wykorzystywania œrodków
komunikacji indywidualnej. Respondentów poproszono o ich ocenê (w skali
od 1 – przyczyna najwa¿niejsza, do 5 – przyczyna najmniej wa¿na). Jak
wynika z przeprowadzonych badañ, najwa¿niejszym powodem wykorzysty-
wania w³asnego samochodu jest mo¿liwoœæ przejazdu w dowolnym momencie
oraz wygoda i komfort jazdy. Najwiêksze znaczenie przypisywane tym
czynnikom wynika, jak siê wydaje, z braku koniecznoœci dostosowywania
swoich podró¿y do rozk³adów jazdy œrodków komunikacji miejskiej. Nato-
miast wygoda i komfort stanowi¹ swego rodzaju odpowiedŸ na powszechn¹
opiniê o zat³oczonych i ma³o wygodnych œrodkach komunikacji miejskiej.
Wygoda podró¿nych przejawia siê tak¿e w uznaniu za czynniki istotne –
krótszego czasu przejazdu i braku koniecznoœci przemieszczania siê do
punktów przesiadkowych. Niemniej mo¿na pokusiæ siê o stwierdzenie, ¿e
subiektywne odczucie czasu przejazdu jest pochodn¹ warunków, w jakich
podró¿ jest realizowana. Na podstawie obserwacji ruchu w mieœcie nale¿y
stwierdziæ, ¿e czas przejazdu przez miasto, szczególnie w godzinach szczytu,
jest niezale¿ny od wybranego œrodka komunikacji.
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-
¿owania w³asnym samochodem osobowym.
mo¿liwoœæ przejazdu w dowolnym 1,79

momencie
brak koniecznoœci przemieszczania siê

2,26
do punktów przesiadkowych
wygoda/komfort 1,9
krótszy czas podró¿y 2,05
inne 2,7
0 0,5 1 1,5 2 2,5 3

œrednia ocena
Rysunek 112. Œrednie oceny czynników wp³ywaj¹cych na wybór w³asnego œrodka transportu
Drugim materialnym wyznacznikiem poziomu ¿ycia s¹ dochody gospo-

darstw domowych. Analizuj¹c ich poziom i czêstotliwoœæ korzystania z ko-
munikacji miejskiej, stwierdziæ nale¿y, ¿e wraz z ich wzrostem maleje czê-
stotliwoœæ przemieszczania siê œrodkami komunikacji publicznej. Autobusy
komunikacji miejskiej s¹ w Opolu najczêstszym œrodkiem transportu osób
z dochodem poni¿ej 2500 z³. Najtrudniej w autobusach spotkaæ osoby, któ-
rych dochód przekracza 5000 z³. Respondenci prezentuj¹cy tê grupê docho-
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
zat³oczenie dróg (korki) – 54% ankietowanych, w kolejnoœci s¹ emisja CO2

oraz ha³as – 29% ankietowanych (rys. 114). Takie uk³ady procentowe nie
dziwi¹, gdy¿ korki i zatory drogowe utrudniaj¹ wszystkim mieszkañcom
¿ycie, wyd³u¿aj¹c czas podró¿y. Pozosta³e dwa czynniki – emisja CO2 i ha³as
– s¹ bezpoœrednio zwi¹zane z ekologiczn¹ œwiadomoœci¹ respondentów.
Zadowalaj¹cy jest fakt, ¿e wiêkszoœæ ankietowanych uznaje wp³yw na
œrodowisko naturalne ka¿dego z tych czynników za bardzo istotny lub
istotny. Wynika z tego, ¿e mieszkañcy Opola s¹ œwiadomi negatywnych
skutków ruchu komunikacyjnego. Niemniej jednak dla wielu mieszkañców
wp³yw CO2 i ha³asu nie stanowi zbyt du¿ego obci¹¿enia. Przyczyn takiego
podejœcia upatrywaæ mo¿na w bezwonnoœci zanieczyszczeñ i czêsto braku
wiedzy na temat negatywnego wp³ywu ha³asu na zdrowie. A ten jest
niezaprzeczalny. Ha³as powodowany przez ruch drogowy i kolejowy stanowi
ponad 80% docieraj¹cego do nas ha³asu, powoduj¹c szereg negatywnych
skutków w sferze psychosocjalnej, takich jak np.: rozkojarzenie, pogorszenie
percepcji, zak³ócenia w komunikacji miêdzyludzkiej czy zmiany w zachowa-
niu spo³ecznym199.
Dla wszystkich ankietowanych najbardziej negatywnym zjawiskiem ko-
munikacyjnym s¹ zat³oczenia, szczególnie te obserwowane w godzinach
szczytu. Jedynie niewielki odsetek respondentów uzna³, ¿e korki s¹ dla nie-
go ma³o istotne. Nale¿y przypuszczaæ, ¿e w grupie tych osób znalaz³y siê
przede wszystkim te, które przemieszczaj¹ siê w obrêbie miasta pieszo lub
rowerem. A to sprawia, ¿e nie musz¹ staæ w korkach. Za najmniej istotne
199
http://www.techbud.com.pl/halas1.htm [01.12.2012].
173
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
MZK rower taksówka pieszo
Rysunek 113. Podzia³ respondentów ze wzglêdu na dochód i czêstotliwoœæ przemieszczania siê danym œrodkiem transportu
1 ca³kowicie nieistotne
7
ha³as 29 niezbyt istotne
34
29 doœæ 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
czynniki respondenci uznali emisjê CO2. Wynik taki mo¿e byæ efektem bra-
ku œwiadomoœci znaczenia tego rodzaju zanieczyszczeñ dla œrodowiska. Poza
tym dwutlenek wêgla jest bezwonny, a to oznacza, ¿e bezpoœrednio nie od-

czuwamy powodowanego przezeñ zanieczyszczenia.
Analizuj¹c omawiane powy¿ej zagadnienie, nie stwierdzono istnienia za-
le¿noœci pomiêdzy dochodem i statusem spo³ecznym respondentów a postrze-
ganiem przez nich negatywnego wp³ywu transportu na œrodowisko natural-
ne (rys. 115)
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
Mo¿na mieæ nadziejê, ¿e stosunkowo du¿a œwiadomoœæ negatywnego

wp³ywu transportu na œrodowisko naturalne mo¿e sk³oniæ mieszkañców
(w d³u¿szej perspektywie) do zmiany zachowañ komunikacyjnych.
175
8.2.5. Oferta komunikacji miejskiej a gotowoœæ respondentów
8.2.5. do korzystania z niej (ocena komunikacji miejskiej)
Z danych TNS OBOP wynika, ¿e w Polsce rocznie autobusami i tramwajami

podró¿uje ponad 4 mld ludzi. Tak pozornie du¿a liczba korzystaj¹cych ze œrod-
ków komunikacji publicznej sk³oni³a nas do zastanowienia siê nad popularno-
œci¹ tej formy przemieszczania siê wœród mieszkañców Opola. Podejmuj¹c pró-
by oceny czêstotliwoœci korzystania z oferty komunikacji publicznej, postawiono
tezê, ¿e im wiêksze s¹ uci¹¿liwoœci wynikaj¹ce z przemieszczania siê œrodkami
komunikacji miejskiej, tym mieszkañcy rzadziej z tej formy korzystaj¹.
Taksówki ze wzglêdu na wysokie koszty s¹ najrzadziej wybieranym œrod-
kiem transportu; bardzo rzadko (kilka razy w roku) korzysta z nich zaledwie
25% respondentów. Pieszo po mieœcie opolanie poruszaj¹ siê do szko³y (doty-
czy to g³ównie m³odzie¿y) oraz na zakupy w sklepach osiedlowych. Dla pra-
wie 50% ankietowanych samochód osobowy jest œrodkiem transportu do pra-
cy i na zakupy do du¿ych centrów handlowych po³o¿onych z dala od
centrum. Korzystanie z roweru jest uzale¿nione od pogody; zaledwie 6% an-
kietowanych doje¿d¿a rowerem do pracy, natomiast porusza siê nim 15%

w celach rekreacyjnych.
Najmniej osób (zaledwie 13%), korzysta z autobusów w celach zdrowot-
nych (mamy tu na myœli przejazdy do i ze szpitali, przychodni), na drugim
miejscu s¹ przejazdy rekreacyjne (19%), najwiêcej osób natomiast korzysta
z komunikacji miejskiej celem dojechania na zakupy do centrów handlowych
po³o¿nych na obrze¿ach miasta (67%) oraz aby dotrzeæ do szko³y (62%; s¹ to
osoby w wieku od 13 do 20 lat).
Codziennie z taboru MZK korzysta zaledwie 10% ankietowanych, zdecy-
dowanie wiêcej przemieszcza siê po mieœcie pieszo (50%). Jest to zwi¹zane
z wysokimi, dla niektórych, cenami biletów oraz coraz czêstszymi utrudnie-
niami na drogach (korki). Zaledwie 62 osoby z 384 przemieszczaj¹ siê po
Opolu rowerem czêsto lub codziennie (rys. 116). Wynika to z niezadowa-
laj¹cej d³ugoœci tras rowerowych w mieœcie. W grupie tej dominuj¹ m³odzi
mê¿czyŸni nieposiadaj¹cy w³asnego samochodu. Liczba rowerzystów od czerw-
ca 2012 roku jednak stale wzrasta, a dzieje siê tak dziêki miejskiej wypo¿y-
czalni rowerów Opole Bike.
Z sonda¿y przeprowadzonych w ramach projektu „Opole na Rower”200 wy-
nika, ¿e za utworzeniem systemu wypo¿yczalni rowerowych w mieœcie opo-
wiedzia³o siê 86% badanych201. Tak wysoki odsetek mo¿e œwiadczyæ o potrze-
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
Rysunek 116. Podzia³ respondentów wed³ug œrodka transportu i czêstotliwoœci korzystania

z niego
bie uruchomienia systemu bezobs³ugowej wypo¿yczalni rowerów. Nie mo¿na

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-
werzystów. Szczegó³owe wyniki zosta³y opublikowane w broszurze informacyjnej, Opole na Ro-

wer. Materia³y podsumowuj¹ce, Opole 2012.
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
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
Rysunek 117. Podzia³ respondentów ze wzglêdu na dochód i czêstotliwoœæ korzystania z rowerów

Dokonuj¹c wyboru œrodka transportu, ka¿da jednostka dokonuje tak¿e

jego oceny, analizuj¹c przede wszystkim koszty, czas i komfort jazdy202. Ce-
chy te s¹ trudne w operacjonalizacji i silnie skorelowane z subiektywnym
postrzeganiem jednostki. Aby móc dokonaæ oceny œrodków komunikacji miej-
skiej w Opolu, ankietowani poproszeni zostali o uszeregowanie wed³ug wa¿-
noœci wybranych cech œrodków transportu miejskiego. Za najwa¿niejsze ce-
chy uznane zosta³y: komfort jazdy, punktualnoœæ, rozmieszczenie punktów
przesiadkowych oraz czystoœæ autobusów. Z kolei rzeczy, na które ankieto-
wani zwracaj¹ najmniejsz¹ uwagê, to czas dojazdu i sieæ komunikacyjna.
Badaj¹c w 8-stopniowej skali opinie respondentów na temat wybranych
cech transportu publicznego (szybkoœæ, cena, t³ok, dostêpnoœæ, czystoœæ)
zosta³y one ocenione œrednio na 3 punkty (rys. 118).
202
S. Kauf, The instruments...
178
szybkoœæ 3,8
cena 4,3
dostênoœæ 3,7
zat³oczenie 4,9
czystoœæ 3,5
0 1 2 3 4 5
œrednia ocena
Rysunek 118. Œrednie oceny wybranych cech transportu publicznego

Najgorzej w ocenie ankietowanych wypad³o zat³oczenie autobusów. Tak

negatywna ocena wydaje siê konsekwencj¹ niewystarczaj¹cej ich liczby na

niektórych liniach, a to powoduje œcisk i t³ok. Oceny te jedynie nieznacznie
ró¿nicowa³a p³eæ. Niektóre z analizowanych cech mê¿czyŸni ocenili wy¿ej ni¿
kobiety. Jedynie wygodzie i szybkoœci przemieszczania siê autobusów lepsze
oceny wystawi³y kobiety. Fakt ten mo¿e mieæ swoje uzasadnienie w tym, ¿e
komunikacja miejska jest œrodkiem przemieszczania siê, w którym czas
podró¿y nie jest szczególnie d³ugi, a to powoduje, ¿e wygoda nie jest czymœ
a¿ tak istotnym (rys. 119).
3,66
szybkoœæ
3,86
4,46
cena
4,16
3,79 Mê¿czyzna
dostênoœæ
3,65 Kobieta
4,79
zat³oczenie
4,96
3,8
czystoœæ
3,31
0 1 2 3 4 5 6
œrednia ocena
Rysunek 119. Œrednie oceny wybranych cech transportu publicznego wed³ug podzia³u na p³eæ
respondentów
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
wygodny niewygodny
brudny czysty
13–20 21–30 31–45 46–60 powy¿ej 60

Rysunek 120. Œrednie oceny wybranych cech transportu publicznego wed³ug podzia³u na gru-
py wiekowe respondentów
Stosunkowo nisko oceniona zosta³a cena biletów komunikacji miejskiej.

Zdaniem wielu przedstawicieli w³adz miejskich jednostki samorz¹dowe nie
s¹ w stanie utrzymaæ komunikacji miejskiej, do której ju¿ dok³adaj¹ od 30
do 70% kosztów. ZapowiedŸ podwy¿ek cen biletów wydaje siê pogarszaæ sy-
tuacjê œrodków komunikacji publicznej, a nie stanowiæ czynnika moty-
wuj¹cego mieszkañców do zmiany zachowañ komunikacyjnych.
Ponad 45% ankietowanych uwa¿a, ¿e œrodki komunikacji miejskiej (w przy-
padku Opola s¹ to autobusy MZK) s¹ niepunktualne, 68% tych osób to mê¿-
czyŸni. Kobiety albo maj¹ ni¿sze wymagania w odniesieniu do komunikacji
miejskiej, albo s¹ te¿ bardziej wyrozumia³e, gdy¿ lepiej j¹ oceniaj¹. Wed³ug
kobiet w Opolu jest wystarczaj¹ca liczba punktów przesiadkowych, a tak¿e
autobusy kursuj¹ odpowiednio czêsto. Najbardziej krytyczn¹ wobec transpor-
tu miejskiego grup¹ wiekow¹ s¹ osoby do 30 lat. Jest to w przewa¿aj¹cej
mierze m³odzie¿ szkolna (13–20 lat), która nie wykazuje siê wyrozumia³oœci¹
wobec niedogodnoœci zwi¹zanych z przemieszczaniem siê. Osoby w wieku
31–45 lat uwa¿aj¹ (30% ankietowanych), ¿e ceny biletów s¹ za wysokie
w stosunku do jakoœci oferowanych us³ug komunikacji miejskiej. Dochód nie
jest czynnikiem wyraŸnie ró¿nicuj¹cym respondentów w ocenie komunikacji
miejskiej.
By móc dokonaæ analizy oceny sytuacji komunikacyjnej w mieœcie, popro-
szono respondentów o ocenê wybranych elementów j¹ opisuj¹cych. W tym
celu zastosowano skalê Stapela, która pozwala zarówno na pomiar kierun-
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
sieæ komunikacyjna 0,1
drogi rowerowe 0,4
miejscaparkingowe 0,4
–1,5 –1 –0,5 0 0,5
Ocena
Rysunek 121. Ocena sytuacji komunikacyjnej

Z przeprowadzonych badañ wynika, ¿e wszystkie analizowane elementy

zosta³y Ÿle ocenione przez respondentów. Zdecydowanie najgorzej oceniono
jednak zat³oczenie. Wyniki takie wydaj¹ siê jednak nie dziwiæ, gdy¿ nawet
pobie¿na obserwacja sytuacji w ruchu drogowym pozwala wyci¹gn¹æ takie
same wnioski. Przemieszczanie siê w Opolu przysparza wiêkszoœci mieszkañ-
com znacznych trudnoœci. Powszechne zat³oczenie wydaje siê konsekwencj¹
braków w infrastrukturze komunikacyjnej miasta, a co za tym idzie Ÿle roz-
budowanej sieci komunikacyjnej. St¹d te¿ tak z³a ocena tego elementu sytua-
cji komunikacyjnej w mieœcie. Z³a ocena ca³ej sytuacji komunikacyjnej mo¿e
byæ tak¿e wynikiem braku wydzielonych pasów ruchu dla pojazdów uprzy-
wilejowanych, a to sprawia, ¿e samochody osobowe i komunikacji miejskiej
poruszaj¹ siê po tych samych pasach, co wyd³u¿a znacznie czas podró¿y.
W mieœcie wydaje siê tak¿e brakowaæ synchronizacji œwiate³, która mog³aby
przy- spieszyæ przejazd pojazdów i skróciæ czas podró¿y.
Nie najlepiej przedstawia siê tak¿e sytuacja dróg rowerowych i miejsc
parkingowych. Mo¿na co prawda znaleŸæ w mieœcie dzielnice, w których gê-
stoœæ dróg rowerowych jest stosunkowo du¿a, jednak brak w³aœciwych propor-
cji w wystêpowaniu dróg rowerowych jest znacznym utrudnieniem dla rowe-
rzystów. W sytuacji przemieszczania siê w obrêbie miasta rowerem niejedno-
krotnie zmuszeni s¹ oni do korzystania z tej samej infrastruktury liniowej co
pojazdy zmechanizowane. A to prowadzi nieraz do powstawania niebezpiecz-
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
jest odpowiednio du¿o, wynika z przekonania, ¿e kolejne parkingi pojawiaj¹

siê kosztem miejsc „zielonych” (parki, skwery, place zabaw), których w mieœ-
cie jest tak niewiele.
Reasumuj¹c, nale¿a³oby uznaæ, ¿e mieszkañcy Opola nie widz¹, ¿adnych
dobry cech sytuacji komunikacyjnej w mieœcie. Przeprowadzone badania
potwierdzaj¹ hipotezê dotycz¹c¹ przyczyn niezadowolenia mieszkañców
Opola z komunikacji miejskiej; najbardziej uci¹¿liwa jest niewystarczaj¹ca
liczba miejsc parkingowych oraz kongestia. Ponadto wyniki przeprowadzo-
nych analiz pozwalaj¹ stwierdziæ, ¿e du¿e uci¹¿liwoœci przy korzystaniu ze
œrodków komunikacji miejskiej zniechêcaj¹ mieszkañców do korzystania
z niej, wskazuj¹ zarazem na pozytywne zweryfikowanie postawionej tezy.
8.2.6. Ocena gotowoœci zmian zachowañ komunikacyjnych

8.2.6. mieszkañców
Wraz ze wzrostem liczby ludnoœci wzrastaæ bêd¹ przep³ywy, a w szczegól-

noœci podniesie siê liczba poruszaj¹cych siê po drogach samochodów. I je¿eli
dotychczasowe zachowania komunikacyjne siê nie zmieni¹, lecz utrwal¹, to
w najbli¿szej przysz³oœci, o czym w niniejszym opracowaniu ju¿ wspomnia-
no, na ca³ym œwiecie poruszaæ siê bêdzie ponad miliard pojazdów.
Nic wiêc dziwnego, ¿e w³odarze miast d¹¿¹ do redukcji liczby przejazdów
realizowanych œrodkami komunikacji indywidualnej na rzecz transportu
zbiorowego. Te pierwsze powoduj¹ zat³oczenie ulic i – co najgorsze – znacz-
nie zmniejszaj¹ realn¹ prêdkoœæ przemieszczeñ. Transport miejski korzy-
staj¹c z sieci ulicznej pozwala na znacz¹c¹ redukcjê zat³oczenia, a uprzy-
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
szans¹ na zmianê zachowañ komunikacyjnych mieszkañców.

Podejmuj¹c próbê oceny gotowoœci mieszkañców Opola do zmiany ich za-
chowañ komunikacyjnych, postawiono tezê, ¿e wraz z rozbudow¹ alternatyw-
nej dla samochodu oferty transportu publicznego wzrastaæ bêdzie sk³onnoœæ
mieszkañców do rezygnacji z komunikacji indywidualnej.
D¹¿¹c do weryfikacji tak postawionej tezy, poproszono respondentów o wska-
zanie tych czynników, które ich zdaniem mog³yby przyczyniæ siê do czêstsze-
go skorzystania przez nich ze œrodków komunikacji miejskiej, a co za tym
idzie do zmiany zachowañ komunikacyjnych (rys. 122). Respondenci za naj-
wa¿niejszy czynnik sprzyjaj¹cy zmianie sposobów przemieszczania siê w ob-
rêbie miasta uznali tañsze bilety na przejazd autobusem miejskim (32% res-
pondentów). W trakcie dyskusji o stanie komunikacji miejskiej w Opolu
czêsto s³yszy siê g³osy, ¿e tym, co mog³oby sk³oniæ mieszkañców do czêstsze-
go korzystania z komunikacji miejskiej, by³aby mo¿liwoœæ zakupu biletów
czasowych (np. pó³godzinnych czy godzinnych). Praktyka taka znana jest ju¿
w wielu miastach nie tylko zachodnich, ale tak¿e polskich (np. Wroc³aw). Bi-
lety takie ograniczy³yby podró¿uj¹cym kilkoma liniami koniecznoœæ kasowa-
nia wiêkszej liczby biletów.
Kolejnymi czynnikami wspieraj¹cymi zmiany zachowañ komunikacyjnych
s¹, zdaniem respondentów, mniejsze zat³oczenie w autobusach (18%) oraz
wiêksza czêstotliwoœæ kursowania (15%). Przeci¹¿enie autobusów, zw³aszcza
w okresach najwiêkszego natê¿enia komunikacyjnego, stanowi dziœ dla
wielu podró¿nych ogromn¹ barierê. Z jednej strony wyd³u¿a czas podró¿y,
gdy¿ pasa¿erowie niejednokrotnie zmuszeni s¹ do czekania na kolejny
autobus, z drugiej zaœ – znacznie ogranicza komfort podró¿y.
183
[%] 35
30
32
25
20
15
10 18 15
0
tañsze bilety mniejsze zat³oczenie wiêksza czêstotliwoœæ
w autobusach kursowania
Rysunek 122. Najwa¿niejsze czynniki, które sk³oni³yby opolan do korzystania z komunikacji

miejskiej
Ranga wspomnianych czynników jest niezale¿na od p³ci, jednak wiek jest

ju¿ kategori¹, która ró¿nicuje odpowiedzi. Cena biletów jest wa¿na przede
wszystkim dla osób w wieku od 31 do 45 lat (35% wskazañ), natomiast ni¿-
szy koszt przejazdu w najmniejszym stopniu zmusi³by m³odzie¿ szkoln¹
(13–20 lat) do zmiany œrodka transportu. Mniejsze zat³oczenie autobusów
miejskich sk³oni³oby g³ównie osoby starsze (po 60 roku ¿ycia) oraz osoby
z dochodem powy¿ej 2500 z³ do korzystania z komunikacji miejskiej.
Rozk³ad odpowiedzi na temat zwiêkszonej czêstotliwoœci kursowania auto-
busów jest niezale¿ny od wieku. Zwiêkszona czêstotliwoœæ jest natomiast
czynnikiem, który najbardziej wp³yn¹³by na osoby pracuj¹ce (39% wskazañ).
Wœród czynników uznawanych za najmniej wa¿ne opolanie wymieniaj¹
m.in. wiêksz¹ gêstoœæ punktów przesiadkowych i krótszy czas podró¿y (rys.
123). W tej grupie ponad po³owy wskazañ (52%) dokona³y kobiety. Opole
nale¿y do miast, w których korki pojawiaj¹ siê doœæ czêsto w tych samych
miejscach miasta, ka¿dy wiêc zdaje sobie sprawê, ¿e bez dodatkowych
innowacyjnych rozwi¹zañ wszyscy spêdzaj¹ czy to w autobusie, czy w prywat-
nym samochodzie tyle samo czasu w korkach.
Wiêkszoœæ mieszkañców Opola uwa¿a, ¿e rozmieszczenie przystanków
i czêstotliwoœæ kursowania autobusów pozostawia wiele do ¿yczenia. Naj-
mniejsz¹ uwagê na liczbê punktów przesiadkowych zwracaj¹ osoby w wieku
od 21 do 30 lat oraz osoby, których dochód przekracza 5000 z³. Wydzielone
pasy ruchu dla autobusów – pojawiaj¹cy siê co jakiœ czas postulat w³odarzy
miasta – s¹ przez znaczn¹ wiêkszoœæ respondentów uwa¿ane za czynnik,
który nic nie zmieni³by w wyborze œrodka komunikacji. Respondenci s¹
zdania, ¿e realizacja projektu zwi¹zanego z wydzieleniem pasów ruchu jest
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
z góry skazana na niepowodzenie. Wynikaæ to mo¿e ze szczególnie negatyw-

nych ocen infrastruktury liniowej, a tak¿e z niewielkich mo¿liwoœci jej roz-
budowy, w tym m.in. z braku dostatecznej liczby mostów nad Odr¹ oraz ze
stosunkowo gêstej zabudowy miasta.
8.2.7. Podsumowanie i wnioski z raportu
Wyniki przeprowadzonych badañ ankietowych potwierdzaj¹ ugruntowane

ju¿ przekonanie o stale rosn¹cym udziale podró¿y realizowanych komuni-
kacj¹ indywidualn¹. Znaczna wiêkszoœæ posiadaczy w³asnych œrodków ko-
munikacji rezygnuje z komunikacji miejskiej, co powoduje powstawanie
b³êdnego ko³a: zmniejsza siê liczba podró¿uj¹cych œrodkami komunikacji pu-
blicznej i nastêpuje spadek wp³ywów operatorów, a w konsekwencji dochodzi
do likwidacji po³¹czeñ. Tendencje te s¹ szczególnie widoczne w przejazdach
miêdzy miastem a jego otoczeniem. W tym obszarze obserwujemy permanent-
n¹ redukcjê po³¹czeñ. Tym samym ograniczona zostaje swoboda przemiesz-
czania siê osób nieposiadaj¹cych w³asnych œrodków lokomocji. Znacznie ubo-
¿ej¹ mo¿liwoœci przejazdów m³odzie¿y szkolnej, utrudniony jest jej dostêp do
zajêæ dodatkowych i oferty kulturalnej. Niemniej w Opolu dostêp do œrodków
komunikacji miejskiej nie jest jeszcze najgorszy. Obecnie miasto dysponuje
flot¹ 88 autobusów, których œredni wiek przekracza 10 lat, a do dyspozycji
podró¿nych jest 16 linii funkcjonuj¹cych w ci¹gu dnia i 3 linie tzw. nocne203.
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).
Rysunek 124. Plan linii PRT-MISTER dla miasta Opola

ród³o: http://www.mist-er.com./opole.html
Potencja³ transportu multimodalnego jest przeogromny, a odpowiednia

jego koordynacja mog³aby przyczyniæ siê do swobodniejszego przemieszcza-
nia siê pasa¿erów ró¿nymi œrodkami transportu, bez zbytecznego oczekiwa-
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
skrzy¿owaniach. Dziêki nim wzros³a przepustowoœæ skrzy¿owañ, zwiêkszy³a

siê bowiem liczba samochodów przeje¿d¿aj¹cych na jednym cyklu. Powodze-
niem cieszy siê równie¿ uruchomiana w 2012 roku Miejska Wypo¿yczalnia
Rowerów, której terminale zlokalizowane s¹ w ró¿nych punktach miasta.
Alternatyw¹ dla transportu indywidualnego mog³oby byæ wprowadzenie
atrakcyjnych zni¿ek na korzystanie z transportu zbiorowego, np. dla osób
posiadaj¹cych prawo jazdy. Innym rozwi¹zaniem mo¿e byæ wprowadzenie
nowoczesnych systemów informacji pozwalaj¹cych np. na zakup biletu przez
telefon.
Reasumuj¹c, jak do tej pory w Opolu podjêto niewiele starañ u³atwia-
j¹cych komunikacjê mieszkañcom, co tym bardziej sk³ania do korzystania
z komunikacji indywidualnej. Do tego dochodzi jeszcze egoizm i wygodnic-
two podró¿nych. Nale¿y stwierdziæ, ¿e zmiana zachowañ komunikacyjnych
opolan mo¿liwa jest w zasadzie jedynie przy zmianie ich mentalnoœci.
187
Aneks
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.
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?
nie bardzo rzadko przeciêtnie czêsto codzien-

podró¿ujê (kilka razy (kilka razy (kilka razy nie
w roku) w miesi¹cu) w tygodniu)
MZK
samochód osobowy
rower
taxi
pieszo
4. Proszê uszeregowaæ wed³ug wa¿noœci dla Pana/i poni¿sze przyczyny korzystania w przejaz-
dach w mieœcie z samochodu osobowego (1 – przyczyna najwa¿niejsza, 5 – przyczyna naj-
mniej wa¿na).
mo¿liwoœæ przejazdu w dowolnym momencie
brak koniecznoœci przemieszczania siê do punktów przesiadkowych
wygoda/komfort
krótszy czas podró¿y
inne, jakie · · · · · · · · · · · · · · · · · · · · · · · · · ·
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
punktualnoœæ
stan techniczny
czystoœæ
sieæ komunikacyjna
czas dojazdu
6. Jak ocenia Pan/i mo¿liwoœci korzystania z komunikacji rowerowej w mieœcie?
bardzo dobrze œrednio Ÿle bardzo nie mam

dobrze Ÿle zdania
7. Ni¿ej wymieniono kilka czynników wp³ywaj¹cych na ocenê funkcjonowania komunikacji

miejskiej. Proszê o podanie swojej opinii przez zaznaczenie znakiem „x” odpowiedniego miej-
sca przy ka¿dym z czynników.
Ca³kowicie Zgadzam Ani tak, Nie Ca³kowicie

siê zga- siê ani nie zgadzam siê nie
dzam siê zgadzam
Œrodki komunikacji miej-

skiej s¹ niepunktualne
Jest wystarczaj¹ca licz-
ba punktów przesiadko-
wych
Zbyt ma³a jest czêstotli-
woœæ kursowania komu-
nikacji miejskiej
Cena biletów komunika-
cji miejskiej jest odpo-
wiednia
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
wygodny niewygodny
brudny czysty
192
9. W jakim stopniu Pana/i zdaniem poni¿sze aspekty ruchu drogowego wp³ywaj¹ na jakoœæ
¿ycia w mieœcie?
ca³kowicie niezbyt doœæ istotnie bardzo

nieistotnie istotnie istotnie istotnie
ha³as
emisja CO2
korki
10. Ni¿ej podano 4 cechy charakteryzuj¹ce sytuacjê komunikacyjn¹ w mieœcie. Proszê wskazaæ,
jak Pana/i zdaniem nale¿y oceniæ poszczególne jej elementy (ocena pozytywna ma znak
plus, negatywna – minus).
zat³oczenie sieæ komunikacyjna drogi rowerowe miejsca parkingowe

+3 +3 +3 +3
+2 +2 +2 +2
+1 +1 +1 +1
0 0 0 0
–1 –1 –1 –1
–2 –2 –2 –2
–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
194
4. Dochody
poni¿ej 1000 z³
powy¿ej 5000 z³
od 2501 do 5000 z³
od 1001 do 2500 z³
Tablice statystyczne
Tablica 1. Wartoœci dystrybuanty rozk³adu normalnego standaryzowanego P(X < ua) = 1 – a
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09

0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
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
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
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
Bibliografia
Aczel A., Statystyka w zarz¹dzaniu, Warszawa 2000.

Aronson E., Wilson T.D., Akert R.M., Sozialpsychologie, Stuttgart 2008.
Babbie E., Badania spo³eczne w praktyce, Warszawa 2007.
Badania marketingowe, red. K. Mazurek-£opaciñska, Wroc³aw 2006.
Badania marketingowe. Teoria i praktyka, red. K. Mazurek-£opaciñska, Warszawa 2005.
Badania rynkowe i marketingowe, praca zbiorowa, red. J. Kramer, Warszawa 1994.
Balderjahn I., Marktreaktion und Konsumenten. Ein theoretischmethodisches Konzept zur Ana-
lyse der Wirkung marketingpolitischer Instrumente, Berlin 1993.

Balicki A., Statystyczna analiza wielowymiarowa i jej zastosowania spo³eczno-ekonomiczne,
Gdañsk 2009.
Barnett V., Elementy teorii pobierania prób, Warszawa 1982.
Bazarnik J., Grabiñski T., K¹ciak E., Mynarski S., Sagan A., Badania marketingowe. Metody
i oprogramowanie komputerowe, Kraków 1992.
B¹k A., Conjoint analysis jako metoda pomiaru postaw i preferencji konsumentów, w: Pomiar
w badaniach rynkowych i marketingowych, red. M. Walesiak, Wroc³aw 2000.
Berbecka J., Wykorzystanie metody Thurstone’a do badañ preferencji nabywców czekolady,
w: Metody badañ marketingowych, Kraków 1996.
Berekoven L., Ecker W., Ellenreider P., Marktforschung. Methodische Grundlagen und prakti-
sche Anwendung, Wiesbaden 2009.
Bleymüller J., Stichprobenverfahren für Wirtschaftswissenschaftler, Wiesbaden 1989.
Bleymüller J., Gehlert G., Gülicher H., Statistik für Wirtschaftswissenschaftler, München 2002.
Borkowski B., Dudek H., Szczêsny W., Ekonometria. Wybrane zagadnienia, Warszawa 2007.
Budziñski R., Ordysiñski T., Informacja jako kluczowy sk³adnik przedsiêbiorstwa „Nowej Gos-
podarki”, w: Zarz¹dzanie wartoœci¹ przedsiêbiorstwa, Szczecin 2002.
Bywalec C., Wydymus S., Poziom ¿ycia ludnoœci Polski w porównaniu z krajami Europejskiej
Wspólnoty Gospodarczej, „Ekonomista” 1992, nr 5–6.
Ciechomski W., B³êdy w badaniach marketingowych, w: Metody badañ marketingowych, Kra-
ków 1996.
Cohen D., Car crazy, „Energy Bulletyn” 2007, vol. 21.
Coyle J. J., Bardi E. J., Langley Jr. C. J., Zarz¹dzanie logistyczne, Warszawa 2010.
Cronbach J., Coefficient alpha and the Internal Structure of Tests, „Psychometrika” 1951,
vol. 16, nr 3.
Czarnecki A., Wiarygodnoœæ badañ marketingowych, „Marketing w Praktyce” 2000, nr 4.
Czy¿ T., Zastosowanie metody analizy czynnikowej do badania ekonomicznej struktury regional-
nej Polski, http://rcin.org.pl/Content/13864/Wa51_21864_r1971_nr92_Prace-Geogr.pdf
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,
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-
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.
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
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
Spis rysunków
Rysunek 1. Prognoza wzrostu liczby samochodów na œwiecie do roku 2030 . . . . . . 15

Rysunek 2. Liczba pojazdów samochodowych i ci¹gników w tys. sztuk w Polsce
w latach 2003–2011 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Rysunek 3. Przyk³adowe formy przemieszczania siê w obszarze miasta . . . . . . . . 17
Rysunek 4. Decyzje podejmowane w trakcie projektowania kwestionariusza ankiety . 31
Rysunek 5. Przyk³adowe hipotezy badawcze . . . . . . . . . . . . . . . . . . . . . . . . . 32
Rysunek 6. Przyk³ad pytania stosowanego w metodzie losowanych odpowiedzi . . . . 36
Rysunek 7 Przyk³ad pytania filtruj¹cego . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Rysunek 8. Przyk³ad pytania niejednoznacznego, sugestywnego i emocjonalnego . . . 37

Rysunek 9. Przyk³ad wp³ywu formy jêzykowo-stylistycznej pytania na odpowiedŸ
respondenta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Rysunek 10. Przyk³ady pytañ dotycz¹cych zachowañ nabywców . . . . . . . . . . . . . 39
Rysunek 11. Przyk³ady pytañ dotycz¹cych postaw nabywców . . . . . . . . . . . . . . . 39
Rysunek 12. Przyk³ad pytania bezpoœredniego i poœredniego . . . . . . . . . . . . . . . 40
Rysunek 13. Klasyfikacja pytañ ze wzglêdu na stopieñ swobody odpowiedzi . . . . . 41
Rysunek 14. Przyk³ad zastosowania pytania z podan¹ skal¹ odpowiedzi . . . . . . . . 42
Rysunek 15. Schemat podstawowych elementów ankiety . . . . . . . . . . . . . . . . . . 42
Rysunek 16. Klasyfikacja metod doboru próby do badañ . . . . . . . . . . . . . . . . . . 44
Rysunek 17. Klasyfikacja metod losowego doboru próby do badañ . . . . . . . . . . . . 44
Rysunek 18. Klasyfikacja metod nielosowego doboru próby do badañ . . . . . . . . . . 46
Rysunek 19. Przyk³ad doboru kwotowego . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Rysunek 20. Podstawowe skale pomiarowe . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Rysunek 21. Przyk³ad skali nominalnej werbalnej . . . . . . . . . . . . . . . . . . . . . . 55
Rysunek 22. Przyk³ad skal porz¹dkowych: stopniowej jednobiegunowej
i dwubiegunowej . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
Rysunek 23. Przyk³ad skali stosunkowej . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Rysunek 24. Przyk³ad skalowania zrównowa¿onego i niezrównowa¿onego w sytuacji
zastosowania skali porz¹dkowej . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Rysunek 25. Przyk³ady skal przedzia³owych nieparzystych przedstawionych w ró¿nej
formie graficznej i o ró¿nej liczbie kategorii . . . . . . . . . . . . . . . . . . . . . . . 58
Rysunek 26. Przyk³ad skalowania niewymuszaj¹cego . . . . . . . . . . . . . . . . . . . . 58
Rysunek 27. Skala porz¹dkowa preferowanych œrodków komunikacji . . . . . . . . . . 61
Rysunek 28. Przyk³ad pytania z zastosowaniem skali rang . . . . . . . . . . . . . . . . 61
Rysunek 29. Przyk³ad pytania z zastosowaniem rangowej skali sumowanych ocen . . 62
Rysunek 30. Przyk³ad zastosowania skali Likerta . . . . . . . . . . . . . . . . . . . . . . 63
Rysunek 31. Przyk³ad zastosowania skali Stapela . . . . . . . . . . . . . . . . . . . . . . 64
Rysunek 32. Przyk³ad zastosowania skali semantycznej . . . . . . . . . . . . . . . . . . 64
Rysunek 33. Hipotetyczny profil postaw i preferencji wobec dwóch œrodków
komunikacji miejskiej . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
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
komunikacji miejskiej s¹ niepunktualne” – wykres pierœcieniowy . . . . . . . . . . . 93

Rysunek 52. Podzia³ respondentów ze wzglêdu na stosunek do twierdzenia:
„Jest wystarczaj¹ca liczba punktów przesiadkowych” – wykres sto¿kowy . . . . . . 94
Rysunek 53. Liczba pojazdów samochodowych i ci¹gników w Polsce w latach
2003–2011 – wykres liniowy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Rysunek 54. Podzia³ respondentów ze wzglêdu na p³eæ i cel podró¿y œrodkami
komunikacji miejskiej – wykres kolumnowy . . . . . . . . . . . . . . . . . . . . . . . . 95
Rysunek 55. Podzia³ respondentów ze wzglêdu na p³eæ i cel podró¿y œrodkami
komunikacji miejskiej – wykres kolumnowy z etykietami . . . . . . . . . . . . . . . . 95
2003–2011 (pocz¹tek osi pionowej 0) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
2003–2011 (pocz¹tek osi pionowej 15 mln) . . . . . . . . . . . . . . . . . . . . . . . . 96
Rysunek 58. Liczba kobiet i mê¿czyzn doje¿d¿aj¹cych komunikacj¹ miejsk¹
do pracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
Rysunek 59. Znaczenie podstawowych motywów jako determinanta zakupu
samochodu luksusowego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Rysunek 60. Arkusz roboczy 2 – obliczenia pomocnicze . . . . . . . . . . . . . . . . . . 103
Rysunek 61. Podzia³ grup metod testowania hipotez . . . . . . . . . . . . . . . . . . . . 106
Rysunek 62. Podzia³ testów statystycznych . . . . . . . . . . . . . . . . . . . . . . . . . . 107
Rysunek 63. Postacie obszaru krytycznego w zale¿noœci od hipotezy alternatywnej
H1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
Rysunek 64. Arkusz roboczy 3 – obliczenia pomocnicze . . . . . . . . . . . . . . . . . . 112
Rysunek 65. Arkusz roboczy 4 – obliczenia wartoœci statystyki c2 . . . . . . . . . . . . 113
Rysunek 66 Arkusz roboczy 5 – obliczenia pomocnicze do wyznaczenia
statystyki l . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
Rysunek 67. Arkusz roboczy 6 – dane wejœciowe . . . . . . . . . . . . . . . . . . . . . . 120
Rysunek 68. Arkusz roboczy 7 – wybór polecenia standaryzacji . . . . . . . . . . . . . 121
Rysunek 69. Arkusz roboczy 8 – wybór zmiennych do standaryzacji . . . . . . . . . . 121
Rysunek 70. Arkusz roboczy 9 – zmienne po standaryzacji . . . . . . . . . . . . . . . . 122
Rysunek 71. Arkusz roboczy 10 – okno dialogowe . . . . . . . . . . . . . . . . . . . . . . 123
Rysunek 72. Arkusz roboczy 11 – wybór zmiennych do analizy czynnikowej . . . . . 123
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
Rysunek 92. Arkusz roboczy 30 – panel pocz¹tkowy skalowania wielowymiarowego . 140

Rysunek 93. Arkusz roboczy 31 – okno Estymacja parametrów . . . . . . . . . . . . . 141
Rysunek 94. Arkusz roboczy 32 – arkusz Wyniki . . . . . . . . . . . . . . . . . . . . . . 142
Rysunek 95. Arkusz roboczy 33 – arkusz Konfiguracja koñcowa . . . . . . . . . . . . . 142
Rysunek 96. Arkusz roboczy 34 – wykres Sheparda . . . . . . . . . . . . . . . . . . . . 143
Rysunek 97. Arkusz roboczy 35 – wybór wymiarów dla wykresu rozrzutu . . . . . . . 144
Rysunek 98. Arkusz roboczy 36 – wykres rozrzutu . . . . . . . . . . . . . . . . . . . . . 144
Rysunek 99. Arkusz roboczy 37 – narzêdzia analizy danych . . . . . . . . . . . . . . . 150
Rysunek 100. Arkusz roboczy 38 – okno dialogowe funkcji Regresja . . . . . . . . . . 150
Rysunek 101. Arkusz roboczy 39 – Wyniki regresji . . . . . . . . . . . . . . . . . . . . . 151
Rysunek 102. Arkusz roboczy 40 – obliczenia statystyki F w analizie wariancji . . . 154
Rysunek 103. Podzia³ czasu obserwacji poszczególnych czêœci planszy . . . . . . . . . . 160
Rysunek 104. Krzywa koncentracji uwagi na prezentacji . . . . . . . . . . . . . . . . . 161
Rysunek 105. Struktura próby ze wzglêdu na wiek respondentów . . . . . . . . . . . . 165
Rysunek 106. Struktura próby ze wzglêdu na status spo³eczny respondentów . . . . 166
Rysunek 107. Struktura próby ze wzglêdu na dochód respondentów . . . . . . . . . . 166
Rysunek 108. Podzia³ respondentów posiadaj¹cych samochód ze wzglêdu na dochód . 168
Rysunek 109. Odsetek respondentów wed³ug czêstotliwoœci korzystania
z komunikacji miejskiej . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
Rysunek 110. Podzia³ respondentów posiadaj¹cych samochód ze wzglêdu na cel
przemieszczania siê w obrêbie miasta . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
Rysunek 111. Podzia³ respondentów ze wzglêdu na czêstotliwoœæ przemieszczeñ
i wybór œrodka transportu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
Rysunek 112. Œrednie oceny czynników wp³ywaj¹cych na wybór w³asnego œrodka
transportu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
Rysunek 113. Podzia³ respondentów ze wzglêdu na dochód i czêstotliwoœæ
przemieszczania siê danym œrodkiem transportu . . . . . . . . . . . . . . . . . . . . . 174
Rysunek 114. Istotnoœæ czynników wp³ywaj¹cych na jakoœæ ¿ycia w mieœcie . . . . . . 175
Rysunek 115. Istotnoœæ czynników wp³ywaj¹cych na jakoœæ ¿ycia w zale¿noœci od
grupy dochodowej, do jakiej zalicza³ siê respondent . . . . . . . . . . . . . . . . . . . 175
Rysunek 116. Podzia³ respondentów wed³ug œrodka transportu i czêstotliwoœci
korzystania z niego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
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
Rysunek 123. Najmniej wa¿ne czynniki, które sk³oni³yby opolan do korzystania
Rysunek 124. Plan linii PRT-MISTER dla miasta Opola . . . . . . . . . . . . . . . . . 186
208
Spis tabel i tablic
Tabela 1. Wady i zalety ró¿nych œrodków komunikacji . . . . . . . . . . . . . . . . . . . 19

Tabela 2. Kryteria porównania komunikacji indywidualnej i zbiorowej . . . . . . . . . 20
Tabela 3. Wielkoœci próby stosowane w badaniach . . . . . . . . . . . . . . . . . . . . . 48
Tabela 4. WskaŸniki proporcji preferencji cechy i nad cech¹ j . . . . . . . . . . . . . . . 59
Tabela 5. Wartoœci zmiennej standaryzowanej . . . . . . . . . . . . . . . . . . . . . . . . 60
Tabela 6. B³êdy pomiaru . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
Tabela 7. Klasyfikacja b³êdów pope³nianych w trakcie badania . . . . . . . . . . . . . . 72
Tabela 8. Podzia³ mieszkañców Opola ze wzglêdu na wiek . . . . . . . . . . . . . . . . 77
Tabela 9. Podzia³ respondentów ze wzglêdu na wiek i p³eæ . . . . . . . . . . . . . . . . 77

Tabela 10. Podzia³ respondentów ze wzglêdu na p³eæ . . . . . . . . . . . . . . . . . . . . 91
Tabela 11. Podzia³ respondentów ze wzglêdu na trzy cechy: p³eæ, wiek i dochód . . . 91
Tabela 12. Czêstotliwoœæ wystêpowania motywu zwi¹zanego z samorealizacj¹ . . . . . 98
Tabela 13. Podstawowe mierniki statystyczne . . . . . . . . . . . . . . . . . . . . . . . . 100
Tabela 14. Respondenci wed³ug wieku . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
Tabela 15. Obliczenia pomocnicze do wyznaczenia œredniej i odchylenia
standardowego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
Tabela 16. Mo¿liwe decyzje przy weryfikacji hipotez statystycznych . . . . . . . . . . . 106
Tabela 17. Podzia³ respondentów ze wzglêdu na wiek i powód przemieszczeñ
w obrêbie miasta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
Tabela 18. Rozk³ad liczby opolan i respondentów ze wzglêdu na wiek . . . . . . . . . 115
Tablica 1. Wartoœci dystrybuanty rozk³adu normalnego standaryzowanego

P( X > ta ) = a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
Tablica 2. Rozk³ad t-Studenta P ( X > t a ) = a . . . . . . . . . . . . . . . . . . . . . . . . . 196
Tablica 3. Rozk³ad chi-kwadrat P ( X > c 2a ) = a . . . . . . . . . . . . . . . . . . . . . . . 197
209

KaufS TluczakA Metodyitechniki

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

KaufS TluczakA Metodyitechniki

Uploaded by

Copyright:

Available Formats

Uniwersytet Opolski

Metody i techniki badań ankietowych na przykładzie zachowań

Sabina Kauf, Agnieszka T³uczak

Metody i techniki badañ ankietowych

Ó Copyright by Uniwersytet Opolski

Wydawnictwo Uniwersytetu Opolskiego, 45–037 Opole, ul. H. Sienkiewicza 33.

We wspó³czesnym œwiecie prowadzenie badañ marketingowych staje siê

riusz ankiety, który umo¿liwia szybkie przebadanie liczebnie du¿ych zbioro-

komunikacyjne mieszkañców. Oznacza to, ¿e badania ankietowe mog¹ przy-

nariusza ankietowego. Ze wzglêdu na istotnoœæ reprezentatywnoœci wyników

1.1. Pojêcie i determinanty zachowañ komunikacyjnych

liczba megamiast, w których mieszka ponad 5 mln ludnoœci. W roku 1950

zachowania komunikacyjne to dzia³ania jednostek w ramach ich mobil-

Okreœlaj¹ one podejœcie jednostki do faktu podró¿owania ró¿nymi œrodka-

zachowania komunikacyjne to liczba przejazdów oraz d³ugoœæ rzeczy-

wiœcie pokonanych przestrzeni, a tak¿e czêstotliwoœæ oraz rodzaj wyko-

Zachowania komunikacyjne obejmuj¹ ogó³ decyzji w zakresie sposobów

ogó³ decyzji w zakresie sposobów przemieszczania siê, a tak¿e sam pro-

Bez przemieszczania siê jednostki nie mia³yby mo¿liwoœci realizacji wielu

wolne od pracy; w przypadku przejazdów obligatoryjnych zachowania komu-

tywne i trudne w operacjonalizacji. Widoczne jest to szczególnie w przypad-

1.2. Zachowania komunikacyjne a wybór œrodka transportu

Rysunek 1. Prognoza wzrostu liczby samochodów na œwiecie do roku 2030

Wzrost ruchu samochodowego widoczny jest tak¿e w polskich miastach,

Rysunek 2. Liczba pojazdów samochodowych i ci¹gników w tys. sztuk w Polsce w latach

zat³oczenie powoduj¹ce znaczne spowolnienie ruchu. I tak np. w Londynie

przed wprowadzeniem op³at za wjazd do centrum po drogach poruszano siê

Wybór œrodka transportu jest wynikiem psychicznego procesu poszuki-

W formie zagregowanej wybór œrodka transportu prowadzi do podzia³u za-

Punkt Punkt Punkt Punkt

Punkt Punkt Punkt

Punkt Punkt Punkt Punkt

Rysunek 3. Przyk³adowe formy przemieszczania siê w obszarze miasta

Warunkiem wyboru ró¿nych œrodków transportu jest ich dostêpnoœæ.

· Bike & Ride+Bicykle & Bike – dojazd rowerem z domu do przystanku,

Pieszo · mo¿liwoœæ decydowania o trasie · podleganie wp³ywom czynników

Rower · mo¿liwoœæ decydowania o trasie · podleganie wp³ywom czynników

(jazda na rowerze jest zdrowa, · nara¿enia na wypadki drogowe

Samochodowa · mo¿liwoœæ decydowania o trasie · nieprzyjazna œrodowisku

Komunikacja · mo¿liwoœæ rozmowy z innymi · ryzyko du¿ego zat³oczenia

Tabela 2. Kryteria porównania komunikacji indywidualnej i zbiorowej

sca pracy) przystanku do miejsca pracy)

borów. Analiza sposobu przemieszczania siê jest wstêpem do procesu

1.3. Analiza sposobu przemieszczania siê jako podstawa

Kszta³towanie zachowañ komunikacyjnych mieszkañców zwi¹zane jest

Informacja to przyrost wiedzy rozumianej jako skumulowany i wzboga-

[DI]+[W] Þ [W+DW] (1)

Przyrost wiedzy nie stanowi prostej transformacji iloœci w jakoœæ, gdy¿

ród³a pierwotne obejmuj¹ informacje, które zbierane s¹ specjalnie,

Przyk³adem pochodz¹cych z pomiaru wtórnego danych dotycz¹cych zacho-

wywiady g³êbinowe polegaj¹ce na ca³kowicie swobodnej rozmowie ba-

Taka forma wywiadu umo¿liwia uzyskanie szeregu informacji dotycz¹cych

polega na koncentracji uwagi u¿ytkownika ruchu na przedmiocie ba-

Wywiady te s¹ istotne np. w procesie projektowania tras przejazdów œrod-

wywiady grupowe, polegaj¹ce na jednoczesnym poddaniu badaniu

Podstawowym celem badañ ankietowych jest uzyskanie odpowiedzi na

Metody ankietowe umo¿liwiaj¹ gromadzenie danych jakoœciowych i iloœ-

Barometr klienta polega na analizie postrzegania komunikacji miej-

Metoda ta wykorzystywana jest np. we W³oszech, gdzie prowadzone s¹

czy te¿ badania deklarowanych preferencji. Metody te wykorzystywane s¹

Mo¿na skonstatowaæ, ¿e najczêstsz¹ form¹ badania zachowañ komunika-

2.1. Pojêcie i istota badañ ankietowych

Badania ankietowe by³y, i s¹ nadal, jedn¹ z podstawowych metod groma-