«ΜΑΡΚΕΤΙΝΓΚ ΑΓΡΟΤΙΚΩΝ ΠΡΟΙΟΝΤΩΝ ΚΑΙ ΤΡΟΦΙΜΩΝ» «ΜΑΡΚΕΤΙΝΓΚ ΑΓΡΟΤΙΚΩΝ ΠΡΟΙΟΝΤΩΝ ΚΑΙ ΤΡΟΦΙΜΩΝ» ΔΙΔΑΣΚΩΝ: ΚΑΘΗΓΗΤΗΣ κ. ΑΝΤΩΝΙΟΣ ΡΕΖΙΤΗΣ ΔΙΑΦΑΝΕΙΕΣ “ΜΕΤΡΗΣΗ ΤΗΣ ΤΑΣΗΣ ΤΩΝ ΚΑΤΑΝΑΛΩΤΩΝ” ΚΕΦΑΛΑΙΟ 7: Η ΕΝΝΟΙΑ ΤΗΣ ΜΕΤΡΗΣΗΣ ΒΑΣΙΖΟΜΕΝΕΣ ΣΤΟ ΒΙΒΛΙΟ «ΜΕΘΟΔΟΙ ΕΡΕΥΝΑΣ ΑΓΟΡΑΣ» ΤΟΥ ΚΑΘΗΓΗΤΗ κ. ΒΛΑΣΗ ΣΤΑΘΑΚΟΠΟΥΛΟΥ

ΚΕΦΑΛΑΙΟ 7: Η ΕΝΟΙΑ ΤΗΣ ΜΕΤΡΗΣΗΣ Η μέτρηση είναι μια έννοια γνωστή και ευρύτατα χρησιμοποιούμενη. Χρησιμοποιούμε ρολόγια και ημερολόγια για τη μέτρηση του χρόνου, ζυγαριές για να μετρούμε το βάρος και μέτρα για το ύψος. Όλα τα παραπάνω παραδείγματα αναφέρονται σε περιπτώσεις όπου μετράμε κάτι συγκεκριμένο (π.χ. χρόνο, βάρος, ύψος). Πως όμως μπορούμε να μετρήσουμε την στάση ή τη γνώμη που έχει ένας καταναλωτής απέναντι σε ένα προϊόν Χ; Ή την πρόθεση ή πιθανότητα αγοράς μιας συγκεκριμένης μάρκας; Ή την κοινωνική τάξη στην οποία ανήκει κάποιος; Αυτά τα παραδείγματα δείχνουν το ενδιαφέρων των στελεχών του μάρκετινγκ να μετρήσουν πολλά χαρακτηριστικά προϊόντων για τα οποία σπάνια οι καταναλωτές σκέφτονται υπό μορφή αριθμών.

Θα παρουσιάσουμε τους τρόπους με τους οποίους τα στελέχη του μάρκετινγκ αποδίδουν αριθμούς σε διάφορα αντικείμενα ή φαινόμενα. Παρουσιάζονται οι τέσσερις βασικοί τύποι μέτρησης. Ακολουθεί μια παρουσίαση όλων των πιθανών σφαλμάτων που μπορούν να υπεισέλθουν κατά την διάρκεια της μέτρησης, καθώς και των τρόπων προσδιορισμού τους. Τέλος παρουσιάζεται μια διαδικασία για την ανάπτυξη έγκυρων και αξιόπιστων μετρήσεων. 7.1. ΟΡΙΣΜΟΣ ΤΗΣ ΜΕΤΡΗΣΗΣ Μέτρηση είναι η χρήση αριθμών για να περιγράψουμε τα χαρακτηριστικά αντικειμένων με τέτοιο τρόπο ώστε να αντικατοπτρίζουν τις ιδιότητες τους. Ο ορισμός αυτός απαιτεί να γίνουν δυο διευκρινίσεις 1) Μπορούμε να μετράμε ιδιότητες αντικειμένων και όχι αντικείμενα αυτά καθ’ αυτά. Για παράδειγμα μετράμε ηλικία, ύψος, εισόδημα, μόρφωση ή κοινωνική τάξη καταναλωτών.

7.2. ΒΑΣΙΚΟΙ ΤΥΠΟΙ ΜΕΤΡΗΣΗΣ 2. Ο παραπάνω ορισμός δεν ορίζει πως θα χρησιμοποιηθούν οι αριθμοί. Αυτό σημαίνει ότι οι αριθμοί μπορεί να μην έχουν την συνηθισμένη σημασία που δίδεται από τους καθημερινούς ανθρώπους. Οι γνωστές αριθμητικές πράξεις μπορεί να μην είναι εφικτό να εφαρμοσθούν. Αντίθετα οι αριθμοί αυτοί μπορεί να χρησιμοποιηθούν απλά ως σύμβολα για να υποδηλώνουν συγκεκριμένα χαρακτηριστικά ενός αντικειμένου. Άρα πρώτα καθορίζουμε τα χαρακτηριστικά των αντικειμένων που μπορούμε ή θέλουμε να μετρήσουμε και μετά θα καθορίσουμε τους κανόνες που θα ορίζουν τι θα μετρηθεί και πως θα μετρηθεί. 7.2. ΒΑΣΙΚΟΙ ΤΥΠΟΙ ΜΕΤΡΗΣΗΣ Υπάρχουν τέσσερις βασικοί τύποι ή κλίμακες μέτρησης: ονομαστική (nominal), βαθμική (ordinal), απόστασης (interval) και αναλογική (ratio).

7.2.1. Ονομαστική Κλίμακα Χρησιμοποιείται για να ταξινομήσουμε αντικείμενα ή γεγονότα. Για παράδειγμα, σε μια μελέτη μπορούμε να δώσουμε τον αριθμό 1 στους άνδρες και το αριθμό 2 στις γυναίκες. Θα μπορούσαμε πολύ απλά να αντιστρέψουμε τους αριθμούς διότι οι αριθμοί αυτοί πολύ απλά δηλώνουν το φύλο του ανθρώπου που συμμετέχει στην μελέτη. Έτσι η ονομαστική κλίμακα χρησιμοποιείται σαν ετικέτα για κάθε κατηγορία. Με τους αριθμούς που χρησιμοποιούνται δεν μπορεί να εξαχθεί κανένα συγκριτικό συμπέρασμα. Έτσι ο αριθμός 2 δεν σημαίνει μια ‘καλύτερη θέση’ από ότι ο αριθμός 1. Άλλο παράδειγμα είναι η χρήση του αριθμού 1 για καταναλωτές που αγοράζουν ένα προϊόν και τον αριθμό 2 σε μη αγοραστές. Η χρήση της ονομαστικής κλίμακας καθιστά δυνατόν τον υπολογισμό μόνον συγκεκριμένων στατιστικών αναλύσεων. Έτσι ο μέσος και η διάμεσος δεν μπορούν να υπολογιστούν.

Αντίθετα μπορεί να χρησιμοποιηθεί το σημείο μέγιστης συχνότητας ή η επικρατούσα τιμή (mode). Επίσης μπορεί να υπολογιστεί το ποσοστό των αντικειμένων κάθε κατηγορίας. Τέλος μπορεί να πραγματοποιηθεί στατιστικός έλεγχος chi-square (Χ2) για να διαπιστωθεί αν οι διαφορές που υπάρχουν μεταξύ των κατηγοριών οφείλονται ή όχι στην τύχη. 7.2.2. Βαθμική Κλίμακα Η βαθμική κλίμακα χρησιμοποιείται για να κατατάξει αντικείμενα. Τα αντικείμενα κατατάσσονται με βάση όχι μόνο το αν έχουν κοινό χαρακτηριστικό, αλλά επίσης εάν έχουν πολύ ή λίγο από αυτό το χαρακτηριστικό σε σχέση με άλλα αντικείμενα. Η βαθμική κλίμακα όμως δεν μας δίνει πληροφορίες για το πόσο πολύ ή λίγο από το συγκεκριμένο χαρακτηριστικό έχουν τα αντικείμενα.

Παράδειγμα: ύψος των πωλήσεων ανά περιοχή για μια επιχείρηση Η κατάταξη υποδηλώνει ότι η περιοχή Α έχει το μεγαλύτερο ύψος πωλήσεων, η περιοχή Β το αμέσως επόμενο και ούτω καθ’ εξής. Οι αριθμοί αυτοί αντιπροσωπεύουν το σχετικό μέγεθος της κάθε περιοχής. Η βαθμική κλίμακα καθορίζει την σχετική κατάταξη των αντικειμένων όχι όμως και το μέγεθος των διαφορών που υπάρχουν μεταξύ των αντικειμένων αυτών. Η βαθμική κλίμακα χρησιμοποιείται για την κατάταξη των προτιμήσεων των καταναλωτών.

Παράδειγμα κατάταξης προτιμήσεων καταναλωτών. Από έναν καταναλωτή ζητήθηκε να κατατάξει τέσσερα προϊόντα Α, Β, Γ και Δ ανάλογα με την ποιότητα τους βάζοντας το αριθμό 1 για το προϊόν που έχει την καλύτερη ποιότητα και 4 για το προϊόν που έχει την χειρότερη ποιότητα. Από στατιστικής άποψης μπορούμε να υπολογίσουμε το σημείο μέγιστης συχνότητας και τη διάμεσο αλλά δεν μπορούμε να υπολογίσουμε το μέσο. Τέλος μπορούμε να πραγματοποιήσουμε διάφορες μη παραμετρικές αναλύσεις (non parametric statistical analysis).

7.2.3. Κλίμακα Απόστασης Η κλίμακα απόστασης κατατάσσει αντικείμενα αλλά οι διαφορές που υπάρχουν μεταξύ των αριθμών υποδηλώνουν και ίσες διαφορές στις ιδιότητες των υπό μέτρηση αντικειμένων. Αυτό σημαίνει ότι οι διαφορές μεταξύ των αριθμών μπορούν να συγκριθούν. Έτσι η διαφορά μεταξύ 1 και 2 είναι ίση με την διαφορά μεταξύ 2 και 3. Επίσης η διαφορά μεταξύ 2 και 4 είναι διπλάσια της διαφοράς μεταξύ 1 και 2. Ένα παράδειγμα κλίμακας απόστασης είναι η μέτρηση της θερμοκρασίας σε βαθμούς Φαρενάιτ και Κελσίου. Ας υποθέσουμε ότι η θερμοκρασία μια μέρα του χρόνου είναι 40 0F και μια άλλη μέρα του χρόνου είναι 80 0F. Δεν μπορούμε να πούμε ότι τη μια μέρα έκανε διπλάσια ζέστη από την άλλη μέρα. Να σημειωθεί ότι το σημείο 0 (μηδέν) στη κλίμακα Φαρενάιτ έχει οριστεί αυθαίρετα. Στην κλίμακα απόστασης δεν μπορούμε να κάνουμε συγκρίσεις μεταξύ των απόλυτων αριθμών της κλίμακας. Μπορούμε όμως να πούμε ότι:

1) το 80 0F υποδηλώνει μεγαλύτερη ζέστη από το 40 0F. 2) εάν υπάρξει και μια Τρίτη θερμοκρασία (π.χ. 120 0F) μπορούμε να συγκρίνουμε τα διαστήματα. Έτσι η διαφορά στη ζέστη μεταξύ 80 0F και 120 0F είναι ίδια με την διαφορά μεταξύ 40 0F και 80 0F, και η διαφορά μεταξύ 40 0F και 120 0F είναι διπλάσια της διαφοράς μεταξύ 40 0F και 80 0F. Η πιο γνωστή κλίμακα απόστασης που χρησιμοποιείται σε έρευνες αγοράς είναι η Likert στην οποία θα αναφερθούμε εκτενώς στο επόμενο κεφάλαιο. Το σύνολο σχεδόν των στατιστικών αναλύσεων είναι δυνατόν να πραγματοποιηθούν με την κλίμακα απόστασής. Μπορούμε να υπολογίσουμε τον μέσο, τη διάμεσο και το σημείο μέγιστης συχνότητας. Μπορούμε να πραγματοποιήσουμε διμεταβλητές αναλύσεις (π.χ. συντελεστές συσχέτισης, t-test), καθώς και πολυμεταβλητές αναλύσεις (π.χ. ανάλυση διακύμανσης, ανάλυση πολλαπλής παλινδρόμησης).

7.2.4. Αναλογική Κλίμακα Στην αναλογική κλίμακα γίνεται κατάταξη μεταξύ αντικειμένων, όπου όμως υπάρχει το απόλυτο 0 (μηδέν) που επιτρέπει τη σύγκριση του απόλυτου μεγέθους των αριθμών. Ένα άτομο που ζυγίζει 100 κιλά έχει διπλάσιο βάρος από ένα άλλο άτομο που ζυγίζει 50 κιλά. Μετρήσεις που αφορούν πωλήσεις, μερίδια αγοράς, αριθμό αγοραστών του προϊόντος χρησιμοποιούν αναλογική κλίμακα. Όλες οι στατιστικές αναλύσεις είναι εφικτές με τη αναλογική κλίμακα.

Ο Πίνακας 7-1 συνοψίζει τα χαρακτηριστικά των τεσσάρων βασικών τύπων μετρήσεων.

7.3. ΣΥΣΤΑΤΙΚΑ ΜΕΤΡΗΣΗΣ Στην έρευνα αγοράς πραγματοποιούνται σφάλματα στην μέτρηση. Τα σφάλματα αυτά πηγάζουν από την πολυπλοκότητα των φαινομένων τα οποία προσπαθούμε να μετρήσουμε, μια και υπάρχουν πολλοί παράγοντες οι οποίοι μπορεί να επηρεάσουν τις ιδιότητες ή τα χαρακτηριστικά των φαινομένων που μετράμε. Επίσης μπορεί η ίδια η διαδικασία της μέτρησης που ακολουθούμε να επηρεάσει τα αποτελέσματα. Άρα ο ερευνητής ενδιαφέρεται να γνωρίζει την έκταση στην οποία το αποτέλεσμα μιας μέτρησης αντανακλά τα πραγματικά/αληθινά χαρακτηριστικά/’συστατικά’ ενός αντικειμένου, καθώς και οτιδήποτε άλλο μη πραγματικό χαρακτηριστικό/’συστατικό’. Για παράδειγμα ας υποθέσουμε ότι κάνουμε μια έρευνα για να μελετήσουμε την στάση των πολιτών απέναντι στην απαγόρευση του καπνίσματος σε δημόσιους χώρους, όπως νοσοκομεία, δημόσιες υπηρεσίες και εμπορικά κέντρα και καταστήματα.

Για το σκοπό αυτό σχεδιάζουμε μια κλίμακα μέτρησης. Ένα υψηλό σκορ στην κλίμακα (μέγιστο 100) υποδηλώνει ότι ο ερωτώμενος συμφωνεί κατά μεγάλο ποσοστό με την απαγόρευση του καπνίσματος σε δημόσιους χώρους, ενώ, αντίθετα, ένα χαμηλό σκορ στην κλίμακα (ελάχιστο 25) φανερώνει το αντίθετο, δηλαδή ότι ο ερωτώμενος έχει σοβαρές αντιρρήσεις με την απαγόρευση του καπνίσματος σε δημόσιους χώρους. Εάν δυο ερωτώμενοι, για παράδειγμα ο ερωτώμενος Α και ο ερωτώμενος Β, είχαν σκορ 85 και 45 αντίστοιχα, μπορούμε να συμπεράνουμε ότι ο ερωτώμενος Α έχει λιγότερες αντιρρήσεις για την απαγόρευση του καπνίσματος στους δημόσιους χώρους από ότι ο ερωτώμενος Β. Ένα τέτοιο όμως συμπέρασμα εξαρτάται σε μεγάλο βαθμό από την ποιότητα της κλίμακας μέτρησης, δηλαδή εάν οι αριθμοί αυτοί αντιπροσωπεύουν την πραγματική στάση των ερωτωμένων ή και κάποια άλλα χαρακτηριστικά.

Από τα παραπάνω βλέπουμε ότι μια μέτρηση περιέχει διάφορα συστατικά/χαρακτηριστικά. Τα συστατικά αυτά μπορεί να είναι τα ακόλουθα: Αληθινό χαρακτηριστικό, Επιπλέον σταθερά χαρακτηριστικά, Προσωρινά προσωπικά χαρακτηριστικά, Χαρακτηριστικά της κατάστασης, Χαρακτηριστικά της διαδικασίας μέτρησης, Χαρακτηριστικά του ερωτηματολογίου, Χαρακτηριστικά της διαδικασίας απάντησης, και Χαρακτηριστικά της ανάλυσης. Το αληθινό χαρακτηριστικό αποτελεί μόνο ένα από τα συστατικά μιας μέτρησης. Τα υπόλοιπα συστατικά αποτελούν το σφάλμα μέτρησης (measurement error ή response error).

7.3.1. Επιπλέον σταθερά χαρακτηριστικά Τα επιπλέον σταθερά χαρακτηριστικά αναφέρονται σε χαρακτηριστικά τα οποία μπορεί να χαρακτηρίζονται ως ‘έμφυτα’ σε ένα άτομο. Τέτοια χαρακτηριστικά είναι η κοινωνική τάξη στην οποία ανήκει ο ερωτώμενος, το φύλο του, η ηλικία του, η μόρφωση του, και η ευφυΐα του. Τα επιπλέον σταθερά χαρακτηριστικά παρουσιάζονται πιο έντονα σε περιπτώσεις ερωτώμενων με διαφορετική κουλτούρα, εθνικότητά ή φύλο. Για παράδειγμα στο προηγούμενο παράδειγμα της απαγόρευσης του καπνίσματος σε δημόσιους χώρους, εάν ο ερωτώμενος Α ήταν γυναίκα και ο ερωτώμενος Β άνδρας, το υψηλό σκορ του Α μπορεί να οφείλεται και στο γεγονός ότι είναι γυναίκα και οι γυναίκες είναι γενικά λιγότερο ανεκτικές στο κάπνισμα από ότι οι άνδρες.

7.3.2. Προσωρινά προσωπικά χαρακτηριστικά Για παράδειγμα η κούραση, ο θυμός, η πείνα, η συναισθηματική φόρτιση μπορούν να επηρεάσουν τις απαντήσεις του ερωτώμενου και φυσικά την μέτρηση του φαινομένου. Έτσι στο παράδειγμα μας το σκορ 85 του ερωτώμενου Α μπορεί να αντανακλά και το γεγονός ότι ο ερωτώμενος μόλις είχε επιστρέψει από κάποια καφετέρια όπου οι θαμώνες κάπνιζαν και η ατμόσφαιρα ήταν αποπνικτική. Οι ερευνητές συνήθως υποθέτουν ότι αυτού του είδους τα σφάλματα κατανέμονται τυχαία και συνετώς ακυρώνουν το ένα το άλλο.

7.3.3. Χαρακτηριστικά της κατάστασης Αντιπροσωπεύουν τις επιρροές του περιβάλλοντος που ασκούνται στον ερωτώμενο κατά την χρονική στιγμή της μέτρησης. Για παράδειγμα το σκορ του ερωτώμενου Β μπορεί να ήταν υψηλότερο αν ο αντικαπνιστής σύντροφος του ήταν παρών κατά τη μέτρηση. Το πρόβλημα παρατηρείται επίσης σε περιπτώσεις όπου μελετάμε τη διαδικασία λήψης αγοραστικών αποφάσεων σε παντρεμένα ζευγάρια. Οι απαντήσεις διαφοροποιούνται αν απαντά μόνον ο σύζηγος ή μόνον η σύζυγος ή και οι δυο μαζί. Χαρακτηριστικά του ερωτηματολογίου

7.3.3. Χαρακτηριστικά της διαδικασίας μέτρησης Η μέτρηση μπορεί να επηρεαστεί από τη μέθοδο συλλογής των στοιχείων. Το φύλο, η ηλικία, η εθνότητα, το στυλ, η φωνή και ο τρόπος ντυσίματος του ερευνητή έχει αποδειχθεί ίτ επηρεάζουν τις απαντήσεις που δίνουν οι ερωτώμενοι. Επίσης η μέθοδος συλλογής των στοιχείων αν δηλαδή γίνεται με ταχυδρομική, προσωπική ή τηλεφωνική συνέντευξη μπορεί να διαφοροποιήσει τις λαμβανόμενες απαντήσεις. 7.3.5. Χαρακτηριστικά του ερωτηματολογίου Ασαφείς οδηγίες, διφορούμενες ερωτήσεις, ερωτήσεις που προκαλούν σύγχυση, άσχετες ερωτήσεις και ερωτήσεις που μπορούν να παραλειφθούν μπορούν να οδηγήσουν σε σφάλματα κατά την μέτρηση. Για παράδειγμα το σκορ 45 για τον ερωτώμενο Β μπορεί να ήταν υψηλότερο αν είχαμε συμπεριλάβει μια ερώτηση που αναφερόταν στο γεγονός ότι το κάπνισμα προκαλεί αποδεδειγμένα καρκίνο των πνευμόνων.

7.3.6. Χαρακτηριστικά της διαδικασίας απάντησης Όταν ο ερωτώμενος ‘τσέκαρε’ λάθος απάντηση από αυτή που πραγματικά επιθυμούσε. Για παράδειγμα το σκορ 45 για τον ερωτώμενο Β στ παράδειγμά μας μπορεί να οφείλεται στο γεγονός ότι ενώ ο ερωτώμενος ήθελε να ‘τσεκάρει’ μια θετική απάντηση, εκ παραδρομής ‘τσέκαρε’ μια αρνητική απάντηση. 7.3.7. Χαρακτηριστικά της ανάλυσης Σχετίζονται με σφάλματα που μπορούν να συμβούν κατά την κωδικοποίηση των στοιχείων, την εισαγωγή τους στον Η/Υ και την πινακοποίησή τους. Στο παράδειγμα μας το σκορ 45 μπορεί να οφείλεται στο ότι ο ερευνητής εισήγαγε στον Η/Υ τον αριθμό 8 αντί του 9 για την συγκεκριμένη ερώτηση.

7.4. ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΣΦΑΛΜΑΤΩΝ ΚΛΙΜΑΚΩΝ ΜΕΤΡΗΣΗΣ Το ιδανικό σε κάθε κλίμακα μέτρησης είναι το σκορ ή ο αριθμός της μέτρησης που παίρνουμε να ανταποκρίνεται πλήρως το αληθινό σκορ που αντιστοιχεί στο φαινόμενο/αντικείμενο που μετράμε. Στην ιδανική περίπτωση έχουμε: Χ0= ΧΤ (1) όπου Χ0 = σκορ μέτρησης και ΧΤ = αληθινό σκορ του χαρακτηριστικού. Διάφοροι όμως παράγοντες υπεισέρχονται στην μέτρηση με αποτέλεσμα να δημιουργούνται σφάλματα κατά τη μέτρηση. Έτσι αυτό που συνήθως προκύπτει από μια μέτρηση είναι το εξής: Χ0= ΧΤ + E (2) Όπου Ε = συνολικό σφάλμα μέτρησης.

Όσο πιο μικρό είναι το Ε (στην εξίσωση (2): Χ0= ΧΤ + E) ως ποσοστό του Χ0 τόσο πιο ακριβής είναι η κλίμακα μέτρησης. Ο σκοπός του ερευνητή είναι να ελαχιστοποιήσει όσο το δυνατόν το σφάλμα της μέτρησης. Το σφάλμα μέτρησης μπορεί να είναι τυχαίο (random error) είτε συστημικό (systematic error). Έτσι, η εξίσωση (2) μπορεί να πάρει την μορφή: Χ0= ΧΤ + ER + ES (3) όπου ER = τυχαίο σφάλμα και Es = συστημικό σφάλμα Φυσικά ισχύει ER + ES = E. Τυχαίο σφάλμα είναι το σφάλμα το οποίο συμβαίνει τυχαία κάθε φορά που μετράμε κάτι. Στο παράδειγμα του καπνίσματος το χαμηλό σκορ του Β (45) μπορεί να οφείλεται στην άσχημη ψυχολογική του κατάσταση κατά την στιγμή της μέτρησης. Κάποια άλλη στιγμή μπορούσαμε να πάρουμε διαφορετικό σκορ.

Συστηματικό σφάλμα είναι το σφάλμα το οποίο συμβαίνει σταθερά κάθε φορά που μετράμε το αντικείμενο. Για παράδειγμα μια ‘κακή’ ερώτηση σε ένα ερωτηματολόγιο θα μας δίνει πάντα το ίδιο σφάλμα κάθε φορά που την απαντά ο ερωτώμενος. Ο όρος αξιοπιστία (reliability) αναφέρεται στην έκταση του τυχαίου σφάλματος. Μια κλίμακα μέτρησης θεωρείται αξιόπιστη όταν ER = 0. Στην περίπτωση αυτή η εξίσωση (3) παίρνει τη μορφή: Χ0= ΧΤ + ES (4) Ο όρος εγκυρότητα (variability) αναφέρεται στην έκταση στην οποία μια μέτρηση αντιπροσωπεύει το αληθινό σκορ του αντικειμένου που μετράμε. Η εγκυρότητα αναφέρεται στην ύπαρξη τόσο του συστηματικού όσο και του τυχαίου σφάλματος σε μια μέτρηση. Μία κλίμακα μέτρησης θεωρείται έγκυρη όταν ER + ES = 0. Τότε η (3) γίνεται: Χ0= ΧΤ (5)

Από τα παραπάνω φαίνεται ότι μια αξιόπιστη κλίμακα μέτρησης δεν είναι έγκυρη. Αντίθετα αν μια κλίμακα μέτρησης είναι έγκυρη τότε αυτόματα είναι και αξιόπιστη. Έτσι μια κλίμακα μέτρησης δεν μπορεί να είναι έγκυρη αν δεν είναι αξιόπιστη. Το Σχήμα 7-1 απεικονίζει γραφικά τις έννοιες της αξιοπιστίας και της εγκυρότητας. Υπάρχουν διάφορες τεχνικές για την εκτίμηση της αξιοπιστίας μιας κλίμακας μέτρησης, καθώς και διάφοροι τρόποι με τους οποίους ο ερευνητής μπορεί να βελτιώσει την αξιοπιστία μιας κλίμακας μέτρησης.

Για τον προσδιορισμό της αξιοπιστίας μιας κλίμακας μέτρησης – ανεξάρτητα της μεθόδου που χρησιμοποιείται – υπολογίζεται ο συντελεστής αξιοπιστίας άλφα (coefficient of reliability ή coefficient alpha). Η τιμή που μπορεί να πάρει ο συντελεστής άλφα κυμαίνεται από 0 έως 1, όπου 1 σημαίνει ότι η κλίμακα μέτρησης είναι απόλυτα αξιόπιστη και 0 ότι είναι πλήρως αναξιόπιστη. Η κλίμακα μέτρησης που έχει συντελεστή αξιοπιστίας άλφα μικρότερο του 0,6 θεωρείται αναξιόπιστη. Δυο από τις πιο διαδεδομένες τεχνικές που μπορούν να χρησιμοποιηθούν για την εκτίμηση της εγκυρότητας μια κλίμακας μέτρησης είναι η ανάλυση της μήτρας (multitrait – multimethod matrix) και η ανάλυση παραγόντων (factor analysis).

7.5. Η ΔΙΑΔΙΚΑΣΙΑ ΣΧΕΔΙΑΣΜΟΥ ΚΛΙΜΑΚΩΝ ΜΕΤΡΗΣΗΣ Το Σχήμα 7-2 παρουσιάζει τα στάδια της διαδικασίας αυτής:

Στάδιο 1. Καθορισμός Θεματικού Πεδίου/ Έννοιας Στάδιο 1. Καθορισμός Θεματικού Πεδίου/ Έννοιας. Εδώ πρέπει να ορίσουμε επακριβώς το αντικείμενο ή το φαινόμενο το οποίο επιθυμούμε να μετρήσουμε. Για παράδειγμα χρειάζεται να δώσουμε απάντηση στην ερώτηση «Τι εννοούμε με τον όρο ικανοποίηση πελατών ή ποιότητα προϊόντος ή κάτι παρόμοιό;» Με άλλα λόγια πρέπει να προσδιορίσουμε τις «διαστάσεις» ή τα χαρακτηριστικά τα οποία μπορεί να πάρει ο όρος ικανοποίηση πελατών ή ποιότητα προϊόντος. Για παράδειγμα στον όρο ικανοποίηση πελατών με την αγορά ενός συγκεκριμένου προϊόντος μπορούμε να περιλάβουμε διαστάσεις όπως κόστος προϊόντος, ποιότητά κατασκευής, απόδοση, υποστήριξη μετά την πώληση, και αντιδράσεις στη διαφήμιση του προϊόντος. Στον προσδιορισμό των διαστάσεων αυτών χρήσιμες μπορεί να αποδειχθούν πληροφορίες από δευτερογενείς πηγές (π.χ. σχετική βιβλιογραφία), καθώς και συζητήσεις με ειδικούς.

Στάδιο 2. Σχεδιασμός Επιμέρους Φράσεων ή Προτάσεων της Κλίμακας Μέτρησης. Το στάδιο αυτό περιλαμβάνει το σχεδιασμό μιας σειράς προτάσεων ή φράσεων ή ερωτήσεων για κάθε διάσταση του αντικειμένου ή του φαινομένου όπως καθορίστηκε στο στάδιο 1. Για παράδειγμα στον Πίνακα 7-2 δίνονται οι επιμέρους φράσεις που χρησιμοποιήθηκαν για να μετρηθεί ο όρος «ποιότητα προϊόντος»

Στάδιο 3. Συλλογή Στοιχείων Στάδιο 3. Συλλογή Στοιχείων. Γίνεται συλλογή στοιχείων από ένα δείγμα ερωτώμενων που είναι σχετικό με τον πληθυσμό από τον οποίο συγκεντρώνουμε στοιχεία. Στάδιο 4. Εξαγνισμός Κλίμακας Μέτρησης. Τα δεδομένα που συγκεντρώθηκαν στο Στάδιο 3 χρησιμοποιούνται για να «εξαγνίσουν» τις φράσεις/προτάσεις/ερωτήσεις που αποτελούν την κλίμακα μέτρησης. Ο εξαγνισμός περιλαμβάνει την εξάλειψη φράσεων που δημιουργούν σύγχυση ή την αναδιατύπωση φράσεων που κρίνονται ασαφείς. Το βασικό κριτήριο στο στάδιο αυτό είναι να υπάρχουν φράσεις ή προτάσεις που συνδέονται θεματικά μεταξύ τους. Στάδιο 5. Προσδιορισμός Αξιοπιστίας και Εγκυρότητάς της Κλίμακας Μέτρησης. Στο στάδιο αυτό και με βάση ένα νέο, μεγαλύτερο σε μέγεθος, δείγμα ερωτώμενων γίνεται εκτίμηση για το κατά πόσο αξιόπιστη και έγκυρη είναι η προτεινόμενη κλίμακα μέτρησης, χρησιμοποιώντας τις τεχνικές που αναφέραμε νωρίτερα.