市场调研数据的应用分析 - 二消费者行为分析.docx_第1页
市场调研数据的应用分析 - 二消费者行为分析.docx_第2页
市场调研数据的应用分析 - 二消费者行为分析.docx_第3页
市场调研数据的应用分析 - 二消费者行为分析.docx_第4页
市场调研数据的应用分析 - 二消费者行为分析.docx_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

二、消费者行为分析1.最优尺度回归分析在做回归分析时，会经常遇到分类变量，例如对于收入，通常划分为1、2、3，但是这种人为划分并不能保证变量之间是“等距”的。SPSS的最佳尺度回归可以较好地解决这一问题，以保证分析结果的准确性。操作过程图7分析的是年龄、性别和职业等因素对于客户在5种服装颜色选择上的影响，以此了解不同年龄、性别和职业客户对各种服装颜色的偏好。进入SPSS的“分析”，选择“回归”模型的“最佳尺度”，将颜色选为因变量，将年龄、性别和职业选为自变量，然后在颜色偏好度量中选“数字”，之所以不选“名义”或“有序”，是因为不知道它们之间的距离是否相等；在年龄中同样选“数字”；性别选“名义”；职业选“序数”，因为在本示例中对各种职业进行了排序。可见，在进行市场调研分析时，必须要具体问题具体分析，要具备很强的分析能力、较宽的知识面和清晰的思路，并结合自己的具体工作进行变量定义，而不能死记硬背模型。结果解读在输出结果中，R平方是0.296。通过上述几个示例可以看出，在logistic回归和最佳尺度回归中，R平方的数值都不理想，一般来说在这四种回归中不必太计较R平方值，与之相对，在线性回归分析中必须关注R平方值。在最佳尺度回归分析中，主要关注下面的表格。图7相关性和容差如图7所示，“偏相关”是克服了其他的影响之后的估计；而“重要性”则是最佳尺度回归中最有价值的一列，表示的是各个自变量对于因变量影响的大小；最后则是“容差”，表示一个解释变量中不能被其他变量解释的比例，这一比例越高越好，比如图7中性别的容差是0.805，这就表示该因素中80.5%的解释成分是其他因素无法解释的。2.结合分析结合分析是专门针对正交设计的分析手段，SPSS目前没有专门的分析模块，需要自行输入命令行实现。结合分析是分析用户多维度倾向性的重要手段。如图8所示，在之前出现过的牛奶消费市场调查案例的结果数据，经过结合分析可见，在重要性值中包含了外形、品牌、价格、口感、保质期等因素，通过比较可以看出其中最重要的因素是品牌（PINPAI），平均重要性得分是30.678，然后依次是外形、价格、口感和保质期。图8重要性值在外形、品牌、价格、口感等各个因素下，又有各自的估计值。如图9所示。图9实用程序同时，还以图示方式进行分析，如图10、图11、图12、图13、图14所
人人文库> 全部分类> 应用文书 > 研究报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论