市场调查第六章___静态分析方法精品管理

1、第六章 静态分析方法相对分析法平均分析法推断分析法相关分析法假设检验多元变量分析法 编辑ppt第五节 假设检验假设检验的基本概念拟合优度(Goodness of Fit)关于一个平均数的假设检验关于比率的假设检验方差分析（ANOVA）P值及显著性检验编辑ppt假设检验的基本概念评估差分和变化数学差分统计显著性管理意义上的差分统计显著性统计推断最根本的目的是从抽样调查的结果中归纳出总体特征 统计推断的基本信条是，在数学意义上不同的数字，在统计学意义上可能并没有显著的不同 假设检验编辑ppt假设检验定义:个调查者或管理者对被调查总体特征所作的一种假定或猜想 调查结果与假设值之间的差分的两种解释假设

2、是正确的，差分很可能是因为抽样的错误造成的 假设很可能是错误的，真正的数值是另外一个值 编辑ppt假设检验的步骤陈述假设 选择适当的检验统计量 确定判定规则 计算统计检验值 运用适当的公式来计算统计检验值；比较计算值（当前的）与根据判定规则所得的严格统计值（从适当的表格中查得 ）；通过比较，得出是否拒绝原假设Ho的结论 表述结果 编辑ppt假设检验中的错误类型一类错误二类错误 原假设的实际状况不拒绝H0拒绝H0H0正确正确（概率1）没有错误一类错误（概率）H0错误二类错误（概率）正确（概率1）没有错误表11-5 一类错误和二类错误编辑ppt 的确定应考虑两类错误的相对重要性 例： 假如你接受一

3、项诊断检查。检查的目的是看你是否有一种特殊的病症，这种病在大多数情况下都是致命的。如果你有这种疾病，有一种无痛苦、无危险又并不昂贵的治疗方法可以100%的治愈这种病。待检验假设如下： 考虑到这些因素时你会发现，一类错误（用测定）没有二类错误（用测定）严重。一类错误不严重，是因为在你健康时它不会对你有害。然而，二类错误意味着即使你有病也不会接受你所急需的治疗。 H0:检验表明你没有这种病症 Ha:检验表明你确实有这种病症 =P(正确时拒绝它)=P(在你没有病时检查表明你有病) =p(Ho错误时没有拒绝)=P(在你有病时检查表明你没有病)编辑ppt值 的值从来不能提前设定，如果我们把变小，就会变大

4、 一般把值设为0.05 接受Ho或不拒绝Ho，这两个决定存在重要区别 单尾检验或双尾检验，选用单尾检验还是双尾检验取决于问题的性质及所要证明的内容 编辑ppt独立样本、 相关样本及自由度独立样本：包括如下情形，即在一个样本中对某感兴趣的变量的测定，对在另一样本中对该变量的测定没有任何影响。这里不必进行两次不同的调查，只需要一个总体中变量的测定不会影响另一个总体中变量的测定 相关样本：对一个样本中感兴趣的变量的测定会影响另一样本中感兴趣的该变量的测定自由度数目等于被调查单位数减去计算统计量的假定或约束条件的数目。 编辑ppt拟合优度(Goodness of Fit)单个样本的 检验假设一零售电子

5、连锁店的营销经理需要检验三种不同促销的效果（促销1、促销2、促销3），每种促销历时一个月，每次促销期间顾客的数量见表11-6：2促销方案月份每月顾客数141170025121003611780合计-35580编辑ppt单个样本的 检验检验过程如下：分述原假设和备择假设 如果原假设正确，确定各类别顾客的数量与期望的一致（Ei） 用以下公式计算 的值：选择显著水平 结论22= Oi第i类的观察值 Ei第i类的期望值 K类别数 K-12编辑ppt两个独立样本的 检验2即确定两个或两个以上不同变量间是否有联系 例如，男性和女性是否可 以同样分为大量、中等、少量使用者？或者消费者和非消费者能被同样分为低

6、、中、高收入群吗？这些问题在生成营销战略前都需要回答。这种情形一般适用于 检验。下面用表11-7中的数据来说明这种技术。一家便利连锁店想确定顾客性别与来店频次间关系的性质。来店频次被分为三个等级：15次/月（少量使用者），614次/月（中等使用者），多于15次/月（大量使用者）。 2编辑ppt去便利店的男性去便利店的女性次数人数频率累计频率次数人数频率累计频率xmfm%xmfm%224.44.4257.07.03511.115.5345.612.75715.631.1479.922.5624.435.551014.136.6712.237.7668.545.1824.442.2734.249.

7、3912.244.4868.557.710715.660.0922.860.61236.766.7101318.378.915511.177.81245.684.520613.391.11534.288.72312.293.31622.891.52512.295.62045.697.23012.297.82111.498.64012.2100.02511.4100.0合计fm=45ff=71编辑ppt检验过程 表述原假设和备择假设 将观察到的样本频次填入kr交叉表中（见表11-8），k 列代表样本组数， r行代表条件或处理 光顾次数男性女性合计1-51426406-1416345015以上15

8、1126合计4571116（N）表11-8 kr交叉表编辑ppt确定表中每单元的期望频次。将每个单元对应的两个边缘总和的积除以总数N（见表11-9） 光顾频率男性女性1-56-1415以上表11-9 期望频次计算表编辑ppt计算 的值 表中显著水平为0.05、自由度为（r-1）（k-1）=2时， 值为5.99（见附录4表）。 由于计算出的 5.12比表中的 值小，因此不拒绝原假设，且可推出结论，从来店频次看， 男 性女性无显著差别 2 Oij=i行j列中的观察值Eij =i行j列中的估计值2 2 2 2 编辑ppt柯尔莫哥洛夫斯莫诺夫检验（K-S检验）主要涉及的是观察值分布和理论上或估算的分布

9、间 一致性。K-S检测还适用于顺序量表数据 例康柏计算机公司准备推出一条家庭电脑产品线。焦点小组访谈的结果显示，家庭市场中许多潜在购买者不喜欢办公室工作环境中那种传统计算机颜色。调研组织者向参加的人展示了许多颜色。被访者表示，他们更喜欢棕色。然后，公司又对目前没有电脑但表示将来6个月内会买电脑的500个人进行了调查。公司向他们展示了几种浓淡不同的棕色，并询问他们喜欢哪种颜色。调查结果见表11-10。编辑ppt表11-10 消费者对电脑颜色的喜好调查结果浓淡爱好各种颜色的人数很浅150浅170中等80暗45很暗55合计500编辑ppt K-S检测的步骤如下： 表述原假设和备择假设在原假设条件下建

10、立累积频次分布 从样本中计算观察所得的累计频次分布 选择显著水平确定K-S检验D统计量 编辑pptK-S检验中的数据 色度观察数观察比例观察累积比例原假设比例原假设累积比例绝对差很浅1500.300.300.200.200.10浅1700.340.640.200.400.24中间色800.160.800.200.600.20暗色450.090.890.200.800.09很暗550.111.000.201.000.00编辑ppt关于一个平均数的假设检验-Z检验如果样本规模足够大（n30），对于检验一个平均数的适当统计检验是Z检验步骤表述原假设和备择假设确定允许的抽样误差水平 样本标准差 计算平

11、均数的抽样误差 计算检验统计量 sx平均数的估计标准差（抽样误差） 编辑ppt关于一个平均数的假设检验-t检验对于小样本（n30），我们应用自由度为n-1（n= 抽样数）的t检验 步骤表述原假设和备择假设 表述允许的抽样误差水平（） 确定样本标准差 计算平均数的估计标准差 计算t检验统计量 编辑ppt两个平均数的假设检验检验不同调查群体间的差别 步骤原假设和备择假设确定抽样误差水平（） 计算两平均数差的 估计标准误差 计算检验统计量 算出Z的值与临界值进行比较 编辑ppt关于比率的假设检验 一个样本的比率检验表述原假设和备择假设表述允许的抽样误差水平（） 使用原假设下的 P值计算估计标准差 计

12、算检验统计量 算出Z的值与临界值进行比较编辑ppt关于比率的假设检验 独立样本的两比率差分的检验 原假设和备择假设 确定抽样误差水平 计算两比率差的估计标准误差 计算检验统计量 算出Z的值与临界值进行比较编辑ppt统计软件网址 组织网 址特 点SciTech为Win95、NT、DOS、 Macintosh 和UNIX提供工具，为科学、工程和专业技术人员提供广泛的计算工具。Math Soft以Machcad 6.0出名。Mathcad 6.0 可运用真正的数学符号解决问题并得到即时反馈，并可用于分析数据，建立模型，检验不同的情景。STATA开发和销售用于统计分析的STATA软件，它适用于Wind

13、ows、DOS、Macintosh和UNIX。UNISTAT一个综合的统计包，并可作为Exel的附件。UNISTAT为数据处理、数据分析和演示科学图表提供全程解决方案。SPSS是一个全面的统计分析系统，为其他网址和样本数据库提供链接。Statsoft提供STATISTICA产品信息，包括随本书可获的学生版软件。这是一个非常有用但简单易学的统计分析系统，连续得到许多个人电脑及专业出版物的出色评价。编辑ppt方差分析（ANOVA） 检验两个或两个以上独立样本平均数的差异更主要地是用于对三个或三个以上独立群体的平均数差异的假设检验 单向方差分析经常被用来分析实验结果 编辑ppt方差分析（ANOVA）

14、步骤表述原假设和备择假设 每个子样本平均数(Xj) 与样本总平均数(Xt) 离差平方和被样本容量(nj)加权 得SSA计算平均组间变差（MSA） 计算总平方差SSE(Sum of Squares Error) 计算平均组内变差 计算F统计值c表示组数 编辑pptP值及显著性检验P值是指根据计算所得的统计量而能够满足统计（而非管理意义的）显著性要求的水平 说明计算所得统计量由于偶然因素引起的确切概率 P值越小，观察结果属于偶然因素（抽样误差）引起的概率越小 编辑ppt第六节 多元变量分析法多变量分析与软件技术 多元回归分析判别分析聚类分析 因子分析编辑ppt多变量分析与软件技术 概念：一组统计过

15、程，它们可以对每个个体或研究对象的多重测量进行联立分析 1多元回归分析能使调研者根据一个以上自变量来预测因变量的水平。2多元判别式分析能使调研者根据两个或两个以上自变量来预测不同组的特征。3聚类分析是用来识别组内同质而组间异质的过程。4因子分析允许分析人员通过识别数据的维度将一组变量减至较小的因子集或构成变量集。 表11-15： 多变量统计技术概要编辑ppt多变量分析软件 Windows SPSS Windows STATISTICA 编辑ppt多元回归分析定义：适用于分析人员以调查两个及两个以上自变量（计量）与一个因变量（计量）间关系为目的的多变量分析技术 一般模型方程 y：为因变量 a：为

16、常数项：为回归系数，表示自变量X每改变1个单位将引起Y的变化的比率；其取值可通过回归分析给以估计 为对因变量产生影响的自变量 编辑ppt多元回归分析的作用估计各种营销组合变量对销售额或市场份额的影响；预测各种人口统计因素或心理因素与光顾各商场或其他服务场所频率间的关系；确定各有关因素对总体满意度的影响；确定各种分类变量间的数量关系，如年龄与收入，及对产品或服务的态度；确定哪个变量是某一种特有产品或服务销售的预测性变量。编辑ppt多元回归系数把可决系数 的确定视为回归分析的一个结果 取值在0与1之间，它表明总变差中由自变量解释的比例b值或回归系数指各个自变量对因变量的影响。考察各个b值是否为偶然

17、因素影响的结果也是必要的 编辑ppt哑变量(Dummy Variables)某些情况下，多元回归分析需要包括类别自变量，如性别、婚姻状况、职业及种族 哑变量即是以此为目的而提出的。这种二分类别自变量若通过设定一个值(如女性)为“0”而另一个值(如男性)为“1”，可以转换为哑变量 对于要设定两个以上值的类别自变量，则需稍有改进的方法 编辑ppt多元回归分析的潜在问题共线性共线性（ Collinearity）共线性是指各个独立变量之间的相关性 当分析的目的是确定自变量如何影响因变量时，b值由于其共线性而有偏将是个严重问题 检测共线性 检验回归分析中每个变量间的相关矩阵 找出自变量间相关系数为0.3

18、0或更大的自变量 解决共线性问题 如果二个变量彼此高度相关，其中一个变量在分析中可省略 相关的变量能以某种方式结合起来(如指数形式)，以形成一个新的复合自变量，该变量可用于后续的回归分析中 编辑ppt多元回归分析的潜在问题因果关系虽然回归分析能表现出变量间彼此是相互关联的或相互联系的，但却不能证明其因果关系要确定自变量与因变量间存在因果关系必须有逻辑性的理论性的基础但是，即便有很强的逻辑性和统计相关性，也只是表明可能存在因果关系 编辑ppt多元回归分析的潜在问题回归系数的大小只有在计量单位相同或数据标准化的情况下，与各自变量相联系的回归系数的大小才能直接进行比较 如果我们想对各回归系数直接进行

19、比较，则所有自变量必须以同一单位计量(如元或万元)，否则数据必须被标准化 所谓标准化，是将数列中各数值与其平均数相减再除以数列标准差的结果，其过程可用下列公式表示 Xi为数列中各自独立的数值 为数列的平均值； 为数列的标准差 编辑ppt多元回归分析的潜在问题样本容量相对于样本容量的自变量个数影响着 大小。其中一重要规则是，观察数至少等于自变量个数 的10-15倍。编辑ppt回归分析实例 爱华个人通讯公司正在天津推出其无线通信服务。公司营销经理认为有5个重要的变量决定着目标消费者为接受“宽带服务”（即个人通信服务的新项目) 所期望的月支出额 ，这5个变量实际上是消费者给出的特性评分，它们分别是：

20、覆盖面、移动性、音质、远距离接听和打出电话的能力、平均月租费。这个假设是根据公司组织的焦点小组访谈和其他研究做出的推断。所有6个变量(1个因变量和5个自变量)的数据是通过调查测量而获得的。5个自变量以9级平分制测量，“9”表示某“特性”很重要，而“1” 表示该“特性”很不重要。编辑ppt回归分析实例可用下面模型进行多元回归分析： Y：为因变量-每月接受宽带服务所愿支付的数额；A：为常数项或Y轴截距；b1-5 ：为估计回归系数； ：第一个自变量-覆盖范围的重要性评分：第二个自变量-移动性的重要性评分：第三个自变量-音质的重要性评分：第四个自变量-远距离接受和打出电话能力的重要性评分 ：第五个自变

21、量-平均月租费的重要性评分编辑ppt回归分析实例回归估计量的算式为：由统计软件计算的回归结果见表11-16。结果表明:5个自变量的重要性评分越高，表明人们对宽带服务愿意支付的数额越多 回归系数（b）表明独立自变量增加一个单位对因变量所产生的影响 消费者愿意支付价格的变差中有74.3%可 以被5个自变量或预测变量的变差所解释 编辑ppt表11-16 回归分析摘要 R0.85673182 0.74949158 调整 0.74303518 F(95,194)116.09 P0.0000 估计标准误差：1.4863 BETA BETA的 B B的 t(194) P-值 统计误差 统计误差 截距 0.8

22、2 1.67 0.49 0.62 覆盖面 0.21 0.05 0.44 0.10 4.25 0.00 移动性 0.52 0.05 0.69 0.07 10.54 0.00 音质 0.07 0.04 0.21 0.13 1.67 0.10 远距离发收能力 0.21 0.06 0.45 0.12 3.64 0.00 平均月租费 0.32 0.04 1.44 0.17 8.33 0.00编辑ppt判别分析 概念 ：根据两个或多个自变量来预测和划分各成员类别的过程 目的：确定两个组或多个组在平均判别分方面是否存在统计显著性差别 根据自变量的取值建立一个可对若干个体或客体进行分类的模型，即综合标准；通过

23、模型分析，可判别任意个体或客体应属于哪个群体或类 确定两个组或多个组平均得分方面的差异有多少可以用自变量解释 编辑ppt判别分析的一般模型 Z = b1x 1+ b2x2 + + bnxnZ=判别分； b1-n=判别权数； x1-n=自变量。编辑ppt判别分析的适用范围某品牌的购买者与非购买者之间有什么差别。从人口统计及生活方式看，对某新产品具有较高购买可能性的顾客与具有较低购买可能性的顾客之间有什么区别。从人口统计及生活方式看，经常光顾某一快餐店或商店的顾客与经常光顾另一家快餐店或商店的顾客之间有什么区别。已经选购健康保险和人寿保险的顾客对医疗的使用、感知和态度有什么不同。编辑ppt 判别分

24、析实例 爱华的市场营销经理还想知道依据在回归分析中使用的5项重要性评分，能否预测最近某个人是否会拥有移动电话。调查中的问题已涉及移动电话拥有情况，那些最近购买移动电话的人将标上“1”，而没购买移动电话的标“0”。爱华以往的调查表明，根据5个自变量(覆盖范围、移动性、音质、平均月租费、远距离收发信息能力)对移动电话的拥有情况可做出有效的预测。 编辑ppt判别分析的结果 Z= -0.2 X1 +0.22 X2 + 0.36 X3 + 0.55 X4 - 0.07X5结果表明，在区分目前使用和未使用移动电话的人时，远距离收发信息的能力是最重要的变量(权数最大)，而覆盖范围是相对最不重要的变量(权数最

25、小) 编辑ppt 随机判别比例统计检验可以用来指明所产生的分类是否比随意分类好。当各组大小不等，而我们却要准确地预测两组各自的人数时，一个简单的方法就是利用随机判别比例。 P表示第一组的人数占总人数的百分比； 1P则表示第二组的人数占总人数的百分比 编辑ppt表11-17 分类矩阵（pcstext.sta） 正确百分率 组_1：0 P=.63000 组_2：1 P=.37000 合计组_1：0 73.8 93 33 126组_2：1 71.6 21 53 74合计 73.0 114 86 200 行：观察到的分类 列：预测分类CPRO = (63%) + (1-63%) = 53.4%在这个例

26、子中，第一组(即非使用者)包括126人，占总人数（200人）的63%。随机判别比例的计算为：CPRO = (63%) + (1-63%) = 53.4%编辑ppt聚类分析 定义：根据两个或多个分类变量将具有某种相似特征的物体或个人归为一类的方法和技巧，也称归类分析 目的：把物体或人分成很多相对独立且较为固定的组，在每一组内，成员彼此之间在某方面具有极大的相似性 编辑ppt聚类的过程借助一定的数学方法和计算机，通过一些不同的步骤，就可以有效地对人或事物进行归类。完成这些步骤的基本方法是相似的，而且都涉及到这样一个问题：根据相对于一定的归类变量的值，来测量人或事体之间的相似程度。通常情况下，相似程

27、度取决于测量结果之间的差异大小。我们可用图示来加以说明。例如，要对消费者进行归类，归类的标准为：每月在外吃饭的频次和每月在快餐店吃饭的频次(两个变量)。观察的结果用直角坐标系表示为图11-6。图中每一个点表示，根据 这两个归类标准，某消费者应处的位置。任意两点之间的距离就表示两人的相似程度(两点越近，两人越相似)。在图例中我们可以看出，消费者X与消费者Y更相似，而与消费者Z和消费者W则相异。图中已列出三个较为明显的分类群体。编辑ppt在 外 吃 饭 的 频 率 组1 组2 组3 去快餐店的频率第一组：这一组包括了那些既不经常出去吃饭，也不经常去快餐店的消费者。第二组：包括了那些经常出去吃饭但不

28、经常吃快餐的消费者。第三组：包括了那些不但经常在外吃饭而且经常光顾快餐店的消费者。 两个变量的聚类分析 编辑ppt分析结论快餐企业可以从中看出，他们应该在那些经常在外吃饭的消费者中寻找服务对象。为了进一步分析，研究人员应该再对第三组消费者的人数、行为特点及心理倾向做进一步的总结分析。在此例中，我们可以根据图中点的分布进行分类 。当分类的标准增加或分类对象增多时，它就会变得越加繁琐。这时候，计算机可以帮助我们完成这项工作。它基本的方法就是，首先划定各组之间的界限，然后不断地修改界限，直到在每一组内各点之间平均距离相对于组与组之间平均距离尽可能小时，才算是完成 编辑ppt 聚类分析实例爱华公司需要

29、根据天津调查数据进行市场细分。该公司认为，市场可以根据8个重要的方面进行划分，并且对于每一个划分后的组，都要根据人口统计资料和其他有用的数据进行更深入的描述。 变量 类别1 类别2 类别3 (n=62) (n=55) (n=83) 范围 6.8 8.1 8.2 移动性 4.5 8.1 8.2 音质 8.1 8.5 8.5 地点 6.7 8.3 8.7 效果 6.8 8.5 8.6 平均月租费 8.6 8.4 8.8 话机设备 8.1 6.3 8.7 安装费 7.2 5.1 8.5表11-18 聚类分析结果（各小组的规模和各重要特性的平均水平）编辑ppt为了完成这项任务，归类分析通过统计软件“S

30、TATISTICA ”中的K-means来完 成。在选出这个“三小组”方案之前，根据小组间的差异性，爱华使用一系列不同的方案进行试验。在表11-18中，总结了三小组各自的规模，以及根据这8个重要特性所测定的平均水平编辑ppt方案特征 第三组最大，包括83个消费者，而第二组最小，只有55人。 考虑到8种特性水平，第二组与第三组非常相似。在其中 6个特性上，他们的水平基本相同 。而在有关价格的问题上，他们的差异性明显。第三组成员更注重安装收费及电话装置本身的价格。第一组与其它两组明显不同。总体来说，这组的成员不像其它两组成员那样看重覆盖范围、移动性、地点及远距离收发能力等因素。因为“宽带服务”将重

31、点放在了覆盖范围、移动性、地点及远距离收发能力等特性上，所以第二组和第三组成员是这项服务的最佳目标市场。在产品导入初期，第二组成员是最具吸引力的目标群体，因为他们对于价格相对不是特别敏感。第三组成员要在一段时间后才会被吸引，因为他们相信价格终会下降，而这正是计划之中的事。编辑ppt第一组：这组成员对电话需求最低，无论是哪种电话服务。在他们中间，男女比例相当，是刚刚结婚或正待结婚的年青人，多为家庭中的成年人。第二组：这组成员对电话需求是最高的。大部分为女性，在其他人口统计特征方面与第三组非常相似。第三组：在三个组中，第三组成员对于多种电话服务的需求居中。男性多于女性，而且大部分都已结婚，相对年龄

32、较大，愿意为接受 “宽带服务”支付的价款最高。编辑ppt采取行动由于前面提到的原因 ， 该公司最开始的营销目标应针对于第二组。随着价格的下降，逐渐将目标扩展到包括第三组。当第二组和第三组的使用率达到相对饱合状态时，才可以将目标转向第一组。于是，可通过对这三组成员人口统计特征的仔细分析，来制定合理的计划，并根据这一分析提出一个促销和媒体计划，以便与最有可能成为顾客的人进行尽量多的沟通。编辑ppt因子分析 概念：目的是使数据简单化，即减少变量的个数；同时找出这些可测量 变量背后起主要作用的影响因素。这就要从大量的测量数据（如等级评分）中总结出相对少数的简 明信息，即因子,这个过程就是因子分析 因子

33、得分 因子负荷 因子命名 因子数目的确定 编辑ppt 因子得分 因子分析结果可产生一个或几个因子或复合变量，“因子”的技术性定义实际就是指变量的线性组合。一个因子就是一系列有关变量的加权汇总。这与加权平均很相似，即在因子分析中要根据各个指标(变量)对每个因子变差的贡献进行加权 根据下述公式计算因子得分： F1=0.40A1+030A2+0.02A3+0.05A4F2=0.01A1+0.04A2+0.45A3+0.37A4F1-n=因子得分A1-n=“特性等级”评分编辑ppt 因子负荷 因子负荷(Factor Loadings)也就是指每一因子得分与其对应的各原始变量间的相关关系 因此，通过检测因子负荷，我们可以测定因子起源的性质。用上述提过的等式，针对每个应答者分别计算两个因子得分(F1和F2)。因子负荷值是通过计算每个因子得分(F1、F2)与每个原始等级变量的相关系数得到的(可在+1、0和-1、0之间变化)。 变量 与因子1的相关系数 与因子2的相关系数 A1 0.85 0.10 A2 0.76 0.06 A3 0.06 0.89 A4 0.04 0.79表11-21 两因子的因子负荷编辑ppt因子命名在为因子命名时，既要有对“高负荷”变量的观察和了解，又要凭直觉来判断。通常，对某个特定 因 子来说，在负荷高的变量间