市场研究的数据分析方法

1、.：.；市场研讨的数据分析方法经过本章学习，掌握市场营销研讨的根本数据分析方法。掌握线性回归分析方法及其运用；掌握判别分析法及其运用；了解聚类分析及其详细方法和步骤；了解因子分析方法的数学模型和相关统计量以及根本步骤；了解对应分析方法及其根本步骤；、了解多维偏好分析法的主成分分析模型；了解多维尺度法及其分析步骤；了解结合分析方法的根本模型及其根本步骤。 第一节 线性回归分析一、线性回归方程的根本模型线性回归分析是调查变量之间的数量关系变化规律，它经过一定的数学表达式回归方程，来描画这种关系，以确定一个或几个变量的变化对另一个变量的影响程度，为预测提供数学根据。线性回归方程从样本资料出发，普通利

2、用最小二乘法，根据回归只限于向本资料点在垂直方向上的偏离程度最低的原那么，进展回归方程的参数的求解。根据线性回归方程总之变量的个数，回归方程可分为一元线性回归方程和多元线性回归方程。一一元线性回归模型一元线性回归模型是两个变量之间的关系可以经过有关的参数直接用直线关系来表示。 二多元回归模型多元线性回归模型中自变量的个数在2个以上。二、线性回归方程的统计检验1、回归方程拟合优度检验2、回归方程的显着性检验3、回归系数显着性检验三、回归分析假设条件的检验1、残差分析2、多重共线性3、误差项的序列相关四、线性回归分析的根本步骤1、确定回归中的自变量和因变量。2、从搜集到样本资料出发确定自变量和因变

3、量之间的数学关系，即建立回归方程。3、对回归方程进展各种统计检验。4、利用回归方程进展预测。在利用统计软件进展回归分析时，只需第一步由用户给定，其它均可由计算机完成。第二节 判别分析 一、判别分析法的根本思想 判别分析是一种进展统计鉴别和分组的技术，最早由费雪Fisher于1936年提出。它是根据察看或丈量到假设干变量值，判别研讨对象如何分类的方法。在进展判别分析时，首先必需知察看对象的分类和假设干阐明察看对象特征的变量值。然后再从中挑选出能提供较多信息的变量并建立判别函数，然后利用其结果对待判对象进展判别其类别。在判别分析中，称分类变量为因变量，而用以分类的其它特征变量称为判别变量或自变量。

4、简而言之，判别分析包括以下两步：1、分析和解释各类目的之间存在的差别，并建立判别函数。2、以第一步的分析结果为根据，将对那些未知分类属性的案例进展判别分类。 二、判别分析根本模型与统计术语一假设条件 1、每一个类别都取自一个多元正态总体的样本 2、一切正态总体的协方差矩阵或相关矩阵都相等二根本模型判别分析的根本模型是判别函数，它表示为分组变量与满足假设条件的判别变量之间的线性关系。三统计术语1、 先验概率2、 后验概率3、 判别系数4、 构造系数5、 分组的矩心6、 判别力指数7、 剩余判别力三、分析的根本步骤 1、 确定研讨的问题2、 获取判别分析的数据3、 进展判别分析4、 评价和解释分析

5、结果第三节 聚类分析 一、聚类分析的根本思想聚类分析(又称数字分类学)是新近开展起来的一种研讨分类问题的多元统计分析方法。它是根据事物本身的特性研讨个体分类的方法，其根本原那么是同类的个体有较大的类似性，而不同类的个体的差别很大。在聚类分析中，根据分类对象的不同可分为样品聚类(Q型聚类)和变量聚类R型聚类两种。样品聚类是对事件进展聚类，或是说对观丈量进展聚类，使对反映被观测对象的特征的变量值进展分类。变量聚类那么是当反映事物特点的变量很多是，我们根据所研讨的问题选择部分变量对事物的某一方面进展研讨的聚类方法。二、间隔 与类似系数一定距或定比率数据的间隔 和类似系数1. 常用的间隔 目的有：欧式

6、间隔 、欧式间隔 的平方、曼哈顿间隔 、切比雪夫间隔 幂间隔 2. 常用的类似系数目的主要有：余弦系数、皮尔逊相关系数二定类数据的间隔 1.卡方间隔 2.法方间隔 三、聚类方法 一层次聚类法 二迭代聚类法四、聚类分析的主要步骤 1确定研讨的问题 2计算类似性 3聚类 4聚类结果的解释和证明第四节 因子分析一、因子分析的根本思想因子分析是一项多元统计分析技术，其主要目的就是简化数据。它经过研讨众多变量之间的内部依赖关系，探求观测数据中的根本构造，并用少数几个假想变量来表示根本的数据结果。这些假设变量是不可观测的，通常称为因子。它们反映了原来众多的观测变量所代表的主要信息，并能解释这些观测变量之间

7、的相互依存关系。二、因子分析的数学模型和相关统计量一数学模型二相关统计量1、因子载荷2、共同度3、因子的奉献4、巴特利特球体检验5、KMO指数三、因子分析的根本步骤1、确定研讨变量2、计算一切变量的相关矩阵3、构造因子变量4、因子旋转第五节 对应分析一、对应分析的根本思想对应分析Correspondence Analysis又称为相应分析，是由法国统计学家J.P.Beozecri于1970提出的，是在R型和Q型因子分析根底上，开展起来的一种多元相依的变量统计分析技术。它经过分析由定性变量构成的交互汇总表来提示变量间的关系。当以变量的一系列类别以及这些类别的分布图来描画变量之间的联络时，运用这一

8、分析技术可以提示同一变量的各个类别之间的差别以及不同变量各个类别之间的对应关系。二、有关统计术语与资料格式一统计术语1列联表2主成分3惯量和特征值二 数据格式三、分析的步骤1确定研讨的内容2获取分析资料3对列联表作对应分析4解释结果意义5评价分析结果第六节 多维偏好分析一、 主成分分析法简介一主成分分析的根本思想多维偏好分析采用的统计方法就是主成分分析法，因此必需对主成分分析法有一个初步的了解。主成分分析法就是将原来众多具有一定相关性的目的如p个目的，重新组合成一组新的相互无关的综合目的来替代原来的目的。二主成分分析的数学模型(三)主要统计术语1、 偏好评分2、 特征值或惯量二、 分析的根本步

9、骤1、 确定研讨的问题2、 资料的搜集3、 主成分分析4、 偏好图并解释结果意义5、 评价分析结果第七节 多维尺度法一、多维尺度法的根本引见多维尺度法的根本思想是，将消费者对各种品牌产品的偏好和觉得资料，用r维空间的点来表示。品牌的点间间隔 的次序完全反映原始输入的类似次序两种品牌间的间隔 越短，那么越类似。详细主要包括两步：1初步图形构造的构造。构造一个r维的坐标空间，并用该空间的点分别表示各种品牌的产品，此时点间的间隔 未必和原始输入的次序一样。2初步图形构造的修正。经过反复的迭代计算，逐渐修正初步图形构造，以得到一个新的图形构造，使得在新的构造中各种品牌的点间间隔 次序和原始输入次序完全

10、一致。二、统计术语与数据格式一统计术语1 接近程度2 空间图3 克鲁斯卡系数4 残差二数据格式多维尺度法输入的数据是表示待比较事物之间类似程度的矩阵。三、分析的根本步骤1、 确定研讨的问题2、 获取资料3、 作多维尺度分析4、 作空间图并解释结果意义5、 评价分析结果。第八节 结合分析一、结合分析的根本概念与功能结合分析方法的根本思想是，经过提供应消费者以不同的属性组合构成的产品，请消费者做出心思判别，按其志愿程度给产品组合打分、排序，然后采用数理分析方法对每个属性程度赋值，使评价结果与消费者的给分尽量坚持一致，来分析研讨消费的选择行为。结合分析可运用于以下几个方面：1、 各种属性在消费者选择品牌时的相对重要性2、 估计不同属性的市场占有率3、 确定最受欢迎品牌的属性程度组合4、 根据消费者对属性程度偏好的类似性，进展市场细分。此外，还可运用于新产品概念的