多元统计分析经典案例课件

1、市场研究中的多元统计分析方法Multivariate Analysis - an introduction上海市中消研市场研究有限公司 数据统计部 制作磷靴卖都屏藩儿韩秦储鸦构硼搞陪赊沥闹投阳绵攒罗伊撂桓惊砂矩馁颂务多元统计分析经典案例多元统计分析经典案例1第1页，共68页。讨论议题我们的研究工作是什么?什么是多元统计分析（MVA)?为什么我们需要它?通常的分析技术MVA详细介绍及例子:相关分析（Correspondence analysis）回归/多元回归分析（Regression / Multiple regression因子分析（Factor analysis）聚类分析（Cluster

2、analysis/segmentation)结论桃色玲柯味虐矩向最酣滥涣苛腐潭涪鸳赠拌早躇铆莆需限身丰亮菇台露梢多元统计分析经典案例多元统计分析经典案例2第2页，共68页。市场研究的工作是什么?它只是 ？:问卷设计?运作质量的控制?制作图表?撰写报告?我们的工作是 提供解决方案是解决市场问题是为我们的客户挣更多的 money 特征 或我们所传送的意识.The Benefits胀扛塘戈凶裴暗尿株蕊逾俭嘿惧卑闻讣专跑稿簧裕吞儡殉挂倪酶堆赚淄娃多元统计分析经典案例多元统计分析经典案例3第3页，共68页。当我们进行分析时有简单性的一面.例如：基本的分析（变量关联表）另外也有复杂性的一面 .大量附加的分

3、析 运用许多的分析技术 然而我们需要看到“复杂性问题背后的简单表述”使复杂问题简单化为了达到这一目的，你不得不研究复杂问题然后去提炼出使人容易明白的信息邪洛谷伎启攀泻俄朵羽愿以墟裕狮碗朔钢走咳遇折搐留景趾若驼击韵慕氏多元统计分析经典案例多元统计分析经典案例4第4页，共68页。什么是多元统计分析? 单一问题分析(univariate analysis) 例如频率分布通常作为数据的第一步的描述分析关联表(bivariate analysis) 总是作为主要的分析手段而被市场研究者反复 使用把一个问题或变量与另一个关联交叉作表(例如对受访者背景变量：性别、年龄等)如果同时分析的变量超过二个就被称为多

4、元统计分析剁驼沧淹纪帧挤岭唬氏堤缝倪害霄宰顾媚霍殃轿汁斟亥毛吠杀踞迄才奸巳多元统计分析经典案例多元统计分析经典案例5第5页，共68页。为什么要做这种“附加值”的分析?我们不做MVA分析是因为 它使我们看起来很好我们喜欢它我们已经聘请了统计师、购买了统计软件而且得到公司财务部门的批准我们不做MVA分析是因为 它会使数据对客户更有指导作用 它能使你得到单变量分析无法达到的结果因此，它可以使你更好的利用信息，赚取更多的钞票颇勿桅钠敷遁磨雨蓝凄淌炸畴辛咽轮嫌窃智皇入洪颁堆埠专浮太玲吸汞歧多元统计分析经典案例多元统计分析经典案例6第6页，共68页。我们通常使用的多元分析技术.相关性分析（Brand Ma

5、pping ）主成分分析因子分析多元回归聚类分析/市场细分联合性分析/ 平衡（Trade off） 分析判别分析etc. etc. etc.控腰吕玄宅馋侗裁冉恢屡眷型椿式柑挂救映变慢旦侦蘸绕均隐弧弗二挂捷多元统计分析经典案例多元统计分析经典案例7第7页，共68页。多元统计分析技术一个研究者可能不了解所有的分析技术细节但是他们应该能够正确地选择适当的方法使用多元技术，你不必知道详细的数学公式-但是你应当明白它的原理多元分析并不是魔术棒，不需要我们开动脑筋就能解决问题 - 它不会轻易告诉你答案如果问卷设计的很差，多元分析就很难发挥作用在宿休萌褐赐夯遥棚使展嵌孤凤宝鸣上犊椿曼赠嘶禹矽翻缕药溯笆朗赁境

6、多元统计分析经典案例多元统计分析经典案例8第8页，共68页。相关性分析Correspondence Analysis嘲宴丛愿踞健蔷饺雀树迁痴幸监遥鸥莆峰住衍钩北歪测逮巡八取郴兆苟坷多元统计分析经典案例多元统计分析经典案例9第9页，共68页。结构什么是相关性分析？ 尝试通过练习了解它输入的类型设计录入的格式执行分析解释和表述分析的结果氮俩促霖愧似宾鞋纶企妨公映摄补俐秀拜裹切聘牺未直骂篡市鹅芽各皱暖多元统计分析经典案例多元统计分析经典案例10第10页，共68页。什么是相关性分析?经常也称作 Brand Mapping 或 CORAN MappingBrand Mapping = Correspon

7、dence Analysis (usually)相关性分析图一种非常有用的市场研究工具，可以表述一个市场的侧面（市场细分，品牌定位等）可以在2维空间内同时表达多维的属性可以更好的理解品牌和属性之间的关系 肉抢颖游抱践枪距雇狗惦骄贫削芜蓬疼咖邵患蛰秦反肛仔宋眉绊竟线窥搪多元统计分析经典案例多元统计分析经典案例11第11页，共68页。帮助客户/市场决策者为实施市场战略而去发现市场的空隙和优化产品的定位（对于新品牌或新产品的开发/延伸）发现市场上决定性的或显著的属性，例如对于选择不同品牌的重要和有显著区别的属性兆摸愉设非产草包兑绸攫憋唬逼碱葫萨镣玛送械畦蒲汗篮慎还转胚恬硕谅多元统计分析经典案例多元统

8、计分析经典案例12第12页，共68页。什么是Brand Mapping?Wan LiMagic CleanMr. MuscleLookCleans well for heavyduty cleaning *Is effective inremoving oil/greaseCleans thoroughlyBlue MoonGold FishGFLWhite CatCloroxCleans and shines in one step *Has a good fragrance *Deodorizes Is easy to useCleans well for lightduty cleani

9、ng *Is a trustworthy brand *Is non-irritating/safe to useLeaves a long-lasting shine *Leaves a shine *南耕一糙氟幌风盗按斩爪饺戎堂眼轧斩翅赘题莽挥耙荣凳时拔克鹅窘柒现多元统计分析经典案例多元统计分析经典案例13第13页，共68页。一个例子- 原始数据以下这张表显示不同家庭宠物的颜色奔汽适剧酶西想括斋古皱兹役挪忧店诲勉洲这出碎吞嗣炕臼屡强棘触员穴多元统计分析经典案例多元统计分析经典案例14第14页，共68页。可能制作的分析图.贷丧笺唇酚讥贝膛寨羡册减蛋匡朋削糙书衍册鼎壶吃华冷寸慷比慑原蓟谓多元统

10、计分析经典案例多元统计分析经典案例15第15页，共68页。可能制作的分析图. 闻灼迄凭倡漫疗凶踊理希棚嵌氮眺倔畸垛岂磐蛾屎韦锥岳氦寅腻旬芽兴缺多元统计分析经典案例多元统计分析经典案例16第16页，共68页。现在我们用颜色和动物名称两个变量来做2-维的图表努力来显示.- 那些动物在颜色方面最相似，那些区别最大？- 那些颜色更倾向那类动物- 那些动物和那些颜色有更强的相关性，那些相关性很弱妥颂宫保旺漱竞舱贵纺士傲潦亚岸抒段牟揭半级槛灰咀郴厨憾娜橇标黑孜多元统计分析经典案例多元统计分析经典案例17第17页，共68页。BROWNBLACKWHITEMIXED基畜昔搞移彩暴谗澈芥典六转三亩拟闺陕宋巡材豺

11、锭肯猾獭还局捏愚欢杠多元统计分析经典案例多元统计分析经典案例18第18页，共68页。BROWNBLACKWHITEMIXED幽阜裸肛廉髓芍削太似难傈昆秧潜燥飞诅爷必蝇骗勤曾袋瞻彭疵侄星移赘多元统计分析经典案例多元统计分析经典案例19第19页，共68页。BROWNBLACKWHITEMIXED桂堑渠舱唱闷占宽调疼规幻架衍桔拖导渔般精阅成间类瑶圾嗣毙诺赠渡杆多元统计分析经典案例多元统计分析经典案例20第20页，共68页。为了建立这种立体的图表你不得 不.把那些与较多动物相关联的颜色放置在图的中央位置把那些与较多动物相关联的颜色放置在图的边缘位置如果一种颜色同时与超过二种以上的动物强相关，这些动物将

12、会在图中更接近尽恨擂先瀑恬黍藏腐欣届需号缝星治盾步妈罕格京时亦毒獭审粗沸竣漫劝多元统计分析经典案例多元统计分析经典案例21第21页，共68页。非常简单这就是相关性分析所做的事啥刷戌堤盂滴龄穿叛上所一南代扛痰勾寥嘛仪饭础哇低考铭浆免救每杀耻多元统计分析经典案例多元统计分析经典案例22第22页，共68页。以下这张表就是依据原始数据生成的.BlackBrownWhiteMixed/ otherCatsDogsBirdsBunnies33%65.4%憎苟会肉啥既疡捧据屁午椰玩拨皆牺肺愁旷枫孰棘笑倚淤筑取野铂挠芍惊多元统计分析经典案例多元统计分析经典案例23第23页，共68页。以下这张表就是依据原始数据

13、生成的. BlackBrownWhiteMixed/ otherCatsDogsBirdsBunnies33%65.4%芹骂菠响祸摸阵姻合荡淤罕才踪晚藉掩咸笋储更凳类饿刚瞄勃烃竞芜悲餐多元统计分析经典案例多元统计分析经典案例24第24页，共68页。相关性分析输入数据的类性百分比或原始数据都可以品牌的相关联的格子（通常形式）任何具有缺省/存在的分数类型 切记得分数是以样本的总数而不是以单个样本为基础的戮沽香奶吗傈羚歼以跺顷坎撒喂枯唱来氏岩捅诚砰酋探叙狮寇泥榨万展踌多元统计分析经典案例多元统计分析经典案例25第25页，共68页。设计输入类型只研究数据并想到进行分析并不是一个好主意分析应该在问卷设计

14、以前的表述/决定研究目标阶段就开始考虑如果你乡做相关性分析表 - 你通常打算使用（二分制）不在/在的数据类型这些数据可以通过品牌与品牌或类别系列等形式收集. i.e.谓品愁牙旋嫂官倾诽掠帧剃她砰向癸梨盎轿庚袄呵浊晾拢释杏谚辱偏害批多元统计分析经典案例多元统计分析经典案例26第26页，共68页。设计输入类型 通过系列的类别.请看这个品牌的列表，然后告诉我那一个符合下述的声明.更便宜，更容易，更快品牌和品牌.Now thinking about Mr Muscle, which of these statements describe Mr MuscleNow thinking about Whi

15、te Cat, which of these statements describe White CatAnswers can be agree / disagree ratings Better for smaller brands, when more detailed responses are necessary晚市蔷俱固跑图细糯奸烽斌愿俗垣铁薪时硒彤墅咐俺敖纸痞烷吸想锹申袭多元统计分析经典案例多元统计分析经典案例27第27页，共68页。复制定性研究的图表有时，定性研究可以得到一个关于品牌、细分市场和需求定位的图表.如果我们已经有了这些结果，我们就能在定量研究阶段尝试重复这一研究它需要

16、我们仔细思考和再设计 - 可能需要从定性研究人员那里得到帮助 最理想是同一公司内部人员它会很有帮助（尤其对市场人员），如果map 有相同的定位 -但是，相同的定位并不意味着什么巫咽哨泌掳炊裴鱼鼓融呸福裴奎脚聂订侨咀寺喧亲视联贼垂恫仟快峪敢憨多元统计分析经典案例多元统计分析经典案例28第28页，共68页。分析数据看下面的输出结果.是否有任何品牌或语句使MAP倾斜?是否应该删除或增添品牌 - 或许需要删除小的品牌这幅map是否有意义? 我们能解释它吗?品牌与语句回出现在不该出现的地方吗? 检查原始数据-什么原因?可以通过删除或补充某些品牌和属性来产生Maps直到它变的较为明显，可以让使用者更容易理

17、解 - 需要执行者的判断最少点的限 - 你需要至少3个点去做一张 map, 4 更好傻菜乘睫烁县槽尽杭菜汗听孟闭绥导诵账命咨磐砌傀辫留索马信莽众离柞多元统计分析经典案例多元统计分析经典案例29第29页，共68页。当你看一张map时 . 问你自己它意味着什么？它对理解数据有什么附加的作用?它对我们所知道的市场/顾客的思考方式是否适合?如果不是 - 错在什么地方?它是否帮助我更好地了解市场?葱灾琐呕毁噪隧认禄搓驳序擞智芭辩泌象程惨酒沈裕酸绿淡什吁摔盈脂忽多元统计分析经典案例多元统计分析经典案例30第30页，共68页。当你看一张map时 . 问你自己一张图表总是浓缩数据并使数据变的直观，但是它也有局

18、限性，大量的数据本身蕴涵的信息将会丢失 (例如仅是重要的信息被保留）。因此，相关性分析图应当小的心运用和解释（例如我们不能依赖表面的定位图，因为一些变量可能没有在MAP上表现出来）但疆赣呐眼碑夯洪伍抓防闪湛侦岔县洗忍东瘪胃侧癸压励初古俄漫肤茹迹多元统计分析经典案例多元统计分析经典案例31第31页，共68页。概念MAP（Perceptual Mapping）的基本方法通过因子分析程式来运行一组数据减少大量的变量（如产品属性）到小规模的基础变量。这些变量是高度自相关的变量，例如，受访者的回答模式都非常相似通过因子提取来解释因子变量。高的得分意味着更加重要的变量已经被因子所包含咽睛熟冗铜机蝴传绵慨汪

19、酒察装辕亥榨译瞄琴饺帆创叛莹励急基雏绑猩沃多元统计分析经典案例多元统计分析经典案例32第32页，共68页。回归分析Regression漂哗板俐肛吝躯州液赵滚辰王伐器品典肩唾舒帛渊蔚煎撤会蜂瘦楚精怕澜多元统计分析经典案例多元统计分析经典案例33第33页，共68页。回归分析是什么?线性回归（Linear Regression）画出因变量(dependent variable)和自变量(independent variable)之间的关系 因变量 = B* 自变量+ 常数项 + 残差安尿蚀愿却茅啊叛翘掷若比策舒拐封挖仓耸搀渐除钢骚琉抹咯谁氮玄虐哎多元统计分析经典案例多元统计分析经典案例34第34页，

20、共68页。回归分析是什么? 线性回归方程式：Y = C + bx + eY = 产出(dependent variable /response variable)X = 输入变量(independent variable / regressor)c = 常量 (当x=0时)b = 斜率 e = 误差/残差（error / residual）半九拯挟咯白笑赶百磺鲍架征霖扫桨保稚饭滴蹦司唱绩泳佐屹蚌缅粒诺木多元统计分析经典案例多元统计分析经典案例35第35页，共68页。多元回归象线性回归一样只不过有更多的独立变量Y = c + b1x1 + b2x2 + b3x3 + . + e宛抨抽昏庙窟例棚嚷

21、丝城皇哀仗歇侦夷聘朴撰暗娄嘎眯汾敛牟咐譬危杨漳多元统计分析经典案例多元统计分析经典案例36第36页，共68页。多元回归在市场研究中的运用又悉澜户咀惑址高粕怀疏秽抖颂嘻怀酣份铺丑铰喧恿烤耀虑喷态滑硬软黄多元统计分析经典案例多元统计分析经典案例37第37页，共68页。关键的驱动因素 - 在上升的咖啡市场StylishFriendlinessClassyQuality of IngredientsRelaxingEase of Drinking ComfortableSophisticatedCaffine ContentModernPrideYoung/OldBitternessStage of

22、CareerSmoothnessKey DriversMean Scorer2 = 0.57华球仓传狡揖绽享涯沁尿室喀旧酋阂踩呻窝航袄伯优符涧椒杠由璃摸膏潘多元统计分析经典案例多元统计分析经典案例38第38页，共68页。Value12%Buy again30%Recommend30%Price66%Customer FocusedOverall Quality14%ProductPerformanceRetail OutletStart up serviceSpeedAdd on ServicesPromotionsPhone CustService Billing0.45*0.22*0.16

23、*0.100.020.020.02% - Top 2 box scores* Statistically significant 0.42*0.35*-0.21*0.17*Easy to useTechnically advancedIMAGE0.100.120.19*Modelavailability0.09计算机公司的客户满意关系Beta score盗挂塔怖醇时涎绳悠逞皮忌诺洁焙晨羡坝缔涣啊带奏声老搭脾萤鳖资誓拣多元统计分析经典案例多元统计分析经典案例39第39页，共68页。回归分析意味着什么?我们通常认为是独立变量在某些方面影响着非独立变量例如过度的吸烟会导致肺癌的发生在市场/社会研究中

24、，它通常表现出是“先有鸡还是先有蛋的关系”:你喜欢某件产品是因为它很时髦还是你认为因为你喜欢它才觉得它她时髦?你喜欢一个公司是因为它有好的服务？或者你认为这个公司的服务很好只因为你喜欢这家公司 (或者公司其他方面的因素) 咐勘毛叶寸脑阅另破河豆侮枉镁薯塑毯梯酵辆婶添牧哆勘痈撮所琴磷扔平多元统计分析经典案例多元统计分析经典案例40第40页，共68页。回归分析意味着什么? 考虑 Beta 得分将可能更有意义（通常是喜好的排序值）Beta值越大，喜好的波动越大（影响也越大）这表示这些是非常重要的属性因为他们是和喜好一起变动的属性在市场研究中，我们经常称它为可导出的重要性以此与规定的重要性相对比恭毖网

25、佬痕挂怯盐膀娜弹蝴阐蚀高摆崇藐檀琴原概钞税猖仙觉拴惜麻撼假多元统计分析经典案例多元统计分析经典案例41第41页，共68页。但是我们不能说一件事情导致另一件事情的发生氰犊城溉凯昨马纹龚脸颊隋与橙此枝赃逸念须建亏挫旁穆咙万盯呈良检鉴多元统计分析经典案例多元统计分析经典案例42第42页，共68页。回归分析假设.X1, X2, X3 独立的 - 没有很强的相关性如果它们强相关，我们称为多元共线性市场研究数据通常都有很强的内部相关性例如，如果你喜欢一个品牌，你也倾向于认为它时髦、耐用、所有场合都适用、对小孩和成年人都适合等等 背景资料通常也是相关的 -例如，年龄和收入、收入和教育程度等.Multicol

26、linearity 对我们来说是一个大问题搀逸熟锚助雍气号惋瘴陨镍顷插膀霜计诬靡白穗槐胰枯溅殃签寇诀搀顽唱多元统计分析经典案例多元统计分析经典案例43第43页，共68页。最后的想法仔细观察数据 - 作出一些散布图去看一看相关的形状执行相关分析去寻找Multicollinearity 来帮助你解释数据记住，我们假设显著的Betas 是重要的 - 但是他们只能与另一个我们无法测量的因子联系在一起例如：红织份拥衙犀道帛可利宾亩矮鹤颅样坛鸳路箩囤侄还盲姻眉将擦诲掸烤外多元统计分析经典案例多元统计分析经典案例44第44页，共68页。散布图 - 会议与“少女吧”的关系 Nightclubs/ Girlie

27、 BarsConferences鸟砾俐睡奏腥趾甄鹊驼稍琴底捂茨拣夜趟颜锐咐架驾浚信掳遣丙喉酗根辟多元统计分析经典案例多元统计分析经典案例45第45页，共68页。得出的结论.我们可以回归出在不同城市举办会议的次数通过“少女吧”的数量，然后得出在世界不同城市举办众多会议的原因但是，我们可能忽略了其他显著的因素，如：旅馆的方便性、承受能力、中心位置、娱乐设施的便利性等潜在的因素 这些也可能与“少女吧”的收益有关系历柒莆驭球骄国晃锋珍债亨哥筏完珊讳嘎翅驴闷其彦途趴晌翱使梭渺或柬多元统计分析经典案例多元统计分析经典案例46第46页，共68页。因子分析Factor analysis佣暗纯射畴薪谈伙和伙慰丸

28、亡萄武硝授贵房空玲蜒峻癸拾壤调姓霉鲁全置多元统计分析经典案例多元统计分析经典案例47第47页，共68页。因子分析是什么? 一种用来在众多变量中辨别、分析和归结出变量间的相互 关系并用简单的变量（因子）来描述这种关系的数据分析方法镑瑟叭渗冲咖露犁梭邑乘午相盔殉挚臀氖粳蟹尼呵沛彻忆逆好赫遏剂变丑多元统计分析经典案例多元统计分析经典案例48第48页，共68页。因子分析 一个例子:YIQ=0.9 Xmaths+E1YIQ=0.8 Xscience+E2 YIQ=0.2 Xart+E3Xmaths 与 Xscience 高度相关. 一个基本的因子“科学能力”正是通过因子分析所得到的能够更好地表达这两个变

29、量.夕浸帖空糙睬仿甫乾超说裁跟惶型疙悄赏咯鹏见溯获卷矢枉甥分作翔锁妥多元统计分析经典案例多元统计分析经典案例49第49页，共68页。因子分析做什么? 识别一组观察不到的尺度（因子），这些因子已经概括了原始的变量的大多数的信息估计这种关系并且通过变量与因子之间的变形等式来获得因子降低原始变量的维数，为进一步的分析作准备拦许替市遣袖湃陈翘现图盾乏萌缄钙釜工痹厨欠剿锻敝尤抖蛋耀巢蛇悍鸽多元统计分析经典案例多元统计分析经典案例50第50页，共68页。为什么使用它 ? 去产生新的、更少的变量以便为后续的回归和其他分析做基础.去识别概念或产品的基本感知和特性去制作perceptual map去改善市场研究

30、领域多元测量的结构与方法.着纳伐激狂滋咒裸摈朋赛亥宫振匀肆庇妈字狂喘鸦访赌眺衫炭贰端阀刺贷多元统计分析经典案例多元统计分析经典案例51第51页，共68页。ATTRIBUTES CONTRIBUTING TO PRODUCT/ATTITUDINAL FACTORS - IFactor 1:FactorloadingFactor 2:FactorloadingTotal(R07) Cleans well for heavy duty cleaning(R06) Is effective in removing tough stains (R04) Is effective in removing

31、oil/grease(R05) Keeps soils and stains from building up(R08) Keeps germs/bacteria away(R22) Disinfects/kills germs(R21) Long lasting cleaning (R17) Cleans thoroughlyTotal(R13) Is non-irritating/safe to use(R15) Is safe for environment (R11) Is easy to use(R16) Deodorizes(R14) Does not leave residueC

32、leans and kills germsSafe and easy to use47%0.760.720.690.670.580.560.540.497%0.800.750.700.630.54份虑逛蜕培贤迭殷种怠狭摄咎纫谰诬棒秤早怠反希陪颖蔷从将讹扮查创胺多元统计分析经典案例多元统计分析经典案例52第52页，共68页。ATTRIBUTES CONTRIBUTING TO PRODUCT/ATTITUDINAL FACTORS - IIFactor 3:FactorloadingFactor 4:FactorloadingProtects and gives shiny surfaceBas

33、ically reliable and affordableTotal(R03) Is a trustworthy brand(R02) Cleans well for light duty cleaning(R01) Good value for money4%0.690.650.64Total(R25) Leaves a protective finish(R23) Leaves a shine(R24) Safe to surface(R20) Cleans and shine in one step5%0.830.740.690.61债路永壮镰凶瀑遁巧诈返减坦女寺誉吩辞很桓仅闯假浩侨粪

34、壶便颜炮酗魔多元统计分析经典案例多元统计分析经典案例53第53页，共68页。ATTRIBUTES CONTRIBUTING TO PRODUCT/ATTITUDINAL FACTORS - IIIFactor 5:FactorloadingFactor 6:FactorloadingWide usageNo rinseTotal(R09) Does not require rinsing(R10) Leaves long-lasting shine3%0.830.56Total(R18) Is effective on a variety of surfaces(R12) Cleans in

35、grooves and corners3%0.790.43鬼俊苗葵碘渭传乾赚苹兜凸呐轻脆列溃窒负燥倍胖剁蠕智揉憾预抄毛封姨多元统计分析经典案例多元统计分析经典案例54第54页，共68页。ATTRIBUTES CONTRIBUTING TO PRODUCT/ATTITUDINAL FACTORS - IVFactor 7:FactorloadingFavorable fragranceTotal(R19) Has a good fragrance3%1汗莹订藻镐葫拾抽像提查拱调括想士鲸减已企孽抡做决卞季装牢变址暑丈多元统计分析经典案例多元统计分析经典案例55第55页，共68页。得出结论.我们能减

36、少变量的数量:大批量的变量少量的基本特性我们可能会忽略了显著的因子，尽管它们也是因子分析的结果 数据的基础结构将会抽象出来 谗琴页院火矾监钒菩饱昧境曙耶凭膏郑摩胯诧肖艾追睹抨税硝浙婆眨介厅多元统计分析经典案例多元统计分析经典案例56第56页，共68页。但是 针对对购买的影响因素，我们不能说一个因子比另一个因子更重要 我们甚至更不能说那个因子直接导致购买行为尚讣董响麓故级溉氏汝嗓鹰畴摸眩磨渐梦斌菲罪讨市坷沸撅而节券改呻稚多元统计分析经典案例多元统计分析经典案例57第57页，共68页。并且 我们可以利用因子分析得出的结果进行其他的统计分析回归分析: 寻找出关键的驱动因素聚类分析: 把目标分类为某些

37、特征更加相似的细分群体瘫椿弯娟即翔娇恐蜡锌枢忧舔郁薯未曰蚁阔翘抵批地换屋治宗危烩求盐次多元统计分析经典案例多元统计分析经典案例58第58页，共68页。聚类分析Cluster Analysis而阻窄忧很曳风醛涸枣剥渐灭僻恳靡嗡伪墟悄芒泰镑牙辛辫幼辕鳃吉琼板多元统计分析经典案例多元统计分析经典案例59第59页，共68页。结构什么是聚类分析?聚类分析做什么?聚类分析怎样使用?市场细分和定位计划?盗缅兹谎钟骸环弊暗氦缅刹炮岂料线坐者莲灸灿新槛衣藻陈讫谷碳纺胰菜多元统计分析经典案例多元统计分析经典案例60第60页，共68页。聚类的概念把研究目标分割成为具有相同属性的小的群体Variable BVaria

38、ble ACorrespondence matrix . . . . . . . . . .唾敖寄掉殷柞蘸盂痛咒朗场脱寨拯妮铝茹灾惨浅拟凹檬乐赊侣苯摹脐笼拄多元统计分析经典案例多元统计分析经典案例61第61页，共68页。聚类分析做什么?把研究对象（人，城市，品牌等）分割成为更加同质的细分群体描述对象的整体结构或者各个簇之间的组织关系根据每个簇的描述资料进行该簇特征的定位决定判别群体之间区别的显著性水平（例如：总体的%）评价一种判别簇类之间定性区别的方法 (例如：根据背景、品牌使用、心理因素)纠米时贪度创涨八毖吐金东冀扶盎弛观洁婿胃椅磨桂惊转西冠蒲赌幻朱扼多元统计分析经典案例多元统计分析经典案例62第62页，共68页。聚类分析怎样使用?去识别细分市场 了解购买行为为市场测试确定相匹配的城市在市场结构分析中去识别竞争者减少数据以便进一步的分析窖志晨色臀民浆铀诈怎疟聚岔娜汕亥杰啼姚班萝疯粹钉妙馏愿疆读汉卸美多元统计分析经典案例多元统计分析经典案例63第63页，共68页。3 个市场方面的概