营销数据分析十四讲

第一讲多重对应分析方法如果只有三个或有限的几个变量完全可以通过数据变换和交互表变量重组可以转换成两个精品文档放心下载定类变量，这时候就可以用简单对应分析了。对应分析对数据的格式要求：对应分型格式是列联表或交叉频数表。析数据的典常表示消费者对若干产品或产品的属性的选择频率。谢谢阅读不同背景的背景变量或属性变量可以并列使用或单独使用。两个变量间——简单对应分析。多个变量间——多元对应分析。谢谢阅读据集，包括：），来源国（1-美国、2-欧洲、3-日本），尺寸（1-大型、2-中型、3-小型感谢阅读类收入1-家庭、2-运动、3-1-2-租赁）性别（1-男、2-女），谢谢阅读来姻单身、1-12-2份工资来1-2-3-精品文档放心下载4-有7个定类单身有孩子）；从数据集看，我们变量，如果组合成简单的交叉表是困难的感谢阅读事情，此时采用多重对应分析是恰当的分析方法。下面我还！注意：不同版是采用SPSS18.0，现在叫PASWStatistics18.0来操作感谢阅读谢谢阅读会复杂和不同！在进行多重对应分析之前，研究者应该能够记住各个变量大致有多少类别，谢谢阅读个别变量如果变量取值太偏或异常值出现，都会影响对应分析的结果和对应图分析！谢谢阅读SPSS分析菜单下选）后选择最优尺度算法，该选项下，根择降维（DataRedaction-数据消减据数据集和数据测量尺度不同有三种不同的高级定类分析算法，主要包括：多重对应分析、谢谢阅读分类（非线性）主成分分析、非线性典型相关分析；感谢阅读好在进行数据清理和分析前，明确定义好测量尺度；当然也要工作！精品文档放心下载做好Lable接下来，我们就可以选择变量和条件了！谢谢阅读感谢阅读对应分析也有这种定义。（我们将在专门的简单对应分析方法中再讲！）精品文档放心下载然后我们谢谢阅读要选择“变量”联合类别图，变量全部放入，执行！（其它选项大家可以测试，我还有一些没精品文档放心下载我们把7个有搞清楚）。下面我们看结果：感谢阅读感谢阅读是租赁汽车，收入单一来源，但这个地区没有车满足这个市场，或许是市场空白；谢谢阅读具体的解读大家可以根据自己的研究设计和假设去寻找答案！主要统计指标可以看：谢谢阅读谢谢阅读意味着相关，所以：定类变量的相关性是不是可以解释啦！谢谢阅读总结：（同样适合简单对应分析）感谢阅读谢谢阅读量或次序变量转变为间距变量。感谢阅读解释比较困难。对极端值比较敏感。第二讲综合排名方法谢谢阅读500MBA精品文档放心下载感谢阅读精品文档放心下载排名问题。记住：市场研究或作研究的人从来不排名，只是做研究往往需要排名！精品文档放心下载感谢阅读感谢阅读精品文档放心下载方法的认识，确定评估指标体系，对每个评价指标在综合评价体系中的重要程度进行测算。精品文档放心下载感谢阅读精品文档放心下载合评价。主要包括以下几个方面：评估对象确定评估范围评估分类评估指标体系评估权重评估指标标准化综合方法评估周期评估发布精品文档放心下载谢谢阅读取人民大学提到了前面进（数据源已经记不清楚出处了）感谢阅读了前20名，入第20名！从上面我们可以看到：精品文档放心下载20家大学研这个排名名次是按照六个指标得到了，六个指标分别是：感谢阅读感谢阅读等，你将来总不希望把吨和克进行相加吧！方法一：等权重求和法T1我们先来看看，把现在六个指标求和，得到T1=P1+P2+P3+P4+P5+P6T1降感谢阅读序排名；与其谢谢阅读P6精品文档放心下载感谢阅读谢谢阅读精品文档放心下载谢谢阅读执行方案！方法二：主观加权求和法T2谢谢阅读重更大些，比如我们假设我们根据经验、主观判断、领导指示或专家评估最精品文档放心下载考了6门课，终确定：30:25:20:15:10:5的权重！再次计算；T2=p1*0.30+p2*0.25+p3*谢谢阅读0.20+p4*0.15+p5*0.10+p6*0.05谢谢阅读我们按照T215名附近发生一点改变！感谢阅读如果按照这种方式排名，首先所有指标应该在同一个量纲上，经常是在指标都是在100分谢谢阅读1谢谢阅读感谢阅读明确！大部分综合评估方法在最后都是采用这种排名方法！精品文档放心下载方法三：秩综合排名法T3谢谢阅读从SPSS软件可以选择个案排秩，指定最大值=1，我们可以得到六个指标的秩指标次序！精品文档放心下载我们采用简单加法求和和排名，看看结果如何？计算T3=Rp1+Rp2+Rp3+Rp4++Rp6，按照T3升感谢阅读序排列！从感谢阅读T3升序排列精品文档放心下载精品文档放心下载感谢阅读感谢阅读值处理！然后进行求和！方法四：主成分排名法T4谢谢阅读分分析技术的相关内容我将在主成分分析专题讲，这里还是关注如何进行排名！精品文档放心下载精品文档放心下载6谢谢阅读释度），或者说最大综合成分，排名就是找差异吗？据此排名！感谢阅读SPSS感谢阅读精品文档放心下载六个指标得到六个主成分，但我们只要保存前两个就可以了！感谢阅读把保存的第一主成释了6个指标变差的72.409%，分按降序排列，我们看一下排名情况；从排名顺序我们看到，这种方法与方法二加权排名几乎一样，当然与简单求和也基本一致！谢谢阅读谢谢阅读精品文档放心下载际上就是基于数据驱动的权重啦，所以这种方法不需要事先得到主观权重，完全数据驱动！感谢阅读精品文档放心下载实际意义，显然该方法会把人搞糊涂！但是我们也可以把主成分得分进行数值变化或映射，精品文档放心下载感谢阅读感谢阅读析，得到直观分析！你会看这种图吗？方法五：主成分综合加权法T5我们从上面一种排名方法看到，虽然按照第一主成分进行了排名，但第二主成分也解释了谢谢阅读21.894%的94.303%果综合将可以解释数据好了，现在我们可以按照主成分的解释度作为权重，把两个主成分进行加权求和！谢谢阅读计看看排名情况：算：T5=FAC1_1*72.409+FAC2_1*21.894我们感谢阅读对照着第一列的原始排名，这时候排名结果发生了改变，特别是人民大学前进了几名！谢谢阅读6个评价排名感谢阅读感谢阅读上权重都在自然科学维度上，第五种方法考虑了社会科学维度！我们看一下因子分析结果，感谢阅读采用最大方差旋转！显然，第一因子我们命名为：自然科学，第二因子命名：社会科学感谢阅读所以，我说我们学校总是不能进入排行榜呢？原来所谓的排行榜就是看自然科学（工科类）精品文档放心下载谢谢阅读感谢阅读咱有技术！开玩笑啦！感谢阅读精品文档放心下载不行还是方法四比较妥当！方法六：其它方法感谢阅读名方法大致就介绍到这里了，我的工作也就完成了！至于排行榜的发布，可不是我的事了，感谢阅读精品文档放心下载和结果的发布~！到底最后怎么发布也有学问，大家好好学吧！感谢阅读第三讲判别分析DiscriminateAnalysis）是市场研究的重要分析技术，也是多变量分析技感谢阅读谢谢阅读谢谢阅读建立判别函数，并利用判别函数构建Biplot二元判别图（概念图）。同时，利用这一数量谢谢阅读关系对其他已知多元变量的信息、但未知分组的子类型的个体进行判别分组。精品文档放心下载判别分析属于监督类分析方法，例如：市场细分研究中，常涉及判别个体所属类型的问题，谢谢阅读谢谢阅读种差异进行鉴别。并在低维度空间表现这种差异。一般来讲，利用判别分析首先要明确变量测量尺度及变量的类型和关系；因变量感谢阅读（dependentvariable)——/谢谢阅读自变量(independentvariable)——精品文档放心下载明确因变量后：我们需要明确我们分析的目的；确定分组变量与判别变量间的关系建立判别函数，找到自变量的最佳区分因变量的精品文档放心下载各个类别的线性组和。可以确定后验概率，计算每个个体落入各个类别的概率。谢谢阅读确定哪些判别变量x1、x2、x3…、xk对区分类别差异的影响最大。谢谢阅读考察各个类别在判别变量方面是否存在显著差异。确定判别变量是以什么形式影响因变量的，即D是x1x2x3…什么形式的函感谢阅读数。根据判别变量的值对个体进行分类。对分析的准确程度进行评价。判别分析的应用领域非常广泛，例如：用户和非用户经常购买者和非经常购买者新用户、流失用户和忠实用户忠诚用户和非忠诚用户新产品早期使用者和后期使用者消费者心目中喜欢的品牌和不喜欢的品牌消费者对我们的品牌和竞争品牌的不同属性偏好偏好图市场细分新产品开发等精品文档放心下载们为了得到判别函数，经常需要把样本随机分成训练样本和检验样本等工作！精品文档放心下载判别函数=分组数-1（一般情况）精品文档放心下载坐标轴作个体和中心的散点图——偏好图我们得到数据集，描述了对某公司产标的满意度打分，因变精品文档放心下载100家用户品的7项指量Y-客犹豫后再次次直接购买；户类型：1-新客户、2-购买、3-再谢谢阅读这样我们可以根据客户类型进行有针对性的改进和营销策略！谢谢阅读7个自变量，也就是影响客户类型的因素指标：感谢阅读我们接下来选择判别分析：判别分析在分析菜单的分类子菜单下谢谢阅读在对话框中，我们分别定义自变量和分组变量，其中分组变量要说明组编码取值范围！感谢阅读（我们有三类）谢谢阅读感谢阅读进入判别方程。接下来，我们需要在统计量中选择数；Fisher函我们希望看看判别效果如何，我们可以选择判别图形输出，可以让我们直观看到判别效果！谢谢阅读下面我们看分析结果：首先看判别图，精品文档放心下载还是不错的，当然这只是直观感觉，我们再看判别分析解释情况：精品文档放心下载精品文档放心下载数解释了数据第二判别函判别函数解；当的85.1%，数解释了14.9%；两个释了100%感谢阅读然，两个判别函数直接具有显著的差异和判别力！Fisher线性判别函数，我们主要用来构建判别方程，理论上说：如果我们知道某个客感谢阅读户上的满意度打分，我们就可以估计出该客户应该是哪种类型的客户了！利用谢谢阅读在7个指标精品文档放心下载常偏好图方法解释数据，特别说明的是：判别分析是最理想的构建判别偏好图精品文档放心下载采用概念图-的方法）感谢阅读标；里，谢谢阅读我们利用7输出到Excel然后再导入到中作散点图；SPSSPASWStatistics也就是SPSS18.0感谢阅读功能有比较大的改进，当然作图方式也有了变化！感谢阅读析，看投影垂点等。第四讲结合分析技术结合分析（ConjointAnalysis）是一种应用广泛，非常流行和有效的市场研究技术。谢谢阅读近些年来，结合分析广泛地应用在消费品、工业产品和商业服务等相关领域的市场研究中，谢谢阅读感谢阅读谢谢阅读积极而有效的作用。结合分析也叫联合分析技术！(Perceptions)和偏好(Preferences)。谢谢阅读在结合分析中，产品服务被描述为“轮廓”（Profiles），每一个轮廓是由能够描述产品/感谢阅读服务重要特征的属性(Attributes)谢谢阅读的一个重要的基本假定是：消费者是根据构成产品服务的多个属性来进行理解和作偏好判感谢阅读断；也就是说，消费者对产品服务的偏好每次并不是基于一个因素而是基于几个因素的结感谢阅读合来判断的，消费者对某一轮廓的偏好可以分解成构成该轮廓的多个属性的偏好得分感谢阅读(PreferenceScores)。在结合分析中用效用值（utilities）来描述。精品文档放心下载感谢阅读一轮廓的整体也称为全轮廓（fullprofiles），是由全部属性的各个水平组合构成的。自感谢阅读谢谢阅读approach）精品文档放心下载去估计其偏好结构的一种分析法。在结合分析中，轮廓是由研究人员事先按照某种因子结构（factorialstructure）采谢谢阅读用部分因子正交实验加以设计的。结合分析有三个主要目的：（1）确定消费者赋予某个预谢谢阅读谢谢阅读的某种产品的最佳市场组合，这种组合最初可能并没有被消费者所评价（3）模拟市场，估感谢阅读谢谢阅读relative感谢阅读utilities），以便定量化地测量消费者的偏好，然后基于消费者的偏好采用最大效用模型精品文档放心下载或者Bradley-Terry-Luce(BTL)模型和logit模型估计市场占有率。谢谢阅读全轮廓方法：每一个属性同时展现给消费者样本量：一般消费者研究100到400之间调查方法：派调查员面访face-to-face因子设计：属性和水平数目不太多(<20个最多不超过30个)谢谢阅读部分因子设计:正交排列法orthoplan估计主效应（maineffect)产品/服务的概念（轮廓）事先设计和确定。调查可以采用纸张或计算机辅助访问。最小轮廓数选择：NC=NL-+1，其中:NC：最小组合轮廓数NL：所有属性水平数的和NA：所有属性数的和例如：六个属性，每个属性有4个水平，可能组合数=4×4×4×4×4×4=4096（种），精品文档放心下载最小组合数=（4+4+4+4+4+4）-6+1=19（种）推荐组合轮廓数：最小轮廓数的1.5到2倍精品文档放心下载下面我们通过一个案例：赛欧轿车上市前的市场分析，阐述了结合分析在汽车市场的应用，感谢阅读以及采用一般最小二乘法（OLS）回归估计主效应的全轮廓结合分析法的基本概念、原理、感谢阅读步骤和方法。（备注：研究的时候产品配置已知，但还没有下线投放市场）谢谢阅读根据研究目的和前期的定性研究，最终确定了产品的属性和水平：精品文档放心下载在确认了属性水平后，我来进行正交实验设计。们通过SPSS我们可以依次定义每一个属性和水软件最多提供每个属性有可能谢谢阅读平，SPSS9个水平的精品文档放心下载数越多代表了你越重视它，将来的分析相当重要性就会高！感谢阅读正交实验设计方法，在SPSS是比较简单的，人为的控制不多，我们只能寄希望SPSS的精品文档放心下载精品文档放心下载谢谢阅读还是比较偏向用SAS感谢阅读SASSAS感谢阅读就几个命令：%mktrun和%mktex等；设计好后，大家记住，先不用运行，先要“粘贴”感谢阅读下来，也就是把语法粘贴下来，因为ConjointAnalysis分析方法在SPSS中没有窗体命谢谢阅读“Holdout”谢谢阅读精品文档放心下载了！——这里我没有学术思想啦）正交实验设计生成了16感谢阅读量名称，其中：STATUS_值标1-Design2-Holdout3-Simulation谢谢阅读1616张卡片的对432种组合产品的精品文档放心下载代表性，原则上即使有不理想或不现实的卡片出现，也不要没理由的删除！在SPSS系统感谢阅读谢谢阅读价信息了，当然也包括卡片的展示方式！收集到被访者信息后，我们就可以分析了！谢谢阅读点、反理想点等）结合分析既可以分析群体、总体也可以分析每个人的偏好选择！感谢阅读精品文档放心下载感谢阅读精品文档放心下载一般采用Excel来设计，这需要大家懂得结合分析原理，并能够设计Excel应用！感谢阅读Excel精品文档放心下载感谢阅读SawtoothCBC技谢谢阅读精品文档放心下载不一定会跟她结婚的！第五讲离散选择模型分析ChoiceModelChoice‐Based谢谢阅读Analysis,CBC感谢阅读础上，通过模拟所要研究产品/服务的市场竞争环境，来测量消费者的购买行为，从而获知谢谢阅读消费者如何在不同产品/服务属性水平和价格条件下进行选择。这种技术可广泛应用于新产谢谢阅读谢谢阅读选择模型也是一种处理离散的、非线性的定性数据的复杂高级多元统计分析技术，它采用感谢阅读MultinomialLogitModel进行数据统计分析。谢谢阅读根据CBC谢谢阅读结合分析（联合分析）应用更多！离散选择模型主要用于测量消费者在实际或模拟的市场竞争环境下如何在不同产品/服感谢阅读Choice感谢阅读SetProfile服精品文档放心下载务重要特征的属性(Attributes)以及赋予每一个属性的不同水平（）组合构成。例如感谢阅读消费者购买手机的重要属性和水平可能包括：品牌（A，B，C1500元，1750谢谢阅读万元，2000感谢阅读给出不同的产品价格、功能条件下是选择购买品牌A，还是品牌B或者品牌C，还是什么精品文档放心下载都不选择。离散选择模型的一个重要的假定是：消费者是根据构成产品/服务的多个属性来谢谢阅读谢谢阅读况。FullProfilesConjointAnalysis谢谢阅读感谢阅读水平的选择与偏好，用效用值（Utilities）来描述。谢谢阅读但是，它与传统的结合分析的最大区别在于：离散选择模型不是测量消费者的偏好，而谢谢阅读精品文档放心下载一种更为实际、更有效、也更复杂的技术。具体表现在：精品文档放心下载消费者的选择行为要比偏好态度更能反映产品不同属性和水平的价值，也更具有针谢谢阅读对性；消费者只需做出“买”或“不买”的回答，数据获得更容易，也更准确；感谢阅读消费者可以做出“任何产品都不购买”的决策，这与现实是一致的；感谢阅读实验设计可以排除不合理的产品组合，同时可以分析产品属性水平存在交互作用的感谢阅读情况；离散选择集能够较好地处理产品属性水平个数（大于4）较多的情况；精品文档放心下载统计分析模型和数据结构更为复杂，但可以模拟更广泛的市场竞争环境；精品文档放心下载模型分析是在消费者群体层面，而非个体层面。离散选择模型主要采用离散的、非线性的MultinomialLogit统计分析技术，其因变感谢阅读谢谢阅读性。目前统计分析软件主要有统计过程和感谢阅读过程—比例风险回归（Proportional）分析。另外，Sawtooth精品文档放心下载软件公司开发了专用的CBC市场研究分析软件（Choice‐BasedAnalysis精品文档放心下载精品文档放心下载研究全过程。从一定角度讲：离散选择模型是一种比较复杂的分析技术！据说采用离散选择模型研究谢谢阅读谢谢阅读谢谢阅读用、模拟市场、撰写研究报告等全过程。当然，最好借助专用的分析软件来实现。谢谢阅读下面我们还是通过手机价格研究案例来看如果进行离散选择分析！精品文档放心下载1-研究目的：随着移动通讯市场竞争的日趋激烈，移动和联通两大服务商在原有全球通和感谢阅读130GSM网络基谢谢阅读础上又推出了CDMA网络。但是，话费价格始终是影响消费者选择供应商的重要因素。为谢谢阅读了制定价格竞争策略，可以采用离散选择模型进行品牌优势和价格研究。精品文档放心下载2‐属性与水平确定：研究包括5种服务品牌和4种不同价格，分别是：品牌（移动全球通、谢谢阅读移动神州行、联通130、联通如意通、联通CDMA）和价格（0.30/分钟，0.40/感谢阅读0.50元/分钟，0.60元/3‐精品文档放心下载选择，而自变量是影响消费者选择的属性。因此，离散选择集应该设计为5种品牌（属性）谢谢阅读分别有4种不同价格水平，如果采用全因子实验设计，应该有4×4××4×4=1024种可能谢谢阅读谢谢阅读住：这一点与传统的结合分析设计属性和水平不同！传统的全轮廓结合分析在进行实验设计时，因变量是消费者对产品服务轮廓的总体评价偏感谢阅读好得分，自变量是构成产品服务的属性水平因子。但是，在离散选择模型中，实验设计的精品文档放心下载m=1=0谢谢阅读产品服务的属性。312321.992.99谢谢阅读精品文档放心下载3个水平（品牌1价格，品牌2价谢谢阅读3价谢谢阅读如：在实际应用中，有时候往往无法获得正交、平衡的部分因子组合，例如：存在着市场无谢谢阅读精品文档放心下载时候我们必须做出一定的选择，考虑采用非正交的实验设计方谢谢阅读法，SAS8.1for的S%MKTEX()可以用来帮助实现正精品文档放心下载宏：%MKTRUNS（）和%MKTDE交或非正交实验设计并估计线性模型实验设计效果。可以用SAS8.2宏%MKTRUNS（）和（）,%MKTEX（）生成谢谢阅读选择集子集和评估实验设计效果。本项研究的实验设计结6，32，48，64等均可衡的谢谢阅读果给出了1满足正交和平选择集个数，考虑到被访者的承受能力，确定16个选择集是适当的。当确定了选择集个数后，根据实际不选择任何服则每个选择集含有6种可能的服务方式，感谢阅读情况加上“务”选项，将每个选择集制作成16张类似前面问卷设计给出的选择集卡片，按顺序或随机的方式让被精品文档放心下载访者依次从每张卡片选择一种最可能使用的服务。4‐问卷设计的属性水平和数据采集组合成m：离散选择品/服务轮廓模型是将产产品/服务，构造一个选择从中选择一个最可能购买的产品/谢谢阅读集，同时展现给消费者，服务。精品文档放心下载谢谢阅读图片或实物模将选择集制话费价格研究包括了5感谢阅读通讯服务商品牌和45个品牌分别有4种不同价感谢阅读格水平，部分因子正交实验设计构造了个选择集，其中某个选择集卡片如下所示：感谢阅读模型分析软件，例如Sawtooth公司的CBC软件。地点调查的形式收集资料。5-样本量选择：如何确定离散选择模型样本量的大小？首先我们要考虑采用概率抽样谢谢阅读感谢阅读感谢阅读感谢阅读选择的选择集个数增加将等同于增加了样本量。一般情况下，离散选择模型的样本量在感谢阅读300-600个样本之间，如果需要估计不同的消费者细分市场，样本量还需要增大；另外，精品文档放心下载离散选择模型的被访者同质性程度越高，估计的效果会越好。谢谢阅读6-数据整理和编码：离散选择模型的数据整理和编码是非常重要的，也是其复杂性的一个感谢阅读精品文档放心下载谢谢阅读4谢谢阅读被访者的“选择”整合在离散选择数据结构中。上面给出了满足离散选择模型的数据结构，第1列表示每个号，第2列表感谢阅读被访者的编示每3列表示每个被访者从含3精品文档放心下载=1，不选择=2100位消费者，最终的数据集将含有100×43=1200行精品文档放心下载精品文档放心下载感谢阅读所有被访者的选择频次，作为加权变量，从而简化数据集。我们可以通过理解选择模型的感谢阅读算法，编写Excel模拟器，进行市场分析，例如：价格弹性、产品组合等！感谢阅读7-数据分析：离散选择模型是在消费者群体层面上进行分析，它主要包括两个方面：感谢阅读选择频次分析：通过分析所有被访者对选择集中可选产品的选择频次，得到各属性谢谢阅读谢谢阅读比表示。Logit用Multinomial模型选择概率分析：当选择数据经过编码整合后，就可以利感谢阅读LogitModel进行精品文档放心下载SAS/STAT和Market模块的PrcoPHREG谢谢阅读以用来估计未知参数向量，并计算不同选择集中每个产品的选择概率。谢谢阅读的价格水平设定为测试价钟。下面分别给出了模型的拟合统计量。感谢阅读格的平均值=0.45元/分谢谢阅读当价格点位低，曲线呈现显著增长，这表明如果移动全球通的话费降到精品文档放心下载于0.40元后0.40元以下，消费者的选择可能性将有较大的增长，因此将增大市场占有率。精品文档放心下载同时，我们也可以模拟不同市场竞争环境下，价格因素对市场占有率的影响。图精品文档放心下载3给出了在移动神0.60元0.40元/分0.50元谢谢阅读分CDMA（0.40元分钟球通价格从0.30谢谢阅读钟）、联通）价格不变的情况下，模拟移动全元/0.65元分分钟变动到钟的市场占有率变化图。谢谢阅读感谢阅读如：不同的性别、年龄、收入等，分析不同子总体的选择偏好结构，进行市场细分。感谢阅读谢谢阅读借助专业软件分析，统计推断只能在群体层面分析，而不能在被访者个体层面分析。目前，感谢阅读对选择数据个体层面的效用值分析可以采用分层贝叶斯模型（谢谢阅读HierarchicalBayesModel），也感谢阅读就是第六讲：数据库营销中的RFM模型技术RFM模型技术是根据消费者交易数据库中三个核心指标构建并计算的消费者细分或销谢谢阅读售得分进行有针对性营销的一种市场研统的数据库营销手段，也是数感谢阅读究技术。RFM据挖掘技术关注的模型技客户细分模型、客户响应模型、客户价值模型、客户谢谢阅读术，RFM在促销模型等都是重要的变量和分析模块也是建构客户关系管理的核心分析技术。精品文档放心下载RFM模型根据美国数据库营销精品文档放心下载研究所ArthurHughes这三个要素构成了数据分析最好的指标消费频率：*最近一次消费(Recency)*(Frenquency)*消费金额(Monetary)感谢阅读R—RECENCY：最近购买的客户倾向再度购买；F—FREQUENCY：经常购买的客户可能会较易回应M—MONETARY：MBALIB资消费金额较多的客户未来可能更会消费（摘录料）感谢阅读买的时候顾客上一精品文档放心下载时候。感谢阅读感谢阅读精品文档放心下载具。历史显示，如果我们能让消费者购买，他们就会持续购买。这也就是为什么，0至6精品文档放心下载个月的顾客收到营销人员的沟通信息多于31至36个月的顾客。感谢阅读谢谢阅读里就成为最近一次消费为两个月的客户。反之，同一天，最近一次消费为3个月前的客户谢谢阅读感谢阅读就收到新的折价信息。精品文档放心下载谢谢阅读果显示上一次购买很近的客户，最近一次消费为1个月精品文档放心下载精品文档放心下载的征兆。谢谢阅读感谢阅读精品文档放心下载学——感谢阅读度。谢谢阅读意度最高的顾客。如果相信品牌及商店忠诚度的话，最常购买的消费者，忠诚度也就最高。精品文档放心下载谢谢阅读这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶谢谢阅读梯”(loyaltyladder)，其诀窍在于让消费者一直顺着阶梯往上爬，把销售想像成是要将两感谢阅读次购买的顾客往上推成三次购买的顾客，把一次购买者变成两次的。感谢阅读消费金额：是所有数据库报告的支柱，也可以验证“帕雷托法则”(Pareto’sLaw)——感谢阅读公司80％的收入来自20％的顾客。它显示出排名前10％的顾客所花费的金额比下一个等精品文档放心下载级者多出至少240感谢阅读现有40％的顾客贡献公司总营业额的80％；而有60％的客户占营业额的90％以上。最感谢阅读10％的顾客平均花费1195精品文档放心下载最差的10％仅有18美元。如果你的预算不多，而且只能提供服务信息给2000或3000个顾客，你会将信息邮精品文档放心下载寄给贡献40％收入的顾客，还是那些不到1％的顾客？数据库营销有时候就是这么简单。感谢阅读这样的营销所节省下来的成本会很可观。结合这三个指标，我们就可以把顾客分成5＊5＊5=125精品文档放心下载后制定我们的营销策略。精品文档放心下载谢谢阅读下面我们采用PASWStatistics进行RFM分包含三个变量：数据客户CardID、时间Date、交易金额Amount；也就是RFM三指标精品文档放心下载集；首先，我们需要将交易数据集，分割和转换为三个RFM变量，并根据RFM编码赋予感谢阅读不同的权重，最后，根据权重汇总为RFM得分；当然我们也可以根据RFM指标或得分进谢谢阅读一步进行分析！PASWStatistics也就是SPSS18精品文档放心下载精品文档放心下载易数据分割方法，前提是我们有客户标识ID，交易时间（必须是日期型），交易金额；精品文档放心下载分别指定个变量后，选择离散化方法，并将结果保存！我们可以选择离散化方法，嵌套和独立；另外我们可以选择RFM指标的分割数，默认都是精品文档放心下载5等分；从统计量上我们可以大致看到分割的比例，均值和标准差！精品文档放心下载选择存储方式后，我们就可以得到了RFM模型中的各个变量和RFM得分变量，图上谢谢阅读RFM_Score得分实际上就是R、FM三个指标的组合，因此该得分没有数值意义，仅仅感谢阅读代表把消费者分割成了125块的某一块；但是我们需要记住的是：当时我们分割的时候是感谢阅读嵌套还是独立，决定了125块每一块的含义或者说代表的意义不同！接下来，我们可以考感谢阅读虑RFM指标权重，一般考虑时间是最重要的，当然我们也可以认为三个指标权重相同，假精品文档放心下载如我们分别赋予三个指标的权重都等于10，（也可以根据需要分别赋权），结的意义主要谢谢阅读是阈值的考虑和分割点的划分问题。得到RFM1000谢谢阅读位消费者进行促销了！感谢阅读谢谢阅读谢谢阅读文件合并在一起，从而提供促销邮寄或销售电话的目标客户。谢谢阅读关于RFM模型技术在数据挖掘技术中显得更为有价值、分析也更灵活，我将在接下来谢谢阅读的文章中采用DataMining技术来讲解复杂的客户响应模型的建模技术！谢谢阅读第七讲：因子分析方法因子分析一种非常有用的多变量分析技术。我想说，你要想学谢谢阅读（FactorAnalysis）是感谢阅读感谢阅读度不感谢阅读究的变量有Y是Y的测量尺精品文档放心下载一组变量X2X3...Xn的关系。感谢阅读的是测量消费者的消费行为和态度！我们往往采用一组态度量表进行测量，分或感谢阅读用1-5打1-9打分，经常提到的李克特量表。上面的数据是我们为了测量消费者的生活方式或者价值观什么的，选择了24个语句，谢谢阅读1-9打分；感谢阅读精品文档放心下载证实性因子分析主要采用SEM结构方程式来解决。从探索性因子分析角度看：一种非常实用的多元统计分析方法；一种探索性变量分析技术；分析多变量相互依赖关系的方法；数据和变量的消减技术；其它细分技术的预处理过程；我们为什么要用因子分析呢？首先，24个可测量的观测变量之间的存在相互依赖关系，并且我们确信某些观测变量精品文档放心下载指示了潜在的结构因子，也就是存在潜在的因子；而潜在的因子是不可观测的，例如：真谢谢阅读感谢阅读感谢阅读习惯、生活态度和方式等；谢谢阅读集组合成的新变量集作进一步分析。这就是因子分析的本质，所以在SPSS软件中，因子精品文档放心下载分析方法归类在消减变量菜单下。新的变量集能够更好的说明问题，利于简化和解释问题。精品文档放心下载感谢阅读精品文档放心下载精品文档放心下载要应用！谢谢阅读感谢阅读上是这样的，但市场研究很少这么操作！）下面是要理解的因子分析的基本概念：一种简化数据的技术。探索性因子分析和证实性因子分析因子分析就是要找到具有本质意义的少量因子。用一定的结构模型，去表达或解释大量可观测的变量。谢谢阅读用相对少量的几个因子解释原来许多相互关联的变量之间的关系。谢谢阅读描述的变量是可观测的——显在变量。相关性较高，联系比较紧密的变量放在一类。每一类变量隐含一个因子——潜在变量。不同类的变量之间相关性较弱。各个因子之间不相关。下面我们通过PASWStatistics软件来进行操作！精品文档放心下载感谢阅读数据集中个变量是下一个缺失，该记录删除，也就是说如果你系统采用Lisewase，也即是只要24个变量有精品文档放心下载的样本存在大量缺失，可能造成因子分析的样本量大量收缩！精品文档放心下载我精品文档放心下载们将24个变选择KMO和Bartlett谢谢阅读个指标主要从统计角度给出是否存在内在结构，也就是潜在因子结构，说白了，感谢阅读24个变量感谢阅读有24个变个个变量全部是正交不相关的，根本不存在因子，不适合因子分析！感谢阅读极端就是24接下来我们要选择抽取因子的方法：谢谢阅读SPSS24个感谢阅读变量谢谢阅读用量表24个的测量尺度都是一致的！如果你没有特殊要求，默然选择抽取特征值大于选择感谢阅读1的因子！碎精品文档放心下载石图——也就是标准化后的方差矩阵，没有了量纲！接下来，我们选择因子旋转方法！感谢阅读谢谢阅读谢谢阅读精品文档放心下载感谢阅读般采用最大方差旋转！最后，有一个选择要完成，就是选项对话框！谢谢阅读感谢阅读0.4的都不为要依赖样本量和绝对误差的考虑！什么选择0.4呢？这主从样本量角度看因子负荷，大部分市场研究样本量都在200以上！记住：如果你不能精细考吧！虑，就选0.4下面我们就可以执行了！我们看看结果：从结果可以看出，Bartlett球检验是显著的，说明存在因子结构，另外KMO=0.764，较感谢阅读适宜因子分析！，一般KMO=0.8就是Excellent了！接下来看因子方差解释，总的方差感谢阅读解释是63.448%7247个因谢谢阅读子可以说明原来24个变量的63.4%的变差。（如果你确认了这样的结果，可以选择把7感谢阅读感谢阅读旋转后的结果：谢谢阅读0.4的负荷值！你可以看到F1_6变量在3和4因子上都有负荷，这就产生了双负荷！如感谢阅读果存在大量的双负荷，我们就要考虑是否要斜交旋转了！24个变量用7个因子感谢阅读变量都不知道意义，如何分析呢！当然如何命名因子是个艺术活了！我一般的思考方式是：谢谢阅读1）先看意义，哪些变量负荷在一个因子上，是否能解释这些因子；2）如果可以，选择因谢谢阅读子名称；3）如果不能给出恰当名字，就选择负荷变量的简称综合在一起，先代表着；4）感谢阅读随着后续的分析，因子慢慢确定；到这里因子分析就完成了！谢谢阅读精品文档放心下载选前两个负荷最大的变量，我将在聚类分析中讲解！第八讲：分类决策树CHAID&CRT分类决策树的应用和操作主要包括CHAID&CRT谢谢阅读CHAID——Chi-squaredAutomaticInteractionDetector卡方自交互侦测决感谢阅读策树CRT——ClassificationRegressionTree分类回归树；感谢阅读CHAID和CART精品文档放心下载于市场细分和客户促销研究，属于监督类分析技术。其中，树根节点是独立变量因变量，谢谢阅读谢谢阅读谢谢阅读变量一般也是非数量型的分类变量。CHAID最常用，但独立变量只能是分类变量，也就是谢谢阅读离散性的，CRT可以处理数量型变量，有时候二者结合使用。CHAID和CRT都可以处理精品文档放心下载谢谢阅读的一种规则和细分市场。也就是说，每一个树叶都是一个细分市场。感谢阅读下面我们通过一个案例来操作SPSS软件的分类决策树模块精品文档放心下载感谢阅读支付方式和促销套餐变量。我们现在期望能够得到针对不同的促销套餐来精品文档放心下载分析“客户画像”，感谢阅读变量或自变量！我们看到，首先要求我们定义变量的测量等级并定义好变量变标和值标！感谢阅读因为，CHAID和CRT具有智能特性，也就是自交互检验和自回归能力，所以对变量测量尺度要求严格！谢谢阅读为什么说变量测量等级重要呢？例如，我们有个变量叫学历（专、感谢阅读1-初中、2-高中、3-大4-本科、5-硕士以上），如果我们设定为定序变量，则决策树可以自动组合分类，但无论精品文档放心下载如何都是顺序组合，也就）为一类，是说可能（1-初中、2-高中、3-大专（4-本科、5-硕谢谢阅读士以上）为一类，但绝对合并一类；如果我们定义为名义变量，则可以任意精品文档放心下载不会把1和5学历组合为某类了！谢谢阅读谢谢阅读感谢阅读平数停止。最后每一个叶结点就是一个细分市场。当预测变量较多且都是分类变量时，感谢阅读CHAID适宜。谢谢阅读互分析对多维交叉表和归并类是一项繁重的工作。的验证和条件参谢谢阅读选择CHAID精品文档放心下载谢谢阅读感谢阅读没有实际营销意义！树的水平数也是同样道理！感谢阅读直接输出结果法规则！和SPSS语法或SQL语精品文档放心下载谢谢阅读来讲，数据业这样我们就可以看到这个类别的特征了！务小于50.73的主要是Y类套餐！最后的分类预测正确分类84.4%。下面是生成的则：SQLUPDATE<TABLE>SETnod_001=4,pre_001=5,prb_001=0.974026感谢阅读WHERE((客户等级ISNULL)OR客户等级<>2AND客户等级<>3)AND((数感谢阅读据业务ISNULL)OR数据业务<=38.754));谢谢阅读我们可以把语法规则嵌入在分析系统中就可以实现商业智能和营销了！感谢阅读当本方法和解读方式都是一样的！然，CRT基总本操作过程结：CHAID和CRT基1.指定CHAID或CRT2.规定目标变量和预测变量3.设定预测变量的测量等级，非数量型变量也可预先合并分类。谢谢阅读4.规定树状结构的水平数。5.指定节点包含的最小样本数量。6.自动生成分类树。7.考察分类树的结构。8.分析GainTable.9.分析错误分类风险比。10.重新设定分类树参数。11.生成SQL语言，SPSS规则语法将样本归类。谢谢阅读精品文档放心下载喜欢用传统的交互分析了，因为用CHAID和方便多了！感谢阅读第九讲：结构方程式模型StructuralEquationModelingSEM感谢阅读检验因果关系模型的多元统计分析技术。它包含了回归分析（multipleregression）、因精品文档放心下载factoranalysispathanalysismultivariate精品文档放心下载analysisofvariance谢谢阅读理论进行假设检验的统计建模技术。结构方程式模型与传统多元统计分析的不同，允许自变量和因变量存在测量误差感谢阅读（measurementerrors）模型中包含可观测的显在变量（observedvariables），也可精品文档放心下载能包含无法直接观测的潜在变量（latentvariables精品文档放心下载之间的关系。总之，结构方程式模型的变通性更大、涵盖面较广，多元回归、因子分析、路径分析感谢阅读和方差分析等传统的多元分析方法都只是结构方程式模型的一种特例。谢谢阅读结构方程式模型的基本原理：结构方程式模型假定在一组潜在变量中存在因果关系，这些潜在变量可以分别用一精品文档放心下载组可观测的变量表示。假设的模型通常包括某个基本线性回归模型和很多观测变量，而这个基本的线性回谢谢阅读归模型应该是一组潜在变量的结构关系模型。这一组潜在变量分别是那些观测变量中的某几个的线性组合。在技术上，通过验证谢谢阅读观测变量之间的协方差，可以估计出这个基本线性回归模型的系数值，从而在统计感谢阅读上检验所假设的模型对所研究的过程是否合适，也就是检验观测变量的方差协方差感谢阅读感谢阅读就可以得出结论：我们所假设的潜在变量之间的关系是合理的。精品文档放心下载感谢阅读述和解释，是结构方程式模型，尤其是AMOS软件的一大特色。研究人员可以借助路径图感谢阅读直接明了地将变量之间的关系以图形的方式表现出来。AMOS5.0可以直接利用路径图的模感谢阅读型设定进行分析，并将分析结果和评价指标直接标识在图中。谢谢阅读不过，现在AMOS软件已经有了17.0版本，从5.0版本以后可以分析带有二阶潜变量模精品文档放心下载型了！如何构造AMOS结构方程式模型的因果关系路径图呢？精品文档放心下载1.在AMOS谢谢阅读变量名称；2.如果两个潜在变量之间有相互关系，用双箭头联结这两个潜在变量；如果两个潜在精品文档放心下载变量是因果关系，则用单箭头联结这两个潜在变量，箭头指向结果变量。精品文档放心下载3.如果一个潜在变量可由若干观测变量表示，这个潜在变量被看作观测变量的因子感谢阅读（factor），用单箭头联结这个潜在变量与观测变量，箭头指向观测变量，表示潜感谢阅读在变量直接影响了观测变量的值。4.所有测量误差都是潜在变量，箭头指向相应的观测变量和内生潜在变量。感谢阅读实际中需要注意以下两点：还有一点需要注意，在度量模型中，对应于每一个潜在变量可能有几个指标，习惯感谢阅读上要选定一个指标，规定它对应的系数等于1，其效果相当于规定潜在变量的度量谢谢阅读单位分别与对应的指标相同。当潜在变量只有一个测量指标时，如果我们不知道所选指标的可靠性，那么一般情谢谢阅读况下我们就把这个唯一指标的观测变量看成为该潜在变量的完美测量，因此对应的感谢阅读误差应该规定为0。下面我们通过顾客满意度研究来操作AMOS进行结构方程式研究。感谢阅读（美精品文档放心下载国顾客满意度指数）。上述满意度研究理论模型是一个通用模型，基本上适合各类产品的研究框架，研究人员谢谢阅读谢谢阅读个潜变量等。根据上述理论模型的关系，我们可以中完成模型建构（路径图、参谢谢阅读在AMOS数设定和输出设定）。我们就可以看到运行结果了！上面得分析，实际上在客户抱怨和投诉变量可以去掉误差项，单一指标我们应该精品文档放心下载e9，因为认为是完美指标。下面是变通的特点满意度研究模型！刚才我提到，AMOS新版本可以支持二阶潜变量分析，这为我们进行含潜变量因果分析模精品文档放心下载型带来了方便！精品文档放心下载精品文档放心下载变量的解释层面，增加了话语（因子）!最后，大家应该明白，结构方程式模型是非常复杂感谢阅读感谢阅读AMOSLisrel感谢阅读软件，实际上Lisrel软件才是真正的结构方程式模型的本家，所以如果大家要学习结构方精品文档放心下载程式的理论还是从Lisrel软件开始比较好，比较该软件的符号体系是完备的。还有一个软精品文档放心下载件需要说明，个德国的软偏最就是SmartPLSSEM外还可以包括PLS，精品文档放心下载小二乘法！谢谢阅读需要进行预测性分析应该法。如果能型的原理，我们可谢谢阅读采用PLS方够理解SEM或PLS模以把参数嵌入动态满意度模型中进行分析和预测啦，下面是用软件制作的模型！精品文档放心下载Xcelsius与大家分享！第十讲：多维尺度分析多维尺度分析（MultiDimensionalScaling）是分析研究对象的相似性或差异性的一精品文档放心下载MDS感谢阅读感谢阅读以揭示影响研究对象相似性或差异性的未知变量因子潜在维度。精品文档放心下载感谢阅读精品文档放心下载MDS分析能够为市场研究提供有关消费者的知觉和偏好信息。感谢阅读MDS一般需要借助SPSS或SAS统计分析软件，输入有关消费者对事物的知觉或偏好数感谢阅读据，转换为一组对象或对象特征构成的多维空间知觉或偏好图——感知图。应用MDS，收精品文档放心下载谢谢阅读所有研究对象的邻近数据可以用一个邻近矩阵表示。反映邻近的测量方式：相似性数值越大对应着研究对象越相似。差异性数值越大对应着研究对象越不相似。测量邻近性数据的类型：两个地点（位置）之间的实际距离。（测量差异性）两个产品之间相似性或差异性的消费者心理测量。（差异性或相似性）精品文档放心下载两个变量的相关性测量。（相关系数测量相似性）从一个对象过渡到另一个对象的转换概率。例如概率反应了消费者对品牌或产品偏谢谢阅读好的变化。（测量相似性）反映两种事物在一起的程度。例如：用早餐时人们经常将哪两种食品搭配在一起。感谢阅读（测量相似性）谁喜欢谁，谁是谁的领导，谁传递给谁信息，谁是谁的上游或下游等等社会网络数精品文档放心下载据等（测量相似性）MDS谢谢阅读最经典的案例就是用感知图表现美国主要城市的航空距离！谢谢阅读我们采用SASMarketMDSSAS可以直接处理矩阵数感谢阅读据！谢谢阅读MDS给你的方位和差异感觉！请大家自己试分析中国主要省会城市之间航空距精品文档放心下载一试用MDS离的MDS精品文档放心下载采进行市场研究比较常态案例：用SPSS来的MDS首先我们应该掌握基本的从2-mode数据转换到1-mode数据的格式，这种方法采用精品文档放心下载SPSS软件的距离计算就可以了！我们通过上面的过程就可以得到所谓的相似矩阵或差异矩阵！好在SPSS软件基本上感谢阅读不用这样操作，因为MDS分析已经把这个过程内置在分析中了，我们可以直接得到结果；谢谢阅读假设：我们调查人们对当前25个社会问题的关系程度，采用1-5的五级里克特量表谢谢阅读我们选择SPSS分析菜单下的度量模型下的多维尺度分析：精品文档放心下载建距离！得到结果后，如果你满意，可以自己把结果采用散点图表示出来：精品文档放心下载大家会解释MDS得到的感知图吗？应用一：MDS感谢阅读感谢阅读感谢阅读知图的关系指定新产品的市场营销策略。应用二：MDS感谢阅读置，可知道竞争地位（产品品牌），位置接近，在消费者心中形象相似，当然竞感谢阅读争比较激烈，也可具体研究某种营销策略。应用三：广告本身应具有吸引力，容易记忆。理解竞争者广告间的相似程度和竞争精品文档放心下载地位。MDS感知图可以提供给广告策划人有关消费者知觉构层。可以判断消费者谢谢阅读用以比较广告的标准，发现消费者诉求点。MDS可以感谢阅读谢谢阅读的原因。指定相应的改变产品特征或新的广告策略。谢谢阅读比较法、描点法等等；其实，MDS在当前的市场研究领域慢慢大家不喜欢用来，因为有更谢谢阅读MDS的理解可以帮助我们更透彻的看到数据的分析思想和找精品文档放心下载到相似或差异数据的手段！MDS是市场研究的重要工具。但劣势明显：收集资料和计算比感谢阅读感谢阅读计比较困难；消费者评价容易产生烦躁情绪，而改变潜在的感知维度。精品文档放心下载CADA谢谢阅读析PCA；因子分析FA第十一讲：多元回归分析多元回归分析（MultipleRegressionAnalysis）是多变量分析的基础，也是理解监感谢阅读谢谢阅读谢谢阅读精品文档放心下载张图是利用多元线性回归制作的策略分析图，你可以理解X轴是重要性，Y轴是表现；精品文档放心下载感谢阅读感谢阅读Y=a+bLnXt=LnX，精品文档放心下载方程就变成了Y=a+bt，也就线性化了。当然，变化的主要目的是线性化，同时期望数据感谢阅读分布是近似正态分布！精品文档放心下载尤其是Fisher线性回归方程；Logistics回归的自变量也是回归，只不过是计算线性回归感谢阅读精品文档放心下载回归算出来的；当然，还有很多分析最终也是回归思想！第三：什么是“回归”，回归就是向平均靠拢。精品文档放心下载偏离有无数种可能性；第五：线性回归方程纳入的自变量越多，越应该能够反应现实，但解释起来就越困难；感谢阅读第六：统计学家往往追求的是简约的模型和更高的解释度，往往关注模型R平方，共谢谢阅读线性和回归诊断问题；感谢阅读我的市场假设等；下面我们从市场研究人员的角度看看如何利用多元线性回归多元线性回归分析的主要感谢阅读目的是：解释和预测。假设我们收集了100个企业客户经理对我产品的总体满意度和分项谢谢阅读精品文档放心下载谢谢阅读度数值；在SPSS中选择回归分析后，把X10作为因变量，X1到作为自变量谢谢阅读谢谢阅读重要性，这在统计层面非常好，但是如果针对我现在的研究我需要采用Enter全部进入，感谢阅读感谢阅读完成上面的策略图）；选择相应的统计参数和输出结果，注意：多变量分析都需要考虑缺省值问题，逐步回归谢谢阅读中我们可以得到R平方的变化对我们理解方程有帮助！（Enter方法不需要）谢谢阅读RR平方=0.80非常不错了，感谢阅读说明：1）总体满意度的80%的变差都可以由7个分项指标解释，或者说，7个分项指标感谢阅读可以解释总体满意度80%的变差！2）R平方如果太大，大家不要高兴太早，社会科学很谢谢阅读少有那么完美的预测或解释，一定存在了共线性！方程分析表的显著性表明了回归具有解释力！线性回归方程给出可预测的计算系数，但是，社会科学很少进行预测，重要的是解释；感谢阅读谢谢阅读谢谢阅读谢谢阅读的回归系数是否真的等于零，要进行假设检验！7个自变量指标的均值作为表现，7个自变量的标准谢谢阅读精品文档放心下载精品文档放心下载感谢阅读谢谢阅读及因果关系,必须非常谨慎！第十二讲：社会网络分析分析SocialNetworkAnalysis谢谢阅读谢谢阅读精品文档放心下载感谢阅读“绞肉机”感谢阅读境中剥离出来，还要确保研究对象之间不存在联系。常规统计分析处理的都是属性数据，社会网络分析处理的则是关系数据，其分析单位是“关精品文档放心下载系”，是从“关系”角度出发研究社会现象和社会结构，从而扑捉由社会结构形成的态度和行谢谢阅读为。谢谢阅读网络、小世界理论等，当然最值得期待的研究是幂律分布——无标度网络等；Ucinet、谢谢阅读、等软件都是专门处理社会网络分析的。社会网络分析研究关系，这一点精品文档放心下载在数据挖掘领域专门有分析、关联分析等等，说明数据挖掘也嵌入研究关系的模块，精品文档放心下载并且是一种重要的分析工具，典型的就是“啤酒和尿布的故事”。精品文档放心下载感谢阅读析数据，有了这个思想，会让我们开阔思路，打开一个新的多变量数据分析新天地。其实，精品文档放心下载我们过去大部分多变量数据分析都是基于“关系”进行分析的，比如：相关分析、聚类分析、谢谢阅读感谢阅读数矩阵、相关矩阵、协方差矩阵等，只不过我们没有关注过中间步骤就是了。精品文档放心下载感谢阅读色！传统的市场调查经常采用态度量表，1-10打分方式，我们针对某项研究调查消费者对谢谢阅读购买汽车的心理预期和情感测量，经过定性研究，确定了有关汽车的26个情感词汇！精品文档放心下载感谢阅读来进行分析：首先：我们可以采用因子分析！从因子分析，我们看到，5个因子和26个词汇的因子负荷，相关结论大家可以得出！谢谢阅读接下来，我们采用社会网络分析Ucinet软件进行分析：我们先采用软件得到26个精品文档放心下载词汇的相关系数矩阵，从Analysis——>相关——>距离精品文档放心下载精品文档放心下载谢谢阅读把矩阵拷贝到Excel软件中：我们把矩阵存盘Matrix谢谢阅读现在我们把这个相关矩阵导入的Ucinet谢谢阅读接下来，我们可以在Ucinet软件中进行MDS和聚类分析精品文档放心下载我们看看ＭＤＳ分析结果：ＭＤＳ主要是研究差异性和相似性的关系，也是降维技术，在二维空间展示数据点的关系，谢谢阅读感谢阅读类，看看哪些词汇聚在了一起：最后，我们看看采用社会网络分析方法，其中最重要的是网络的可视化技术，我们用谢谢阅读软件进行矩阵展现：可以直接读取Ucinet的系统数据分析，##h后缀！感谢阅读我们可以选择不同的形式，并把相关系数值显示出来，精品文档放心下载最后，我们不断调整相关系数值，当关系强度=0.42时，我们展示出结果：谢谢阅读我们利用Subgroup子群分析，选择6个子群：感谢阅读精品文档放心下载26感谢阅读酷与时尚，而且可以知道要有品味，必须经过大气、物有所值才能得到可靠的路径；谢谢阅读也就是说，当我们看到情感词汇的关系图后，我们就可以有意义的输出！谢谢阅读第十三讲：聚类分析精品文档放心下载感谢阅读常采用聚类分析技术来实现对抽样框的分层，我就不多罗嗦了。精品文档放心下载聚类分析：顾名思义是一种分类的多元统计分析方法。按照个体或样品(individuals,感谢阅读objectsorsubjects)的特征将它们分类，使同一类别内的个体具有尽可能高的同质性精品文档放心下载(homogeneity)，而类别之间则应具有尽可能高的异质性(heterogeneity)。感谢阅读我们也可以对变量进行聚类———感谢阅读谢谢阅读“距离”和“相似系数”精品文档放心下载用所谓的“点”“距离”较小的点或“相似系数”较大的谢谢阅读“距离”较大的点或“相似系数”精品文档放心下载就是相关系数了）感谢阅读感谢阅读元分析方法那样估计推导出来的。谢谢阅读感谢阅读精品文档放心下载感谢阅读对假设的检验还需要借助其它统计方法。聚类方法：聚类分析简单、直观。聚类分析主要应用于探索性的研究，其分析的结果可以提供多个可能的解，选择最精品文档放心下载终的解需要研究者的主观判断和后续的分析；不管实际数据中是否真正存在不同的类别，利用聚类分析都能得到分成若干类别的谢谢阅读解；聚类分析的解完全依赖于研究者所选择的聚类变量，增加或删除一些变量对最终的感谢阅读解都可能产生实质性的影响。研究者在使用聚类分析时应特别注意可能影响结果的各个因素。感谢阅读异常值和特殊的变量对聚