市场调研与分析（第3版）7-11章 第9章 市场调研数据分析

第9章分析市场调研数据学习目标了解五种分析方法的含义与原理理解五种分析方法的步骤学会运用本章介绍的方法进行简单的市场预测第1节列联表分析一、2×2列联表的分析过程二、r×c列联表的分析过程三、多维列联表四、案例分析：列联表分析在SPSS中的应用第1节列联表分析一、2×2列联表的分析过程（一）2×2列联表的建立例如，从某总体中共抽取N个受试对象，并按照两个二值变量对个体进行分类，便能产生这样的数据。又如研究产品价格与销售量之间的关系，第1节列联表分析抽查100个地区，按价格高于和低于一百元，以及销售量高于或低于一千件，进行分类。

产品价格合计

高于一百元低于一百元销售量低于一千件高于一千件501565102535

合计

6040100第1节列联表分析（二）2×2表的卡方检验

变量A

合计类1类2变量B类1类2aba+bcdc+d

合计

a+cb+dN=a+b+c+d第1节列联表分析2×2表

的表达式：对上表的数据，可得到：第1节列联表分析二、r×c列联表的分析过程（一）r×c列联表的建立（二）

r×c表的卡方检验第1节列联表分析三、多维列联表四、案例分析：列联表分析在SPSS中的应用第1节列联表分析第2节方差分析第2节方差分析一、单因素方差分析二、多因素方差分析一、单因素方差分析（一）单因素方差分析的概念1、单因素方差分析概念的理解步骤2、单因素方差分析的原理（二）单因素方差分析基本步骤第2节方差分析（三）单因素方差分析的进一步分析1、方差齐性检验2、多重比较检验（四）单因素方差分析实例第2节方差分析二、多因素方差分析（一）多因素方差分析的基本思想（二）多因素方差分析的均值检验功能（三）多因素方差分析实例第2节方差分析第3节因子分析第3节因子分析一、因子分析的概念（一）因子分析的含义

在市场调研过程中，变量之间往往会有一定的相关性，所以存在着能控制所有变量的少数几个随机变量。这几个变量是起支配作用的变量，能够描述多个变量之间的相关关系。由此可以看出，因子分析的作用是简化研究问题，抓住主要矛盾，将事物的共同性萃取出来，提高分析效率。第3节因子分析

第3节因子分析

第3节因子分析

第3节因子分析二、因子分析的基本步骤01对数据进行标准化处理标准化处理将数据的单位消除，从而得到无量纲数据，这样才能进行准确的因子分析。02计算载荷矩阵求解初始公共因子以及因子载荷矩阵，提取公共因子，确定公共因子的个数和求因子的方法。03因子旋转找出公共因子对变量进行分组之后，还要通过因子旋转研究每个公共因子的意义，以便对实际问题进行科学分析。第3节因子分析三、因子分析实例某调研公司收集了当年中国A股市场14家商业银行的8项财务指标和股价数据。如下图所示，希望利用因子分析寻找商业银行业绩的主要因素。图9—48

14家银行的8项业绩指标第4节回归分析第4节回归分析一、一元线性回归分析二、多元线性回归分析一、一元线性回归分析（一）一元线性回归模型1、一元线性回归关系的形式2、回归模型的建立y=a+bx3、最小二乘法估计参数a、b第4节回归分析（二）回归模型的检验1、检验2、F检验第4节回归分析（三）一元线性回归在SPSS中的应用某超市注意到空啤酒瓶的回收价与回收率是有一定关系的，但只做了定性的了解，要研究它们的定量关系，需要对空啤酒瓶的回收价与回收率做回归分析。实验得到的空啤酒瓶的回收价与回收率数据如下表所示。预测X=25时，Y的值。回收价X（元/百只）182124273033回收率Y（%）30.434.735.535.637.539.4第4节回归分析二、多元线性回归分析多元线性回归分析的一般模型：第4节回归分析（一）多元线性回归分析1、最小二乘法估计参数a、（i=1，2，…，k）多元线性回归模型：第4节回归分析2、哑变量3、多元线性回归分析的复相关系数常用的调整公式：第4节回归分析4、多元线性回归分析检验1）整个回归方程的显著性检验2）方差齐性检验3）残差的正态性检验4）回归系数和常数项显著性的T检验5）共线性检验第4节回归分析（二）多元线性回归在SPSS中的应用已知某市共有23个电子企业，某年的统计报表资料如下表所示，Y为净产值，x1为全部职工人数，x2为全年工资总额(万元)，x3为流动资金平均余额(万元)，x4为全年利润总额(万元)，试分析Y与x1、x2、x3、x4的关系(做回归式)。第4节回归分析x1x2x3x4Yx1x2x3x4Y1912141.5528.1372.6678.9101611.80.33.62278181570.3180.2572.127815.229.72662.9102460.6275.0113.49203.51968.9260.315.5137097.1165.947.5246.320211.3624.968.2429.8743929.142.9673.91367.417.70.213.772955.5162.444.5202.922613.7425.0313.5841.2125010.023033.561.846225.16108.450.4353.16108961.9353130.1326.335522.527.34.961.329020.26115.948.953738.464.225.8106.633826.11085.475.81637.594.590.0810.5456127.650.812.4482894.410.60.58.931422.7745.655.149

第4节回归分析第5节聚类分析第5节聚类分析一、聚类分析概念二、聚类分析的应用（一）最短距离法——系统分类法举例（二）修订分类法——逐项分类法举例三、聚类分析的具体应用（一）两步聚类（二）快速聚类（三）分层聚类

本章要点回顾基本概念列联表分析方差分析因子分析