市场研究的最新数据分析方法.ppt

1、、第15章市场研究的资料分析方法、Chapter 15 Analysis Methods of Market Research Data、Teaching content介绍了以下五种茄子资料分析方法在市场研究中的具体应用。聚类分析(Cluster Analysis)、聚类分析的基本思路：根据样本本身的属性，使用数学方法根据一些相似性或差异指标定量确定样本之间的亲缘关系，并根据这些亲缘关系程度对样本进行聚类。聚类分析分类、聚类分析、示例群集(q型群集)、变量群集(r型群集)、示例群集：事件群集或观察群集；示例变量群集：根据反映事物特征的变量较多时所研究的问题，将群集分析的“统计信息”(Stat

2、istics of Clustering Analysis)、x1x2xn设置为n个分类特征指标，xik表示第I个示例的第k个指标值。要对样品(或变量)进行分类，首先必须引入表示样品间相似性的测量。这称为群集统计信息。常用集群统计信息、匹配因子、距离、类似因子、1匹配因子，如果分类指示符是类别度量，则通常使用匹配因子作为集群统计信息。在第一个样品和第一个样品的匹配系数中，匹配系数越大，表示两个样品越相似，应分类为同一类别。、2距离、3相似系数、聚类分析方法(Method of Cluster Analysis)和聚类分析方法中最常用的两种茄子类型是分层群集方法和递归群集方法。分层聚类方法可分为

3、两种茄子：聚集和分解方法、分层聚类方法、迭代聚类方法、聚集方法、分解方法、分层聚类方法、聚集方法步骤、迭代聚类方法、分层聚类方法集群过程中样本杨怡较多时，会占用大量电脑记忆体空间，需要很长时间。迭代聚类法克服了层次聚类法的两个茄子缺点。具有占用电脑记忆体空间的小、快优点，适用于大样本的聚类分析。电脑记忆体空间小，速度快，迭代聚类方法的聚类过程的基本思想首先指定聚类数，对样本进行首次分类，计算每个类的中心，计算从每个采样点到每个类型中心的距离，调整采样点的分类，将每个采样点分类为离中心最近的类别，反复计算每个类的中心。确定群集分析的基本阶段、相似性度量、群集变量选择、群集、群集结果的解释和确认、

4、关联性标记形成的类数，验证和解释结果，以确保群集解决方案可靠。以集群结果和集群变量为轴，可以证明研究对象的基本设置图表、集群分析的假设和限制第二，理论上将目标合并为一类是有道理的。其局限性主要在于很难评价聚类分析的质量。不能使用标准统计检查，所以不能保证输出完全不是偶然事件。集群基准指标值、输出结果的合理性和分割样本的可靠性检查都提供了有用的检查信息，但是很难准确地知道哪些类别非常相似，哪些对象难以分配给类别。案例15.1，想根据价钱，质量对徐璐其他品牌的计算机进行分类。其中质量以百分位数测量，以质量度量表示。有的电脑便宜，有的电脑性能差，价格贵，消费者可以做出购买决定。以下是对几家大型卖场的

5、13个茄子其他品牌的电脑进行了价钱质量测量。得到的平均数据见表15-1。表15-1利用各牌子计算机的价钱质量数据、统计软件SPSS进行Q型群集分析，可以获得系谱图。将13个品牌的其他计算机分为4个茄子类别，可以看到系谱图。第一个类别是6。第二类是1，8，4，价格高，质量好的计算机。第三类为2，7，10，价格高，质量低的计算机。第四类为5，13，11，属于价格低、质量差的计算机。系数分析，系数分析的基本思想，其核心思想是将观察到的变量分类，关联性高的话，将比较密切的变量划分为同一类别。因素分析是研究以最小的信息损失将许多观测变量浓缩为少数因素的方法。在市场研究中，研究人员将面临很多变量和复杂的多

6、维关系结构，为了进一步的研究分析，数据简化密不可分。研究人员可以使用元素分析来定义、解释和表示许多远视变量中包含的潜在结构或关系，使用少量具有代表性的元素集不仅可以降低分析难度，还可以更好地表示原始结构，有系数分析的基本模型(Basic Model of Factor Analysis)，n个观察变量。其中，如果是具有0平均单位方差的标准化变量，则系数模型的正则表达式格式为，(1)。这称为公用系数，是每个观测变数的特殊系数(2)，是每个观测变数唯一的系数。相当于多元回归中的残差。也就是说，变量不能解析为公共元素的部分(3)称为系数负荷。第一个观测变量的第一个公共系数的负荷。与多元回归分析的标准

7、回归系数相同。因子分析的基本步骤、问题定义、初步研究设计、构建相关矩阵、确定因子分析方法、确定因子数、旋转因子、因子分析的有效性评估、因子分析结果的进一步应用、因子分析的假设和限制因子分析的最大局限性是因子分析的过程具有较强的主观性。系数数的确定，对其意义的解释，选择的旋转方法都要使用分析师的主观判断。对应分析(Correspondence Analysis)、对应分析的基本思想对应分析是以R型和Q型系数分析为基础开发的多元统计方法(也称为R-Q型系数分析)。通过对包含定性变量的2D交互摘要表中的频率分析，表示变量与其类别之间的连接。，对应分析的基本阶段，确定研究内容，获取数据，对列联合表进行

8、对应分析，解释分析结果，评估分析结果，多维首选项分析，多维偏好分析的基本思路其基本思想和方法是根据指标之间的相关信息，从众多指标中提取多种茄子综合成分，代表原来的众多指标。特别是，通过将每个主要组件表示为每个原始指标的线性组合，使这些主要组件最大限度地反映原始指标的信息量，并通过确保每个主要组件不徐璐相关，实现减少指标之间信息重叠的目的。多维偏好分析的基本阶段(basic steps of multi dimensional preference analysis)，主成分分析，数据收集，建立关联性地图，解释结果的含义，确定研究问题，评估分析结果，联合分析的基本思路是根据几个茄子实际产品的属性和每个属性的特定级别配置各种假设产品，然后要求消费者对这些产品进行排序或评分，并使用统计技术处理排序或评分结果，以估计每个属性级别的“有用性值”，这是联合分析的基本模型a是截稿。Bij是第I个属性的j级实用程序值或贡献度。Ki表示第I个属性的级别。m表示属性数。Xij徐璐表示其他属性级别的虚拟变量。出现第I个属性的第j级时，xij的值为1，其他情况下，xij的值为0。U(x)是整个轮廓的总效果。协作分析的基本阶段，确定产品模拟、产品或服务的属性和属性级别，收集数据，确定研究对象，属性