产品设计市场数据分析.doc

实验项目（课题）教学实施方案实验四第 12 周 星期 五 第5，6节授课日期 实验项目（课题名称）：市场调查数据分析处理计划学时：4实验类别：1.演示型 2.验证型 3.综合型 4.设计性 5.其它一、实践目的：让学生掌握用SPSS软件对市场数据进行联合分析，因子分析处理。二、实践要求： 各小组调查数据，进行分析，并完善市场调查报告撰写。三、场地要求： 机房，安装SPSS软件。四、实践步骤(一)、SPSS因子分析 录入数据定义变量“A1”、“A2”、“A3”、“A5”、“A6”、“A7”、“A8”、“A9”、“A10”，并按照表 输入数据，如图所示。 因素分析（1）选择“AnalyzeData ReductionFactor”命令，弹出“Factor Analyze”对话框，将变量“A1”到“A10”选入“Variables”框中,如图所示。（2）设置描述性统计量单击图对话框中的“Descriptives”按钮，弹出“Factor Analyze:Descriptives”（因素分析：描述性统计量）对话框。 “Statistics”（统计量）对话框A “Univariate descriptives”（单变量描述性统计量）：显示每一题项的平均数、标准差。B “Initial solution”（未转轴之统计量）：显示因素分析未转轴前之共同性、特征值、变异数百分比及累积百分比。 “Correlation Matric”（相关矩阵）选项框A “Coefficients”（系数）：显示题项的相关矩阵B “Significance levels”（显著水准）：求出前述相关矩阵地显著水准。C “Determinant”（行列式）：求出前述相关矩阵地行列式值。D “KMO and Bartletts test of sphericity”（KMO与Bartlett的球形检定）：显示KMO抽样适当性参数与Bartletts的球形检定。E “Inverse”（倒数模式）：求出相关矩阵的反矩阵。F “Reproduced”（重制的）：显示重制相关矩阵，上三角形矩阵代表残差值；而主对角线及下三角形代表相关系数。G “Anti-image”（反映像）：求出反映像的共变量及相关矩阵。在本例中，选择“Initial solution”与“KMO and Bartletts test of sphericity”二项，单击“Continue”按钮确定。（3）设置对因素的抽取选项单击“Extraction”按钮，弹出“Factor Analyze:Extraction”（因素分析：抽取）对话框， “Method”（方法）选项框：下拉式选项内有其中抽取因素的方法：A “Principal components”法：主成份分析法抽取因素，此为SPSS默认方法。B “Unweighted least squares”法：未加权最小平方法。C “Generalized least square”法：一般化最小平方法。D “Maximum likelihood”法：最大概似法。E “Principal-axis factoring”法：主轴法。F “Alpha factoring”法：因素抽取法。G “Image factoring”法：映像因素抽取法。 “Analyze”（分析）选项框A “Correlation matrix”（相关矩阵）：以相关矩阵来抽取因素B “Covariance matrix”（共变异数矩阵）：以共变量矩阵来抽取因素。 “Display”（显示）选项框A “Unrotated factor solution”（未旋转因子解）：显示未转轴时因素负荷量、特征值及共同性。B “Scree plot”（陡坡图）：显示陡坡图。 “Extract”（抽取）选项框A“Eigenvalues over”（特征值）：后面的空格默认为1，表示因素抽取时，只抽取特征值大于1者，使用者可随意输入0至变量总数之间的值。B“Number of factors”（因子个数）：选取此项时，后面的空格内输入限定的因素个数。设置因素抽取方法为“Principal components”，选取“Correlation matrix”、“Unrotated factor solution”、“Principal components”选项，在抽取因素时限定在特征值大于1者，即SPSS的默认选项。单击“Continue”按钮确定。（4）设置因素转轴单击“Rotation”按钮，弹出“Factor Analyze:Rotation”（因素分析：旋转）对话框。 “Method”（方法）选项方框内六种因素转轴方法：A “None”：不需要转轴B “Varimax”：最大变异法，属正交转轴法之一。C “Quartimax”：四次方最大值法，属正交转轴法之一。D “Equamax”：相等最大值法，属正交转轴法之一。E “Direct Oblimin”：直接斜交转轴法，属斜交转轴法之一。F “Promax”：Promax转轴法，属斜交转轴法之一。 “Display”（显示）选项框：A “Rotated solution”（转轴后的解）：显示转轴后的相关信息，正交转轴显示因素组型矩阵及因素转换矩阵；斜交转轴则显示因素组型、因素结构矩阵与因素相关矩阵。B “Loading plots”（因子负荷量）：绘出因素的散步图。 “Maximum Iterations for Convergence”：转轴时之行的叠代最多次数，后面默认得数字为25，表示算法之行转轴时，执行步骤的次数上限。选择“Varimax”、“Rotated solution”二项。研究者要选择“Rotated solution”选项，才能显示转轴后的相关信息。单击“Continue”按钮确定。（5）设置因素分数 “Save as variable”（因素存储变量）框勾选时可将新建立的因素分数存储至数据文件中，并产生新的变量名称（默认为fact_1、fact_2、fact_3、fact_4等）。在“Method”框中表示计算因素分数的方法有三种：A “Regression”：使用回归法。B “Bartlett”：使用Bartlette法C “Anderson-Robin”：使用Anderson-Robin法。 “Display factor coefficient matrix”（显示因素分数系数矩阵）选项勾选时可显示因数分数系数矩阵。（6）设置因素分析的选项 结果分析（1）KMO及Bartlett检验如图所示，显示KMO及Bartlett检验结果。KMO是Kaiser-Meyer-Olkin的取样适当性量数，当KMO值愈大时，表示变量间的共同因素愈多，愈适合进行因素分析，根据专家 Kaiser（1974）观点，如果KMO的值小于0.5时，较不宜进行因素分析，此处的KMO值为0.695，表示适合因素分析。（2）共同性如下图所示，显示因素间的共同性结果。共同性中显示抽取方法为主成份分析法，最右边一栏为题项的共同性（3）陡坡图如图所示，显示因素的陡坡图。从陡坡图中，可以看出从第三个因素以后，坡线甚为平坦，因而以保留3个因素较为适宜。（4）整体解释的变异数未转轴前的数据如图所示，显示的是未转轴前整体解释的变异数从图中可以看出，左边10个成份因素的特征值总和等于10。解释变异量为特征值除以题项数，如第一个特征值得解释变异量为6.35810 63.579。将左边10个成份的特征值大于1的列于右边。特征值大于1的共有三个，这也是因素分析时所抽出的共同因素数。由于特征值是由大到小排列，所以第一个共同因素的解释变异量通常是最大者，其次是第二个1.547，再是第三个1.032。转轴后的特征值为4.389、3.137、1.411，解释变异量为43.885、31.372、14.108，累积的解释变异量为43.885、75.257、89.366。转轴后的特征值不同于转轴前的特征值。（5）未转轴的因素矩阵如图所示，显示的是未转轴的因素矩阵.从图中可以看出，有3个因素被抽取，并且因素负荷量小于0.1的未被显示（6）转轴后的因素矩阵如图所示，显示了转轴后的因素矩阵。从图中可以看出A1、A8、A6、A5、A4为因素一，A10、A9、A7为因素二，A3、A2为因素三。题项在其所属的因素层面顺序是按照因素负荷量的高低排列。（7）因素转换矩阵如图所示，显示了因素转换矩阵。它是在“Factor Analysis:Rotation”对话框中“Display”选项框中选择“Rotated Solution”选项框以后生成该表。 结果说明根据因素的特征值和旋转后的因素矩阵，采用了主成份分析法抽取出3个因素作为共同因素，并使用因素转轴方 法中的Varimax最大变异法，转轴后去掉了因素负荷量小于0.1的的系数，按照从大到小的顺序进行排列，使得变量与因素的关系豁然明了。转轴后的特征值为4.389、3.137、1.411，解释变异量为43.885、31.372、14.108，累积的解释变异量为43.885、75.257、89.366。转轴后的特征值不同于转轴前的特征值。（二）、SPSS联合分析1、偏好调查问卷设计2、用正交设计法对虚拟产品进行模拟3、ORTHOGONAL Design 模块对产品进行正交设计 采用正交设计的方法将这些特征与特征水平进行组合 生成一系列的虚拟产品 正交设计是SPSS软件包中的一个功能模块 可以直接生成具有代表性的产品水平组合生成部分因子计划文件的过程如下：(1) 进入计划文件生成菜单 Data Orthogonal Design Generate (2) 定义各属性及标签,在Factor Name中填入Brand 在Factor Lable中填入 产品的品牌种类 然后按Add按钮加入该属性的属性水平 (3) 开始定义属性水平 按Define Value进行属性水平定义 (4)完成属性水平定义 对Brand属性水平进行定义 按Continue按钮继续其他属性水平定义。(5)生成计划文件 定义完所有属性水平后 点击File按钮 输入存储路径与文件名 完成后SPSS会告诉你 A plan was successfully generated (6)最后形成计划文件E 正交设计结果.sav 4、数据收集5、群体调查结果分析 进行群体分析 首先需要建立SYNTAX文件 其主要作用是 通过编辑程序并运行，利用SPSS的Category模块来完成联合分析的任务 所需的SYNTAX的程序文件下所示。详细操作可见视频文件。小结：本次实践的核心目的是让学生学会用因子分析或联合分析方法对调研的市场数据进行分析处理。并完善市场调研报告。学生完成的实验报告，和市场调查报告。实验项目（课题）教学实施方案实验五第 12 周 星期 五 第7，8节授课日期 实验项目（课题名称）：顾客需求转换计划学时：4实验类别：1.演示型 2.验证型 3.综合型 4.设计性 5.其它一、实践目的：让学生掌握用HOQ的操作使用。二、实践要求： 根据调查结果确定确定相应的各项设计要求。三、场地要求： 机房。四、实践原理（一） 顾客需求与技术要求之间的关系矩阵的获取质量屋的房间用于记录顾客需求与技术要求（工程措施）之间的关系矩阵，其取值rij代表第i项顾客需求与第j项技术要求的关系度。rij的获取有三种方法：比例分配法、独立配点法和直接赋值法。比例分配法在质量屋的房间中用符号来表示顾客需求与技术要求之间的关系度时，表示强相关，表示相关、表示弱相关、空白表示为不相关。该方法将进行数值化，将顾客需求项的重要度总和根据的数值大小，按比例进行分配。比例分配法的优点是求得的数值结果直接就是百分比的形式。例如将汽车通过性好的重要度4对符号用比例分配法按3:2:1的比例进行分配，那么对应的rij为1.5、对应的rij为1.0、如表1所示。表1用比例分配法的rij的计算顾客需求技术要求最大爬坡度最小转弯半径最小离地间隙重要度通过性好4/1.5/1.5/1 独立配点法 比例分配法中质量需求项目的数目和分布会影响技术要求重要度的算出结果，由于将顾客需求重要度按对应关系的比例进行分配，如果横向的数目多，那么，纵向的重要度就会产生过小评价。相反如果符号只有一个时，顾客需求重要度就会直接变换给某一个技术要求。独立配点法能改进这种过大或过小的评价问题。它是将顾客需求重要度直接与的数值相乘。的数值一般用:=5:3:1。有时也用4:2:1或3:2:1例如将汽车通过性好的重要度4对符号用独立配点法按3:2:1的比例进行分配，那么对应的rij为12、对应的rij为8、对应的rij为4、如表6.2所示。表6.2 用独立配点法的rij的计算顾客需求技术要求最大爬坡度最小转弯半径最小离地间隙重要度通过性好4/12/12/8 直接赋值法rij可以直接采用1、3、5、7、9等关系度等级予以赋值，赋值可以参照下面的标准实行。1：表示该交点所对应的技术要求和顾客需求有微弱的关系；3：表示该交点所对应的技术要求和顾客需求有一定的关系；5：表示该交点所对应的技术要求和顾客需求存在比较密切的关系；7：表示该交点所对应的技术要求和顾客需求存在密切的关系；9：表示该交点所对应的技术要求和顾客需求存在非常密切的关系。根据实际情况，必要时也可采用中间等级（比如介于1和3之间的2），有时也可只采用1、3、9三个关系度等级。（二）技术要求的权重技术要求的重要度一般就是指加权后的技术要求的权重h