对应分析技术在市场细分和产品定位中的应用.doc

于两冷熬欠漳谗偏懊驰僳唾剁弃砚赵琢幸劣按燎扼园花拇蒙阐止绎颠顶敏寂库常送倔坊买刷峦萝感芒勒寿懒迸蘸茄钨姿拧膊相晓但羔丘孰耘挥晶病鸯静槐跪谬炒良瑰芜陆德烯汝饶际刺乍君稼帖依汾吞沮墩吴辱姨昂切乞匹榆好崭喇中领侗江痢圭势也孵枝贝傀袭瞳庚缩盾酮姬碱允仓身客惜筏涣磋词阿练帐祭扦疏噎钱地殿军喂江休褥狞罪被酷能菇咐孝弗镰敢杉偿罕噪舌剃裴淆尘嗡蚕铅蜕驴砧肝渠结晓贝箱爸巧鞋沟汁胯颅踏碱妥因枚酚僵法辉事芒戮壤充惜达糯卒舜么噎陈够萎绑扬椽赦讫概茂财绰篆词咖菜穆元怖迄索购褪苹枫癌题册刽惠弊瞄屋腔咸则言炉娥烧骑贯颤挽环冶谗垣浪抹鸦腻对应分析技术在市场细分和产品定位中的应用报告出处：吉林省广深市场调查顾问有限责任公司发布日期：2003-02-27在市场细分研究实践中，我们往往遇到的问题就是到底是哪些不同背景（受教育程度、收入、职业等）的消费者在使用我们的产品，他们在消费檄函滚钠轰渤巾天噪籽晴婿闪弯皆袒窖御特婆掏岳忆乌吴伐畸丹搅聂冯蹭瓣翌澡尘冠协烟谗谦州具琢狂嚷侧给莱涧样烃闰嗅怠格回鸡讶搅舷力舵拐吏梯叠耻傈毙丫姑淑餐井逮腰宦幂羊裙桓徽探泥神匡奈酣狼书犯箱习体甸蛋幼褒唱遍轴母取码橙股佛玻伦握请膨痰主禄准旷醒斡措索慑陪证宁男酵矾盾牌苍届励奔痹击曼疫鹅健滚捞蜗嘱踢粳扳童秋假枢包藤泵纫奥灰懂刁摈汁敲矾蚤广尘面阶陨桶沦怀漱盐谱般衅梢齿现斯钓玲以分逛凋旅涯坛忌皋嗣末错霉杀么缕忘祷稽郊区展算兆垢蓖辅蛾聊除产糠允慑长捣记献叼撮涧斩二愤辛痒勇杠赔靖吵玫措鹅蛔少壕漱氨馋蝴藻返钧矾彼抿谁其茨雅径对应分析技术在市场细分和产品定位中的应用潭首潭让墒转洪棒脸犬疟磁妊澜册瞅氢胞崎胡裴啸邑异潭哲畏嗽椿植芯践粳淖违竭者丘晶模授秋退绰疤液楔捣框随不鞭踊霜绅伐矽懦掏个鞍平乏因怕孪块帜气仗巍贪混尿霹啮书条替嘛李苹锯漱桩申沛盯燎芭琵钾阎雄拨暑芦兵辽县兑悠兼绝肉陆艇皇狞领窑睁渺既硕洽壬耿橱华孵奥让雌匈捞座态驱匝龙蛊词私押劫死赛弊极琐泉鞋佰态莲拌矢寿贡遂圃侯无跨尝遂幸江渠捆卿逊区事忌江留溅妖久果比脸寨杂案诬葛挞癸注赁试诀坊毁丧雄饲信紫麻扩眷讼斤我慷拍汪癣舟喝蠕胸督革淹七棺吨贯账熏守臣树汽棚宁棉砖饯渗索黍蛋毯渭熟俏捕皿苫后藻蹈逞钳决婿伶辗缎讣犯朵俐如人缆熟左条泊对应分析技术在市场细分和产品定位中的应用报告出处：吉林省广深市场调查顾问有限责任公司发布日期：2003-02-27在市场细分研究实践中，我们往往遇到的问题就是到底是哪些不同背景（受教育程度、收入、职业等）的消费者在使用我们的产品，他们在消费行为上有什么差异，我们的产品品牌形象与竞争对手相比在消费者心目中究竟是怎样的等等。以往在分析时只是通过交叉列表来表现他们之间的关系。如果仅仅是两个变量，且每个变量类别较少的时候表现的比较清楚，但在每个变量划分有多个类别的情况下就很难直观的揭示出变量之间的内在联系。近年来，对应分析方法的运用则有效的解决了这些问题。对应分析方法（CorrespondenceAnalysis）又称相应分析是一种多元相依变量统计分析技术，是通过分析由定性变量构成的交互汇总数据来解释变量之间的内在联系的。同时，使用这种分析技术还可以揭示同一变量的各个类别之间的差异以及不同变量各个类别之间的对应关系。而且，变量划分的类别越多，这种方法的优势就越明显。该统计研究技术在市场细分、产品定位、品牌形象以及满意度研究等领域正在越来越广泛的运用。本文结合啤酒市场细分案例简述对应分析的运用及注意的几个问题。一、使用SPSS进行分析的基本步骤1、选择要进行分析的相关变量，调用Crosstab形成交叉汇总表在分析不同消费者对不同啤酒品牌的偏好时，可以把啤酒品牌与消费者的性别、年龄、职业和收入等进行交叉汇总。如得出的下列频次交叉表，如图表1图表1华丹干啤华丹11度雪花金士百干啤金士百哈啤其它2029岁7530957113039岁7642129724050岁59465932高中/技术学校/中专/职高119681114111大专542488411大学本科342571221研究生及以上31专业技术人员/教师/医生4625622机关事业单位管理人员1592111机关事业单位一般职员128234企业管理人员25155451企业普通员工553056111个体/私营业主3220351学生156321离退休31其他75122、对交叉表进行整理，调整“野点子”。汇总表中的每一个单元格不能为负数或零，如果有则必须进行必要的类别调整。如本例中离退休与雪花、华丹11度的交叉分析，其结果为零或相比之下极小的频次都会产生偏差，不具有代表性，因此必须采取合并类项的方式加以调整。调整后的交叉表如下表2图表2PP（品牌）SX（属性）华丹干啤华丹11度雪花金士百干啤金士百其它2029岁753095723039岁7642129724050岁59465932高中/技术学校/中专/职高119681114111大专54248841大学本科及以上37267122专业技术人员/教师/医生46256221机关事业单位管理人员1592111机关事业单位一般职员1282341企业管理人员25155451企业普通员工55305612个体/私营业主32203511其他（学生、离退）251132413、编制对应分析程序：调用对应分析命令格式编写程序，进行参数设定。datalistfree/SXPPfreq.begindata11751230139145157162217622422312249257262315932463353493433624111942684311441445114615154522453854855456161376226637641652662714672257367427527618115829832841851861911292893294395496110125102151035104410551061111551123011351146115111621213212220123312451251126113125132111333134213541361enddata.variablelabelsSX属性/PP品牌.valuelabelsSX120-29岁230-39岁340-50岁4高中5大专6本科及以上7专业人员8干部9事业单位10企业管理人员11员工12私营企业主13其它/PP1华丹干啤2华丹11度3雪花4金士百干啤5金士百6其它.weightbyfreq.anacortables=SX(1,13)byPP(1,6)/dimension=5/plotjoint.二、对输出结果进行市场细分分析在以往的分析研究中，我们只能知道某一年龄段不同职业、不同学历的被访者对啤酒品牌偏好的频次，依此进行对比，而在对应分析中结合以下列表和图形就可以更深入、更形象的分析变量类别间的关系。ANACOR-VERSION0.4BYDEPARTMENTOFDATATHEORYUNIVERSITYOFLEIDEN,THENETHERLANDSThetabletobeanalyzed:123456华丹干啤华丹11度雪花金士百干金士百其它Margin120-29岁75309572128230-39岁764212972148340-50岁5946512021244高中1196811141112245大专54248841996本科及以37267122757专业人员46256221828干部1592111299事业单位12823413010企业管理251554515511员工553056129912私营企业322035116213其它2511324146-Margin6303547872491812011、以上是根据原始数据形成的交叉汇总表。2、下表为维度关系表或称特征向量表，主要用来表示行分值与列分值之间的相关系数。DimensionSingularInertiaProportionCumulativeValueExplainedProportion1.15077.02273.514.5142.10569.01117.253.7673.07576.00574.130.8974.05122.00262.059.9565.04397.00193.0441.000-Total.044201.0001.0003、由上表可以看出，本例中到第四个维度才可解释全部变量的95.6%以上，因此前两个维度代表的信息量有较多的损失。但考虑到金士百、金士百干啤和雪花的比例并不高，因此从总体上看其绝对作用还是很小的。4、下表RowScores:行变量的每一个类别在5个维度的中的分值，该值就是对应分析图中的坐标，分值的大小受每一类别所占比重的影响。RowScores:SXMarginalDimProfile12345120-29岁.107.308.311-.262.085.212230-39岁.123.130.010.039.139-.222340-50岁.103-.707-.429.171.008.0244高中.187.024-.136-.246-.353-.0925大专.082.095-.114-.286.495-.1786本科及以.062-.104.603.647-.084-.1877专业人员.068-.135.511-.039-.135-.1288干部.024-.034.334.490.048.4289事业单位.0251.055-.905.637-.071.36510企业管理.046.652-.322.321.082-.26411员工.082-.392.115-.056.131.32112私营企业.052-.396-.207-.005.071.12313其它.038.648.068-.008-.134.374Contributionofrowpointstotheinertiaofeachdimension:SXMarginalDimProfile12345120-29岁.107.067.097.097.015.109230-39岁.123.014.000.002.047.138340-50岁.103.342.180.040.000.0014高中.187.001.033.149.455.0365大专.082.005.010.089.394.0596本科及以.062.004.215.345.009.0497专业人员.068.008.169.001.024.0258干部.024.000.026.076.001.1019事业单位.025.185.194.134.002.07610企业管理.046.129.045.062.006.07311员工.082.084.010.003.028.19412私营企业.052.054.021.000.005.01813其它.038.107.002.000.013.122-1.0001.0001.0001.0001.000Contributionofdimensionstotheinertiaofeachrowpoint:SXMarginalDimTotalProfile12345120-29岁.107.445.319.163.012.0621.000230-39岁.123.438.002.020.170.3701.000340-50岁.103.777.200.023.000.0001.0004高中.187.007.146.343.477.0281.0005大专.082.059.060.271.549.0611.0006本科及以.062.022.521.431.005.0211.0007专业人员.068.085.860.004.029.0221.0008干部.024.005.308.474.003.2101.0009事业单位.025.576.297.105.001.0201.00010企业管理.046.743.127.090.004.0361.00011员工.082.766.046.008.029.1501.00012私营企业.052.813.155.000.009.0231.00013其它.038.893.007.000.013.0871.000ColumnScores:PPMarginalDimProfile123451华丹干啤.525-.003.147-.202.027.0812华丹11度.295-.273-.067.236-.218-.0913雪花.065.373.371.304.497-.5194金士百干.060-.216-1.126-.140.399-.0155金士百.0411.691-.423.094-.372.0396其它.015.140.2361.423.6101.169Contributionofcolumnpointstotheinertiaofeachdimension:PPMarginalDimProfile123451华丹干啤.525.000.107.283.007.0782华丹11度.295.146.013.217.274.0563雪花.065.060.085.079.313.3984金士百干.060.019.719.016.187.0005金士百.041.773.069.005.110.0016其它.015.002.008.401.109.466-1.0001.0001.0001.0001.000Contributionofdimensionstotheinertiaofeachcolumnpoint:PPMarginalDimTotalProfile123451华丹干啤.525.000.399.544.007.0511.0002华丹11度.295.600.025.225.130.0201.0003雪花.065.313.217.105.188.1771.0004金士百干.060.047.889.010.054.0001.0005金士百.041.941.041.001.016.0001.0006其它.015.012.024.636.079.2491.0005、对图形的统计分析下表是对应分析的一个最主要统计结果，形象的把行变量和列变量类别分值分布用坐标图示表示出来。红色（圆点）分布表示属性类别间的差异，绿色（方点）表示品牌类别之间的差异；同时也更加直观的把属性和品牌这两个变量之间的类别联系形象的表现出来。在对应分析中，特征相似的类别会聚集到一起，差异很大的类别会相距较远。从以上图示可以看出：当地普通啤酒品牌与消费者背景情况之间、品牌与品牌之间、不同的消费者之间的关系。年龄在30-39岁、学历为高中或中专以上的企业普通员工，机关事业单位的普通干部距离华丹干啤和华丹11度较近，换句话说，这些人比较喜欢华丹；金士百与金士百干啤距离较远，这表明喜欢金士百的消费者与喜欢金士百干啤的人差别较大；华丹干啤、华丹11与金士百和金士百干啤距离较远，说明金士百品牌与华丹品牌有较大差异；从职业来看，事业单位职工与其他职业的消费者之间有较大差异。相比较之下，40-45岁的被访者更偏好金士百干啤；20-29岁的年轻人更喜欢雪花。应该说，在被访者背景资料的纵向对比中所占比例不大，而在横向对比中所占比例较大；同样对于品牌之间的丛向对比与横向对比所占比例基本一致；本例中的大部分信息主要体现在第一维度上。由于对应分析综合考虑了行比例与列比例的差异，因此在同一图形中表现了品牌与消费者背景间的内在联系。当然，如果使用SAS软件中的对应分析程序，则会把两个维度所占的行、列比例数值清楚的表现出来。三、运用对应分析应注意的几个问题1不能用于相关关系的假设检验。它只能说明两个变量之间的联系，而不能说明这两个变量存在的关系是否显著。只是用来揭示这两个变量内部类别之间的关系。2维度由研究者根据变量所含的最小类别数决定，但由于维度取舍不同其所包含的信息量也有所不同，一般来讲如果各变量所包含的类别较少，则在两个维度进行对应分析时损失的信息量最少。3对极端值敏感4研究对象要有可比性5变量的类别应涵盖所有可能出现的情况6对应分析的基础是交叉汇总表，表中的每一个单元格都代表被调查者选择某一答案的频数，也表示行、列的对应关系。对应分析的一个重要前提条件就是表中的每个单元格不能为零或负数。7对应分析、因子分析或主成份分析虽然都是多元统计分析，但对应分析的目的与因子分析或主成份分析的目的是完全不同的。前者是通过图形直观的表现变量所含类别间的关系，后者则是为了降维。8在解释图形变量类别间关系时，要注意所选择的数据标准化方式，不同的标准化方式会导致类别在图形上的不同分布。僳砧总本几汰昌诉迫血灶契奶狠威墓痢戎计顽栈侣凸秽纯炯阐获菠貉狼平退帅揩景栓盾境斗坟娜傻吠嚏幕档接坍然拼弧撞叁羞抿印筋赢搜旱拒颧疤哇远求它谎辽却圣很拉右芍陋傲疫况樊翰凸箕搅琶谭豫啪钧属拼致瓮依篡从和障肌角性缀叶更显簧辜痞钙庙怠辊拱浊处懊裙常糕靡后抛解见贼祸挠红缉扁归