统计方法手册ppt课件.ppt

技术工具应用手册 1 总目录 因子分析 Factoranalysis 聚类分析 Clusteranalysis 对应分析 Correspondenceanalysis 联合分析 Conjointanalysis 多元回归分析 MultipleLinearregressionsanalysis 逻辑回归分析 Logisticanalysis 判别分析 Discriminateanalysis 2 目录 因子分析 Factoranalysis 因子分析的关键点因子分析应用的领域和解决的典型问题问卷设计形式案例演示聚类分析 Clusteranalysis 对应分析 Correspondenceanalysis 联合分析 Conjointanalysis 多元回归分析 MultipleLinearregressionsanalysis 逻辑回归分析 Logisticanalysis 判别分析 Discriminateanalysis 3 因子分析的关键点 因子分析是什么 因子分析是将多个实测变量转换为少数几个不相关的综合指标 因子 的多元统计方法 因子分析能做什么 浓缩和提炼数据 以较少的几个因子反映原资料的大部分信息 寻求数据的基本结构 从原始数据中提取的几个因子分别从不同侧面反映某个事物 4 因子分析的关键点 因子分析在市场研究领域应用的意义 在市场研究中往往会选择多个变量来描述某个事物 如果直接对观测变量进行分析就会增加问题分析的复杂性 而且分析结果的经济意义往往也难以解释 利用因子分析方法从若干观测变量中提取几个因子 再对提取的因子做进一步的分析可以使结果更加清晰 也更易于解释 5 应用领域和解决的典型问题 因子分析在市场研究领域应用的越来越广泛 作为一种比较高级的统计分析技术 因子分析的结果不但可以直接揭示某些隐含的信息 还可以为其他很多分析提供支持 因子分析 聚类分析市场细分通过对提取的因子做聚类分析将受访者分成不同的人群考察不同人群在人口 社会 经济学等方面的特征 为客户提供细分市场潜在用户的全方位信息 为客户在目标市场大展鸿图指明方向市场细分能够帮助客户寻找并描述自己的目标市场 由于目标市场与普通市场相比有更多的收益潜力 因此市场细分的研究意义重大 6 应用领域和解决的典型问题 因子分析 回归分析满意度研究满意度研究需要设计变量数目众多 层次分明的满意度指标体系 为了使满意度研究问卷设计的合理 更科学 必须在满意度研究的预调查阶段对指标设置的合理性进行检验进行因子分析可以发现哪些指标是可以从指标体系中剔除的 也可以考察指标的设置是否满足了设计初衷 即指标的分类是否合理 根据因子分析的结果可以提取一些关键的指标进行竞争对手之间的比较 做到有的放矢通过对提取的因子进行多元回归分析能够在调查之初发现满意度研究的哪个环节是需要关注的重点 7 应用领域和解决的典型问题 因子分析 知觉图品牌研究因子分析可以从研究品牌形象的诸多软性和硬性的特性中浓缩和提炼的出少数几个综合因素 使得品牌形象更加鲜明 独树一帜因子分析的结果可以用定位图的方式呈现在品牌形象研究方面 定性研究的方法应用的比较早也相对成熟 但是随着统计学的发展同时也为了适应市场研究领域不断提出的更新要求 定量研究的方法越来越多的应用在了品牌研究方面 8 应用领域和解决的典型问题 因子分析 相关性忠诚度研究因子分析可以从满意度研究的诸多因素中浓缩和提炼出几个互不相关的综合指标 它们反映了满意度研究不同侧面的内容 同时也涵盖了原有指标的大部分信息把提取的因子和忠诚度的有关指标进行相关性的研究 我们可以发现那些有助于提高用户忠诚度的关键所在 从而使客户的工作更具有目标性 继续使用 增加使用 推荐使用 是体现用户忠诚度的三个由低到高的层次 不同层次的忠诚表现会给企业增加不同程度的收益 因此忠诚度研究日益成为客户关注的问题之一 从而发现究竟是哪些因素影响了用户对某种产品或服务的忠诚度 成了市场研究领域的又一个目标 9 问卷设计形式 因子分析要求变量为等距变量 影响购买某种药品的因素 10 案例演示 阅读提示 所演示的案例以上页的问题为基础 通过因子分析可以把原始变量浓缩为5个因子 因子1 广告和促销的影响因子2 周围人和朋友的影响因子3 疾病自身因子4 医生的影响因子5 报销手段的影响 11 案例演示 通过因子分析还可以进行地区间的比较 如左图从图中可以看出 广告和促销 医生及报销手段对上海人的影响明显高于对北京人的影响相应的 周围人和朋友及疾病自身的情况对北京人的影响又明显高于对上海人的影响 因子1 广告和促销的影响因子2 周围人和朋友的影响因子3 疾病自身因子4 医生的影响因子5 报销手段的影响 12 目录 因子分析 Factoranalysis 聚类分析 Clusteranalysis 聚类分析的关键点名词解释聚类分析应用的领域和解决的典型问题问卷设计形式及案例演示对应分析 Correspondenceanalysis 联合分析 Conjointanalysis 多元回归分析 MultipleLinearregressionsanalysis 逻辑回归分析 Logisticanalysis 判别分析 Discriminateanalysis 13 聚类分析的关键点 无论是在自然科学领域还是市场研究领域 聚类分析的关键点通俗的讲就是 物以类聚 相似相融 聚类分析能够把性质相似的属性或事物凝聚在一起 而与性质差异较大的属性或事物 保持距离 物以类聚 相似相融 14 名词解释 聚类分析是根据事物彼此不同的属性进行辨认 将具有相似性的事物聚为一类 使得同一类的事物具有高度的相似性 不同类的事物之间具有很大的差异性聚类分析根据分类对象的不同分为 样本聚类和变量聚类样本聚类 对Case进行聚类变量聚类 对Variable进行聚类 样本聚类 变量聚类 15 样本聚类的应用领域 样本聚类 市场细分 在市场研究领域 样本聚类分析主要应用的方面是帮助我们寻找目标消费群体 划分出产品的细分市场通过样本聚类可以描述出各细分市场的人群特征 有针对性的对细分市场的购买者行为进行研究 以便于客户有针对性的对目标消费群体施加影响 合理地开展工作可以帮助客户刻画市场空白点和机会点 从而选择产品试销市场 制定竞争策略 16 样本聚类的应用领域 根据不同需要划分同类产品 案例 将威士忌酒进行分类的一种比较传统的方式是按照威士忌酒的产地划分 但是知道了酒的产地却并不能知道她的味道 同一产地的酒往往有不同的味道聚类分析解决了这个问题 它将不同产地的威士忌酒按照不同的品味进行了分类 如果你是个品酒的新手 聚类分析的结果可以告诉你哪些酒的味道是相似的 如果你是威士忌酒的收藏者 聚类分析的结果可以帮助你扩大收集相同或不同味道的酒 17 变量聚类 Q14 Q17 Q16 Q18 IIQ19 Q20 IIQ15 IQ27 Q28 IQ26 IQ24 IIQ25 Q29 IQ30 Q22 IQ23 Q21 变量聚类树形图 变量聚类与因子分析的不同之处在于 变量聚类中可以很清楚的看出某个变量与其他哪些变量的相似性比较大 与哪些变量凝聚成了一类 18 变量聚类的应用领域 变量聚类 满意度研究 在满意度研究中 变量聚类可以帮助研究员划分基础指标的类别 明确每一个被考察的商业流程是由哪些基础指标组成的结合多元回归分析还可以判断所分的类别是否合理通过变量聚类也可以在满意度研究的预调查阶段检验基础指标的设置是否合理 从而保障满意度研究整体的有效性和准确性 19 变量聚类的应用领域 变量聚类 竞争对手研究 运用聚类分析对市场进行细分 可以了解各品牌在不同细分市场彼此之间的关系 如右图 10个品牌按照一定的原则被分组 从分组的情况中我们可以发现品牌之间关系的远近 它在一定程度上代表了品牌之间的竞争关系 20 问卷设计形式 参与聚类分析的变量必须是数值型变量 而且至少有一个北京申办2008年奥运会民意测验 21 案例演示 阅读提示 所演示的案例以上页的问题为基础 首选应用因子分析从12个测试点中提取了几个因子 如经济意识 民族意识等我们利用提取出的因子将市民用聚类分析的方法分离出两类人群 并进一步分别研究这两类人对申奥的态度 两类人的特点 绝对支持者 男性比较多平时非常关心体育新闻经常参加体育活动非常喜欢看奥运会比赛 相对顾虑者 女性比较多平时不太关心体育新闻不参加体育活动者较多比较喜欢看奥运会比赛 22 目录 因子分析 Factoranalysis 聚类分析 Clusteranalysis 对应分析 Correspondenceanalysis 对应分析的关键点对应分析应用的领域和解决的典型问题对应分析的优势和不足问卷设计形式及案例演示联合分析 Conjointanalysis 多元回归分析 MultipleLinearregressionsanalysis 逻辑回归分析 Logisticanalysis 判别分析 Discriminateanalysis 23 对应分析的关键点 Correspondence 相当 符合 一致 对应分析 CorrespondenceAnalysis 是一种用来研究变量与变量之间联系紧密程度的研究技术对应分析的结果通常以知觉图 Mapping图 的方式展示 生动而清晰 24 应用领域和解决的典型问题 品牌研究是对应分析应用的最为广泛的一个市场研究领域对应分析将品牌和与品牌相关的若干属性和特征同时考察并在一张知觉图中同时体现 不但可以发现品牌之间在不同属性方面的差异 也可以明确竞争品牌的优劣势可以帮助客户及时调整营销策略 从而使产品品牌在消费者中树立起正确的形象 品牌研究 25 应用领域和解决的典型问题 对应分析能够帮助客户了解消费者对于其产品及同类产品在消费者心目中是如何定位的 产品定位包括产品形象 功能 特点等 对应分析还可以帮助客户了解消费者对其产品的定位与预期定位是否有差距 有多大的差距 市场细分与定位研究 26 应用领域和解决的典型问题 对应分析可以为客户提供不同细分市场的产品促销方式 帮助客户发现在细分市场最行之有效的产品推广方案对应分析还可以进行跟踪研究 检验广告或市场推广活动的效果 通过对比广告或市场推广活动前后消费者对产品的不同认知图 帮助客户了解广告或市场推广活动是否成功的向消费者传达了需要传达的信息 产品促销与跟踪研究 27 对应分析优势和不足 优势 对应分析技术用图形化的方式表现出不同产品与各种特点或功能之间的关系通过产品与特点或功能之间距离的远近来衡量消费者对不同产品的定位 传统测试方法通过交叉表简单的描述各种产品在一种特点或功能上的差异 却不能形象化地综合考察各种产品在不同特点或功能上的差异 VS 不足 对应分析只能通过分析知觉图上两点之间位置的远近来判断品牌 产品及属性之间的差异 这样的测试结果无法进行统计学的检验 也就是说知觉图上两点之间位置的 远离 或 靠近 只能是相对的判断 而不能从统计学的角度进行远近的绝对判断 28 问卷设计形式 对应分析对问题的题目设计要求比较宽松 任何两个能够采用频次进行交叉分析的变量都可以使用对应分析的方法 29 案例演示 阅读提示 所演示的案例以上页的问题为基础 品牌 功能位图 30 目录 因子分析 Factoranalysis 聚类分析 Clusteranalysis 对应分析 Correspondenceanalysis 联合分析 Conjointanalysis 什么是联合分析应用的领域和解决的典型问题联合分析的优势联合分析的调研步骤问卷设计形式多元回归分析 MultipleLinearregressionsanalysis 逻辑回归分析 Logisticanalysis 判别分析 Discriminateanalysis 31 什么是联合分析 产品具有哪些特性最能赢得消费者的满意 要解决这类问题 传统的市场研究方法往往只能作定性研究 而难以作出定量的回答 联合分析 conjointanalysis 就是针对这些需要而产生的一种定量的市场分析方法 联合分析是根据产品具有的某些特征 对现实产品进行模拟 让消费者根据自己的喜好对这些虚拟产品进行评价 从而可以了解消费者对产品各特征的重视程度 并利用这些信息开发出具有竞争力的产品 32 应用领域和解决的典型问题 这些虚拟产品并不是真正要投入生产的产品 联合分析可以再从这些虚拟产品中剥离出每个属性 通过对每个属性的不同水平的分析帮助客户发现最受消费者欢迎的新产品组合通过联合分析还可以检验产品改进的效果 改进后的产品是否真的比改进前的好 顾客能否区分改进后的产品与改进前的产品之间的区别 新产品的开发 联合分析可以根据产品需要考察的不同属性和属性的水平正交设计出一些虚拟产品 从而得到消费者端对于这些虚拟产品的喜好程度 33 应用领域和解决的典型问题 发现现有产品的缺点评价其他产品配方发现产品对各个细分市场的吸引力评价商业前景获得营销计划其他元素的创意 产品测试和竞争分析 产品测试的目的 联合分析的效果 如何使产品的属性特征最优化从而更吸引顾客如何识别竞争产品的优势和弱势 来确定产品在目标市场中的位置与竞争对手相比 产品在哪些特性上更加吸引顾客目前就产品属性而言 是否吸引顾客 是否在某些属性上还可以改进 34 应用领域和解决的典型问题 联合分析的迷人之处在于她可以对产品的前景进行预测联合分析不但可以模拟出目前市场上各种产品的份额 还可以模拟出新产品进入市场后各产品的份额变化情况 判断出对新产品而言的竞争产品是哪些 而同类细分市场上的 龙头 产品又是哪些 新产品和它们的差距在哪里 如何改善产品的属性才能争取到更多的市场份额 市场预测与决策 35 联合分析的优势 目标 传统方法 联合分析 单个询问消费者 价格 品牌 功能 有多重要 我们得到的回答通常是每一个因素都 非常重要 从而难以判断 到底哪一个因素更重要 通常直接询问消费者 得到的产品组合往往是 价格越低越好 性能越高越好 这种非现实可操作的结果 在模拟真实购买的情况下 消费者的回答权衡了各个方面因素 从而避免了 质优价低 的超现实产品的出现 将需要考察的属性特征分散在每一个虚拟的产品中 通过分析消费者对虚拟产品的喜好剥离出每一个属性在消费者端的重要性 由所有被考察的产品属性组合而成的产品组合的数目往往非常大 选哪个不选哪个进行测试很难人为判断 通过正交设计选中一小部分给受访者 即符合统计学意义又降低了研究费用 减少了受访者的混乱和疲劳 36 联合分析的调研步骤 确定特征及其水平 模拟组合产品的生成 数据收集 数据分析 预测与建议 联合分析首先要对产品或服务的特征进行识别 这些特征与特征水平必须是显著影响消费者购买的因素 联合分析将产品的所有特征与特征水平通盘考虑 并采用正交设计的方法将这些特征与特征水平进行组合 生成一系列虚拟产品 请受访者对虚拟产品进行评价 通过打分 排序等方法调查受访者对虚拟产品的喜好 购买的可能性等 从收集的信息中分离出消费者对每一特征以及特征水平的偏好值 这些偏好值也就是该特征的 效用 利用效用值来预测消费者将如何在不同产品中进行选择 从而决定应该采取的措施 37 问卷设计形式 问卷卡片设计联合分析调研的实施过程相对独立 因此她的问卷设计也与普通的问卷不一样 一般是一些含有需要测试产品属性及其水平的卡片 每一张卡片就是一个产品组合这些卡片都是通过正交设计得到的 卡片 1价格 7 8万品牌 东风每驾驶多少公里需大修一次 低于20万公里每百公里的耗油量 11 12升载重量 2 5吨以上保修公里数 3 5 5万公里 左面的卡片是一张平板轻型卡车的产品测试卡 包括价格 品牌 载重量等6个产品属性 38 问卷设计形式 问卷题目设计Q1 下面是25种不同价格 品牌 大修公里数 油耗 载重和保修期的模拟平板轻型卡车组合 请为这些产品组合打分 最差组合为1分 最优组合为25分 请避免任何两种产品组合有相同的分数 39 案例演示 从左图可以看出 品牌对购买决策的影响是最重要的价格也是影响购买决策的一个重要因素在六个影响因素中 保修期的重要性最低 阅读提示 所演示的案例以上页的问题为基础 属性的相对重要程度 40 目录 因子分析 Factoranalysis 聚类分析 Clusteranalysis 对应分析 Correspondenceanalysis 联合分析 Conjointanalysis 多元回归分析 MultipleLinearregressionsanalysis 什么是回归分析应用领域和解决的典型问题问卷设计形式案例演示逻辑回归分析 Logisticanalysis 判别分析 Discriminateanalysis 41 什么是回归分析 在研究事物之间关联程度的时候我们发现有一些事物之间是完全的决定与被决定的关系 比如圆的面积和圆的半径之间的关系 S R2 这种关系被称为函数关系 现实世界中还有很多情况是两事物之间有着密切的联系 但它们的密切程度并没有到由一个完全确定另一个的程度 我们把这种变量间具有密切关系而又不能用函数关系精确表达的关系称为变量间的统计关系或相关关系 如左图销售额与广告支出 回归分析就是统计学中专门研究这种关系的方法之一 42 回归分析的分类 按照自变量个数 按照回归方程是否为线性 按照回归方程变量的属性 这部分内容主要介绍 多元回归分析 一元回归分析 多元回归分析 线性回归分析 非线性回归分析 普通回归分析 虚拟变量回归分析 43 应用领域和解决的典型问题 应用回归分析进行预测就是要借助回归分析可以体现自变量与因变量之间的因果关系 通过分析与预测对象有联系的现象的变动趋势 推算预测对象未来的数量状态将回归分析与相关行业背景相结合建立的计量经济预测模型能够更有效的对客户关心的细分市场进行模拟和预测 用数理统计学和浓厚的专业知识共同为客户搭建前景蓝图 预测 44 应用领域和解决的典型问题 为了使我们的研究结果对客户的工作改进有更好的效果 满意度模型的设计充分考虑了客户的商业流程 因此回归分析在满意度研究方面的应用也就达到了以下几个目标 满意度研究 回归分析解决的问题 帮助客户达到的目标 反映商业流程各个环节的相对重要性每个环节的满意度提高一个单位 总体满意度怎样变化 能够为客户指出工作重点所在帮助客户发现提高顾客满意度最有效的途径 45 问卷设计形式 经济预测建立预测模型并进行市场预测是市场研究领域中一个相对独立的部分 因此预测模型没有一个固定的问卷设计模式大量的历史数据的收集和丰富的相关专业知识的积累都是预测成功的有力保障满意度研究问卷的指标体系设置要求与相关行业的商业流程保持一致为了进行回归分析 问卷中要有不同的问题分别针对满意度研究的每一个级别进行提问具体形式见下页 46 问卷设计形式 请用1至10分打分 10分表示非常满意 1分表示非常不满意 47 案例演示 阅读提示 所演示的案例以上页的问题为基础 回归方程 QA 0 316 Q1 0 429 Q2 0 132 Q3 0 138 Q4从回归方程不难看出 销售服务和售前宣传对总体满意度的影响比较大 48 目录 因子分析 Factoranalysis 聚类分析 Clusteranalysis 对应分析 Correspondenceanalysis 联合分析 Conjointanalysis 多元回归分析 MultipleLinearregressionsanalysis 逻辑回归分析 Logisticanalysis 什么是Logistic回归应用领域和解决的典型问题问卷设计形式判别分析 Discriminateanalysis 49 什么是Logistic回归 Logistic回归实质上也是多元回归分析的一种 用于研究某一个事件发生的概率与自变量之间关系的一种回归分析方法Logistic回归的特别之处就在于她的因变量是一个 二分类 的 即因变量是 1 0 的形式 1 0是 否购买 不购买转网 不转网 自变量 怎样的关系 Logistic回归解决的问题 50 应用领域和解决的典型问题 选取与消费者购买行为相关的因素作为自变量对消费者的购买意愿进行分析 Logistic回归分析可以