抽样与数据分析.ppt

,市场研究中的抽样与数据分析,华南国际市场研究有限公司2001年10月25日,统计分析初步,统计学是什么？,市场研究=统计学？营销的现实与统计的假设的吻合性？统计学是是市场研究一项不可或缺的工具。这是因为，绝大多数的市场研究活动都是抽样调查而不是普查，我们对一个市场任何一个侧面的描述几乎都是在一定置信水平下对总体的推断,统计分析基础知识：测量水平,数据的类型又叫做测量水平(LevelofMeasurement)。一般来说，数据可以分为两个大类，四个测量水平分类数据/定性数据/非度量型数据：定类数据，定序数据连续型数据/定量数据/度量型数据：定距数据，定比型数据定类数据(NominalData)：数据的值仅用于识别目的；数据的大小和水平比较没有意义；不适用于四则基本运算；典型的例子有：性别，职业，婚姻状况等定序数据(OrdinalData)：数据的值是依据一定的顺序而赋予的；可以依据数值水平的不同排序；不适用于四则基本运算；典型的例子有：文化程度，年份定距数据(IntervalData)：数值大小的差异可以比较；没有绝对的零点；适用于加减运算；典型的例子有：温度，态度评分定比数据(RatioData)：数值的绝对大小可以比较；具有真实（绝对）的零点；适用于所有的算术运算；典型的例子有：购买产品的数量，家庭月总收入，刷牙的频率,统计分析基础知识：集中趋势与离散趋势分析,集中趋势分析(CentralTendencyAnalysis)也叫位置测量（MeasuresofLocation)，通常有如下指标：众数(Mode)：发生率最高的数值；适用于所有的测量水平中位数(Median)：数值排序后正好位于中间位置的数；适用于定序、定距、定比数据算术平均数或均值(Mean):各数值的简单平均；适用于定距数据与定比数据几何平均数(GeometricAverage)与调和平均数(HarmoniousAverage):市场研究中罕用；只适用于定比数据离散趋势分析(MeasuresofDispersion)全距或离差(Range)：一个度量型变量最大值与最小值的差方差(Variance)：一个变量所有值与其平均值之差的平方的平均数标准差(StandardDeviation)：方差的平方根均值的标准误差(StandardErrorofMean)：标准差与样本数平方根之比值,统计分析基础知识：数据加权,加权（Weighting)的目的是为了使我们在项目中选取的样本更好地反应总体的结构当人口背景资料对一种产品的认知或消费有显著影响时，加权显得尤为重要,某组/群样本过多不同反应率年龄/性别/区域比较接近,抽样调查方法与抽样误差,抽样调查,节约费用节省时间可获得更深入/广泛的信息数据的质量往往较普查更好,抽样的基本概念,总体和样本总体指标和样本指标（统计量）抽样单元和抽样框抽样误差（精确度）和非抽样误差（准确度）,抽样误差,抽样误差样本和母体之间的差异样本规模样本分布或离散程度母体大小样本的设计（抽样方法）,非抽样误差拒访访问偏差（访问员和被访者）过程偏差,置信度的概念,置信度就是用样本指标来推算总体指标的把握程度置信区间就是以一定概率把握程度确定总体指标所在区间,Z值：标准正态变量值,标准正态分布,68.27%,95.45%,99.73%,抽样误差,抽样误差一般以方差或标准误差形式给出样本的标准误差（E）样本比例的标准误差,样本规模的决定,影响因素在置信度水平下的Z值Z=1.96,CL=95%Z=2.68,CL=99%Z=1.65,CL=90%样本标准差(S)可容许误差(E)N=(ZS/E)2保守估计:N=(Z/2E)2E=Z/2一般说来,总体规模对样本规模没有直接的影响,只是总体方差对样本规模有着影响。,不同样本、置信区间下的抽样误差分析,不同样本不同置信条件下的抽样误差,N=CL=90%CL=95%CL=99%6003.364.005.263004.755.667.442505.206.208.152005.826.939.111207.518.9511.761008.229.8012.88809.2010.9614.40,抽样的基本限制和最低限度,如果我们在分析过程中把所有样本分成不同的群体（组）进行分析，那么对每一个群体（组）分析的准确性将会受到群体（组）内的样本数大小的影响.为了保证有足够的样本对群体（组）进行分析，在统计上，一般对群体（组）的最低样本要求：一般情况下30重要群体（组）100,抽样方法概述,调查,普查,抽样调查,概率抽样,非概率抽样,简单随机抽样(SRS),系统抽样,分层抽样,整群抽样,多阶段抽样,便利抽样,判断抽样,配额抽样,滚雪球抽样,等概率抽样和非等概率抽样,概率抽样：总体中每一个体都有可能被抽中概率抽样独立于抽样人员的主观判断优势:可以进行总体推断可以知道可能的偏差和误差.劣势:抽样框往往很难获取成本较高,时间较长,非概率抽样方法主要是在某种条件下为实现某种特定研究目的而采取的优势:简单可操作低成本耗时短不依赖于样本框在市场研究中广泛应用劣势:很难估计偏差和抽样误差,概率抽样分为两类：等概率抽样和非等概率抽样,如何选择合适的抽样方法,对准确性的要求资源/预算条件时间条件对总体情况的掌握程度全国性项目VS地区项目对统计推算分析的要求,统计显著性检验,什么是统计显著性检验？,统计检验（StatisticalSignificanceTest)就是测量抽样调查的结果（如变量之间的关系、品牌评价上的差异等）由随机抽样误差(RandomSamplingError)所导致的概率（Probability）的统计分析过程市场研究中对数据的解释不可脱离统计显著性检验，尽管这有时体现在研究人员的经验判断上而并不体现在结果的展示上数值上的直观差异不等于统计意义上的差异，不借助于统计检验而去解释数据，有时是危险的,统计检验:方法综述,统计检验的方法非常丰富，例如：TTestChi-squarex2TestZ-testSigntestWilcoxonSignedRankTestFTest每种统计检验方法都有其各自的假设，适用于特定的测量水平、分布类型和样本状况在统计指标受到多种因素影响的情况下，方差分析（ANOVA），多元方差分析（MANOVA）是更为有效且强大的统计检验工具,数据类型和检验方法（两个独立样本）,尺度类型例子检验类型名义尺度男/女2顺序尺度1st2nd3rdMANN-WHITNEYWILCOXON（参数检验）间隔（距离）尺度TTest数值尺度温度TTESTZTEST,T检验:单尾检验与双尾检验,单尾（1-tailtest)检验关心的是两种情形发生的概率（Probability)：A大于BA不大于B双尾检验(2-tailtest)则关心三种情形发生的概率：A大于BA等于BA小于B采用单尾检验还是双尾检验，取决于我们的研究设计和行动标准，例如在新产品研究中：如果我们的行动标准是在新产品优于现有产品的情况下推出新产品，则双尾检验是正确的选择；如果我们开发的是成本节约型的新产品，而我们的行动标准是在新产品不劣于新产品的情况下推出新产品，则单尾检验是正确的选择,统计出表和分析,数据处理过程:出表,出表主要包括两种结果：频数分布表（FrequencyTables)和交叉表(Crosstabulations)。频数分布表是对单变量而言的，它研究的是一个变量的各水平的发生频率的分布状况；交叉表则是针对两个或两个以上的变量而言，它就是将一些变量与另一些变量进行交叉分析，以表格形式展示数据间关系的过程统计表中的要素统计指标（Criterion)：分析中关注的项目，一般置于表的左侧，叫做SIDE分组指标(Predictor)：用以把样本分成子群的变量，一般置于表的顶端，叫做TOP基数（BASE）：用于计算百分比、平均数的样本量行百分比（RowPercentage）与列百分比（ColumnPercentage）统计检验结果通常以在数字旁边标注字母表示,三变量分析,基数=所有被访者,不确定/不买,对概念的喜欢程度和新颖程度评价,肯定购买,可能购买,不确定/不买,非常好,比较好,对概念的购买意想,5%,10%,1%,11%,0%,0%,3%,一般/不太好,1%,68%,10%,1%,1%,68%,11%,0%,0%,3%,对产品概念的购买意想肯定购买：5%可能购买：79%不清楚/不会买15%,5%,多元统计分析的基本概念,多元分析介绍,严格定义多元分析，是非常困难的事情。简单说，多元分析就是同时分析多个变量的一种统计方法。研究员习惯于两个变量间的关系分析，其付出的代价是：要么假设其他变量对它们没有影响，要么就是没有其他更符合实际的分析方法。多元分析已经越来越多的替代传统的统计分析方法。例如：频率分布和交叉表分析。多变量综合分析即多元分析方法的应用，使得我们能够在更加自然的环境中，开展我们的工作。计算技术的进步，如各种快速迭代方法的改进，也使得多元分析方法的使用变得更加普遍。,多元分析的类型,相关分析Correlationanalysis多元回归分析Multipleregression多维尺度Multi-dimensionalscaling因子分析Factoranalysis聚类分析Clusteranalysis,什么是相关分析,相关分析是用于研究两个或多个变量组（SetsofVariables）之间的相互关系的统计分析方法，一般来说，其中有测量指标（Criterion）和预测指标（Predicator）之分相关分析：产品销量同广告投放量的关系产品市场份额同其销售力度是否存在关系人们对产品质量的看法同价格间的关系偏相关分析：控制价格情形下，产品销量同广告投放量的关系调整不同的促销方式，产品市场份额同其销售力度是否存在关系控制品牌形象效果情形下，人们对产品质量的看法同价格间的关系,相关分析结果示例,相关分析结果示例,回归分析,回归分析：销售量的变化，可否由广告量、价格水平、铺货密度来解释产品份额可否由销售力度、广告量、促销预算来构成消费者对产品质量的看法能否由价格、品牌形象、产品特性决定有多少销售量的变化是由广告、价格、铺货密度带来的当价格和铺货密度固定时，广告对销量的影响当广告、价格和铺货密度一定时，销量的预测,回归分析示例,回归分析示例,多维尺度,多维尺度就是将数据中的某种复杂联系用比较直观的几何图形展示出来多维尺度应用品牌定位市场细分新产品开发广告效果测试价格分析对应分析仅是多维尺度的一个特例,什么是认知图（PerceptualMapping)？,一般来说，认知图是一种以直观的、图示方式展示市场竞争态势的工具。通常用于进行认知图分析的数据是消费者或顾客对一系列产品或品牌的认知（Perceptions)或评价(Evaluations)，例如：消费者或顾客对当前市场上主要竞争品牌在各种特性上的评价消费者或顾客对一系列产品或品牌相似性的评价认知图分析主要用于：以消费者或顾客观点来研究市场竞争结构，帮助厂商发现市场空缺或市场机会辨别直接主要竞争对手品牌定位及企业形象定位评价在当前市场竞争条件下新产品或产品概念的潜力或市场竞争力对候选的战略性或战术性方案进行评估,对应分析图（CorrespondenceMap)示例,对应分析图（CorrespondenceMap)的解释方法,查看构成平面图的两维。一般来说，两维合计所能解释未经降维数据方差的60%以上，两维的方案才被认为是足够的；否则，应尝试三维或更多维的方案可以根据图上靠近两个座标轴的特性来定义两个维的含义，尽管这往往是困难的在图上，属性间的距离越近，表明二者间的相似性或相关性越强，反之，二者间的相似性或相关性越弱同样，在各对象如品牌或产品之间的相似性可以用相似的方法解释尽管在定义了两个座标轴的含义后，我们大体可以从图上研究属性与对象之间的关系，但属性与对象之间距离的比较是存在争议的（两部分是独立做出来的），因而在这样做时必须谨慎，最好能与原始数据相互参照,因子分析（FactorAnalysis),什么是因子分析？,因子分析是降维法（DataReduction）的一种，它是通过分析原始变量之间的相关性来寻求一个彼此独立的变量组，简化数据，用以代表原始变量所包含信息的统计方法因子分析广泛应用于生活形态研究（LifestyleStudy）、市场细分研究（MarketSegmentationStudy）、产品测试（ProductTest）、概念测试（ConceptTest）、广告研究（AdvertisementTest）、顾客满意度研究（CustomerSatisfactionMeasurement）等研究类型中,其作用如：由于因子分析所抽取因子之间的独立性或称正交性（IndependenceorOrthogonality），用于之后的回归分析，效果会优于用彼此相关的原始变量以因子分析抽出的因子进行聚类分析（ClusterAnalysis）进行市场细分，会使对聚类分析的结果的解释变得容易得多以因子分析结果制作认知图（PerceptualMapping），可以用较低的维度直观展示属性之间、对象之间及对象与属性之间的关系,因子分析,因子分析中，不存在自变量和应变量之分应用场所：寻找一种潜在的变量，来解释一组变量中的相互关系降维作用。用一组新的、数量较少的且相互独立的变量组代替原始变量组应用领域：用来做市场细分在产品研究中，因子分析可以用来决定哪些品牌因素影响消费者选择在广告研究中，因子分析可以用来了解目标市场的媒体收视习惯在价格研究中，因子分析可以用来确定价格敏感的消费群,FactorAnalysisOutputs(i),聚类分析(ClusterAnalysis