第六章市场研究方法二

1、1.聚类分析2.判别分析3.因子分析l聚类分析定义l聚类分析有关统计量l分层聚类法步骤lK均值聚类法步骤l两步聚类法步骤l案例分析l依据研究对象（样品或指标）的特征，对其进行分类的方法，减少研究对象的数目。l各类事物缺乏可靠的历史资料，无法确定共有多少类别，目的是将性质相近事物归入一类。l各指标之间具有一定的相关关系。l聚类分析(cluster analysis)是一组将研究对象分为相对同质的群组(clusters)的统计分析技术。 聚类分析也叫分类分析(classification analysis)或数值分类(numerical taxonomy) l变量类型：定类变量、定量（离散和连续）

2、变量l层次聚类（Hierarchical Clustering）合并法分解法树状图l非层次聚类K均值聚类法（K-means Clustering）l智能聚类法l属于非层次聚类法的一种 l方法原理选择（或人为指定）某些记录作为凝聚点按就近原则将其余记录向凝聚点凝集计算出各个初始分类的中心位置（均值）用计算出的中心位置重新进行聚类如此反复循环，直到凝聚点位置收敛为止l方法特点要求已知类别数可人为指定初始位置节省运算时间样本量大于100时有必要考虑只能使用连续性变量l特点：处理对象：分类变量和连续变量自动决定最佳分类数快速处理大数据集l前提假设：变量间彼此独立分类变量服从多项分布，连续变量服从正态分

3、布模型稳健l算法原理：第一步：逐个扫描样本，每个样本依据其与已扫描过的样本的距离，被归为以前的类，或生成一个新类第二步，对第一步中各类依据类间距离进行合并，按一定的标准，停止合并l消费者对在外购物的态度分析l定义l判别分析模型l判别分析有关的统计量l两组判别分析l案例分析l判别分析是根据表明事物特点的变量值和它们所属的类，求出判别函数。根据判别函数对未知所属类别的事物进行分类的一种分析方法。核心是考察类别之间的差异。l要先建立判别函数 Y=a1x1+a2x2+.anxn，其中:Y为判别分数(判别值)，x1 x2.xn为反映研究对象特征的变量，a1 a2.an为系数l定义问题l估计DA函数系数l

4、确定DA函数的显著性l解释结果l评估有效性l判别分析的第一步判别分析的第一步l第二步就是将样本分为：第二步就是将样本分为： 分析样本验证样本l直接法（direct method）就是同时用所有的预测变量估计判别函数，此时每个自变量都包括在内，而不考虑其判别能力。这种方法适用于前期研究或理论模型显示应包括哪些自变量的情况。 l逐步判别分析（stepwise discriminant analysis），预测变量依据其对组别的判别能力被逐步引入。l零假设：总体中各组所有判别函数的均值相等。l特征值l典型相关系数travel.spol根据分析样本估计出的判别权数，乘以保留样本中的预测变量值，就得出保

5、留样本中每个样本的判别分。 l可以根据判别分及适当的规则划分为不同的组别。 l命中率（hit ratio）或称样本正确分类概率，就是分类矩阵对角线元素之和与总样本数的比例。l比较样本正确分类百分比与随机正确分类百分比。l消费者对旅游消费的态度分析l因子分析模型l因子分析有关统计量l因子分析步骤l案例分析l“因子分析”于1931年由Thurstone提出，概念起源于Pearson和Spearmen的统计分析lFA用少数几个因子来描述多个变量之间的关系，相关性较高的变量归于同一个因子；lFA利用潜在变量或本质因子（基本特征）去解释可观测变量X1=a11F1+a12F2+ +a1pFp+v1X2=a

6、21F1+a22F2+ +a2pFp+v2 XAF+VXi=ai1F1+ai2F2+ +aipFp+viXm=ap1F1+ap2F2+ +ampFp+vmXi 第i个标准化变量 aip 第i个变量对第p个公因子的标准回归系数F 公因子Vi 特殊因子F1=W11X1+W12X2+ +W1mXmF2=W21X1+W22X2+ +W2mXmFi=Wi1X1+Wi2X2+ +WimXmFp=Wp1X1+Wp2X2+ +WpmXmWi 权重，因子得分系数 Fi 第i个因子的估计值（因子得分）lBartlett氏球体检验:各变量之间彼此独立lKMO值：FA合适性l因子负荷：相当于相关系数l因子负荷矩阵l特

7、征值l方差百分比（方差贡献率）l累计方差贡献率l定义问题l检验FA方法的适用性l确定因子分析方法l因子旋转l解释因子l计算因子得分l请你说出你所熟悉的牙膏品牌？l请你说说为什么要购买某种品牌的牙膏？【案例】消费者购买牙膏时追求的主要利益。l用7级量表（1非常不同意，7非常同意）。l商场拦截30人访谈。选择变量合适的样本1、购买预防蛀牙的牙膏是重要的2、我喜欢使牙齿亮泽的牙膏3、牙膏应当保护牙龈4、我喜欢使口气清新的牙膏5、预防坏牙不是牙膏提供的一项重要利益6、购买牙膏时最重要的考虑是富有魅力的牙膏l因子分析的潜在要求：原有变量有较强的相关性正规的统计量检验：B氏球体检验和KMO相关矩阵l【Sp

8、ss】Descriptives-“Coefficients”和“KMO and Bartlett”l【Spss】结果分析Correlation Matrix1.000-.053.873-.086-.858.004-.0531.000-.155.572.020.640.873-.1551.000-.248-.778-.018-.086.572-.2481.000-.007.640-.858.020-.778-.0071.000-.136.004.640-.018.640-.1361.0001购买预防蛀牙的牙膏是重要的2我喜欢使牙齿亮泽的牙膏3牙膏应当保护牙龈4我喜欢使口气清新的牙膏5预防坏牙不是

9、牙膏提供的一项重要利益6购买牙膏时最重要的考虑是富有魅力的牙膏Correlation1购买预防蛀牙的牙膏是重要的2我喜欢使牙齿亮泽的牙膏3牙膏应当保护牙龈4我喜欢使口气清新的牙膏5预防坏牙不是牙膏提供的一项重要利益6购买牙膏时最重要的考虑是富有魅力的牙膏KMO and Bartletts Test.660111.31415.000Kaiser-Meyer-Olkin Measure of SamplingAdequacy.Approx. Chi-SquaredfSig.Bartletts Test ofSphericityl主成份法：重方差l主轴因子法：重变量相关性l其他：加权最小平方法、最大

10、似然法等l【Spss】Extraction-Methodl事先确定l特征值：大于1l解释方差的比例l【Spss】Extractionl【Spss】结果分析Total Variance Explained2.73145.52045.5202.73145.52045.5202.21836.96982.4882.21836.96982.488.4427.36089.848.3415.68895.536.1833.04498.5808.521E-021.420100.000Component123456Total% of VarianceCumulative %Total% of VarianceCu

11、mulative %Initial EigenvaluesExtraction Sums of Squared LoadingsExtraction Method: Principal Component Analysis.l当载荷矩阵中某行或某列中有多个aij比较大，会使某个因子变量的含义模糊不清。l可以通过因子旋转来明晰某因子的含义components MatrixVariableFactor 1Factor 2WORK_1WORK_2WORK_3HOME_1HOME_2HOME_3.654384.715256.741688.634120.706267.707446.564143.5414

12、44.508212-.563123-.572658-.525602Rotated components Matrix VariableFactor 1Factor 2WORK_1WORK_2WORK_3HOME_1HOME_2HOME_3.862443.890267.886055.062145.107230.140876.051643.110351.152603.845786.902913.869995l旋转原因因子矩阵，其中系数表明因子与变量的相关度，绝对值大关系密切因子矩阵推断不同因子的含义l原理初始因子矩阵旋转，相关系数向0-1分化，更易解释因子旋转不影响公因子方差和解释的总方差比例l旋

13、转方法：Spss中有两大类：正交旋转和斜交旋转最常用的：Varimax方差最大正交旋转l【Spss】Rotation-Varimaxl【Spss】结果分析Component Matrixa.928.253-.301.795.936.131-.342.789-.869-.351-.177.8711购买预防蛀牙的牙膏是重要的2我喜欢使牙齿亮泽的牙膏3牙膏应当保护牙龈4我喜欢使口气清新的牙膏5预防坏牙不是牙膏提供的一项重要利益6购买牙膏时最重要的考虑是富有魅力的牙膏12ComponentExtraction Method: Principal Component Analysis.2 compone

14、nts extracted.a. Rotated Component Matrixa.962-.027-.057.848.934-.146-.098.854-.933-.0848.337E-02.8851购买预防蛀牙的牙膏是重要的2我喜欢使牙齿亮泽的牙膏3牙膏应当保护牙龈4我喜欢使口气清新的牙膏5预防坏牙不是牙膏提供的一项重要利益6购买牙膏时最重要的考虑是富有魅力的牙膏12ComponentExtraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.Rot

15、ation converged in 3 iterations.a. l原理常用，某一因子有高负载的变量因子负载图l【Spss】RotationDisplay选loading plotsl【Spss】结果分析Rotated Component Matrixa.962-.027-.057.848.934-.146-.098.854-.933-.0848.337E-02.8851购买预防蛀牙的牙膏是重要的2我喜欢使牙齿亮泽的牙膏3牙膏应当保护牙龈4我喜欢使口气清新的牙膏5预防坏牙不是牙膏提供的一项重要利益6购买牙膏时最重要的考虑是富有魅力的牙膏12ComponentExtraction Method: Principal Component Analysis. Rotation Method: