市场调查 第三版 课件 单元六 市场调查资料分析

市场调查与分析职业教育市场营销专业教学资源库建设项目模块六：整理、分析调查数据6.1整理调查数据

目录页CONTENTSPAGE6.1.1

调查数据的审核6.1.1

调查数据的审核学习目标掌握调理数据整理的概念、流程、原则；能对收集调查数据进行合理审核；能对问题数据进行科学处理。学习重点调查数据的审核。引言调查数据整理是调查数据回收后的第一步工作，首先是要确保调查数据准确、真实、完整和一致，提高调查数据的可信度，就必须对数据进行审查核实，避免调查数据的遗漏、错误或重复。引导案例：某大学针对本校大学生月消费情况调查对本次回收的问卷进行资料登记与整理对本次回收的问卷进行审核对有问题的问卷进行合理处置对本次回收的问卷进行分组和编码采用Excel软件建立数据库用图表方式列示市场调查数据导入数据整理，就是根据调查研究的目的与任务，对搜集到的各种数据,采用科学的方法,进行审核汇总与初步加工，使之条理化、系统化，并以图表的方式显示数据特征，以符合数据分析需要的工作过程。认识数据整理1.数据整理的人概念

2.调查数据整理的流程认识数据整理完整性准确性逻辑性及时性真实性调查资料录入调查资料统计质量标志分组数量标志分组空间标志分组时间标志分组数据的审核数据的编码数据的分组数据的汇总数据列示计算机汇总手工汇总表格列示图形列示3．调查数据整理的原则（1）真实性原则（2）准确性原则（3）科学性原则（4）目的性原则认识数据整理调查数据的回收与登记1、归类存放2、填写登记表格3、做好标记

调查数据的审核【例6-1】您对当前大学生中出现的崇洋消费、炫富消费、攀比消费等不理性的消费方式有什么看法？

开放题

答：无1．完整性审核【例6-2】调查问题：您家里现在使用的空调品牌有哪些？（可多选）

答：格力（√）美的（√）海尔（√）科龙（√）

奥克斯（√）海信（√）志高（√）LG（√）该问题上被调查者答案全选，不符合常情，可视为不准确数据。2．准确性审核

调查数据的审核3．逻辑性审核【例6-3】某调查问题一：您目前使用的手机品牌是什么？

答：苹果。问题二：您目前使用的手机操作系统是什么？

答：安卓android。

调查数据的审核4．及时性审核

审查各被调查单位是否都按规定日期填写和送出，填写的资料是否是最新资料。现代市场活动节奏越来越快，只有代表市场活动最新状态的市场信息才是使用价值最高的信息，切勿将失效、过时的信息引入决策中，此外，要剔除不必要的资料，把重要的资料筛选出来。

调查数据的审核5．真实性审核

对问卷真实性审核要看调查员有没有不实或做假行为，目前调查员偷工减料、弄虚作假情况时有发生，例如有些电话访问、入户调查等，不可能在访谈实际发生现场观察和监督，就容易出现调查不实行为，因此在审核调查问卷还可以采取抽查、一定比例复查等方式对问卷的真实性进行审查。

调查数据的审核1.重新调查

问题数据的处置

如果有问题的问卷数量较多，把不满意的问卷退回实施现场，要求调查员再次去接触访问者重新调查。

这种方法适用于调查规模小，且调查对象容易找到的情况。2．缺失处理（1）问卷数量较少（2）问卷中令人不满意的答案的（3）涉及的变量不是关键变量按缺失处理需满足以下条件

问题数据的处置3．作废处理存在以下这些情况下，可以将问卷作废处理：

（1）不合格问卷比例很小；

（2）样本量很大；（3）单份问卷中不合格答案的比例比较大；

（3）关键变量的回答缺失。

问题数据的处置小结本节内容主要讲述数据整理的含义、流程、原则，调查数据回收后的审核，对问题数据进行科学处理等内容。重点是做好审核，难点是对问题数据的处理。/snsj/

目录页CONTENTSPAGE6.1.2

调查数据的编码模块六：整理、分析调查数据6.1整理调查数据6.1.2

调查数据的编码学习目标能对调查资料进行编码。学习重点调查数据的审核。引言数据编码是调查数据审查核实后，为了对数据进行科学的整理而进行编号，便于分析。编码的类型事前编码事后编码编码的方法(1)顺序编码法可用①-④分别代表从低到高的四个档次。①5000元以下

②5000-10000元③10001-15000元

④15000元及以上这种编码方式简单易于管理，但不适于进行分组处理。

分组编码法又称区间编码法，是根据调查对象的特性和信息资料分类及其处理的要求，把具有一定位数的代码单元分成若干个小组（或区间），每一小组的数字均代表一定的意义。例如：（2）分组编码法编码的方法户口类型性别家庭月收入生活费来源1=城镇2=农村1=男2=女01=5000元以下02=5001-10000元03=100001-15000元04=15000元及以上01=奖学金02=做家教03=家中补给04=校内勤工俭学05=校外课余打工06=自己开店07=网上兼职08=其他表5-7某大学生月消费情况调查的分组编码（2）分组编码法根据此表，编码210104表示该消费的大学生为来自农村的男生，家庭月收入低于5000元，其本人生活费主要来源于校内勤工俭学。这种方法使用比较广泛，容易理解，但位数过多会造成系统维护困难。编码的方法

该方法是用数字、文字、符号等表明编码对象的属性，并按此进行信息资料编码的方法。例如：42TVC表示42英寸彩色电视机，其中TV是电视机的缩写，C是color首字母。这种方法比较直观，易于理解，便于记忆。（3）表达式文字编码法编码的方法

该方法是把惯用的编写字直接用作代码进行编码，如FT-英尺，KG-千克，YD-码。（4）编写编码法编码的方法在编码过程中，应遵循以下原则：（1）准确性原则。设计的编码要能准确、有效地替代原信息。（2）完整性原则。在转换信息形式的同时尽量不丢失信息，减少信息的损失和浪费。编码时一般需预留足够的位置，以适应调整代码或插入新号码的需要。编码的原则（3）效率性原则。编码要易于操作，节省人力物力。（4）兼容性原则。即通用性原则，以便与其他系统接轨，增加调查资料的使用范围。（5）标准化原则。一般每一个代码只代表一个数据，代码的设计要避免混淆和误解。编码的原则（1）掌握分组的尺度。对资料中的某个研究问题分组过细，会增加分析的复杂程度；分组过粗，会造成资料信息的流失以及信息分析的深入程度，所以根据实际分析的需要，设置合理的分组尺度是资料编码的首要问题。一般对于较细分组的资料可进一步转化为分组较粗的资料，而对分组较粗的资料，除非保留了原始资料，否则不能转化为分组较细的资料。

编码的注意事项（2）如果分组种类过多，可设置一个“其他”的分类来弥补分类的不足。（3）分组与编码应遵从含义明确且独立这一原则。编码的注意事项（4）对错误或疏漏的回答可作为特殊的分组，并指定一个特殊的数字或字符代表，如用“！”或“*”等，而不应将其归入类别中。（5）在资料编码的过程中，应尽量避免将无意义的资料进行随意录入。在资料搜集过程中，应该与相关工作人员展开交流合作，保证资料的丰富度。编码的注意事项小结主节主要讲述数据编码的原则及如何编码。

目录页CONTENTSPAGE6.1.3

调查数据的分组模块六：整理、分析调查数据6.1整理调查数据6.1.3

调查数据的分组学习目标掌握数据分组的含义；了解数据分组的原则；能对不同的调查数据选择合适的标志进行科学分组。学习重点调查数据的分组。引言调查数据分组是调查数据整理的第三步工作，是进一步对数据进行科学分类的基础工作。

数据分组及原则

数据分组是根据统计研究任务的要求和研究现象总体的内在特点，按照一定的标志将总体划分成性质不同的若干部分或组别的一种统计方法。数据分组通常又称为统计分组，总体的变异性是分组的客观依据。数据分组是总体内进行的一种定性分类，它把总体划分为一个个性质不同的范围更小的总体。1.数据分组的概念

（1）必须符合“穷尽原则”，就是使总体中的每一个单位都应有组可归，或者说各分组的空间足以容纳总体的所有单位。（2）必须遵守“互斥原则”，即总体任一单位都只能归属于一组，而不能同时或可能归属于几个组。2.数据分组的原则

数据分组及原则

数据分组标志(1)品质标志分组

品质标志分组是说明事物的性质或属性特征的分组方法，它反映的是总体单位在性质上的差异，它不能用数值来表现。

按品质标志分组，标志一经确定，组数和组限都非常明显，不存在组与组之间界限难以划分的问题。1.常用的分组标志有四种：

数量标志分组又称变量分组，能够直接反映所研究的市场现象的数量特征。按数量标志分组，能直接反映总体单位之间的数量差异，有利于从数量上准确认识客观事物，研究和分析不同数量特征事物之间的关系。（2）数量标志分组

数据分组标志

按研究对象的地理位置、区域范围等空间特性分组，如行政区划、经济区划等分组。按空间标志分组，可以把不同地域的事物区别开来，有利于了解事物的空间分布状况，便于对不同地理位置、区域范围内的环境现象进行比较研究。（3）空间标志分组

数据分组标志

时间标志分组是以调查问卷中的一些时间属性的调查项目(如购买时间、需求时间)作为分组标志，对被调查者的时间选项进行分组而形成的时间数列。按时间标志分组，有利于认识事物在不同时点或时期的变化，揭示事物运动、变化、发展的趋势。（4）时间标志分组

数据分组标志

(1)集中所有同一个开放式问题的全部文字性答案，通过阅读、思考和分析，把握被调查者的思想认识。(2)将被调查者的全部文字性答案，按照其思想认识不同归纳为若干类型，并计算各种类型出现的频数后，制成全部答案分布表。(3)对全部答案分布表中的答案进行挑选归并，确定可以接受的分组数。一般来说，应在符合调研项目的前提下，保留频数多的答案，然后把频数很少的答案尽可能归并成含义相近的几组，应根据调研的目的和答案类型的多少而确定，一般来说应控制在10组之内。(4)为确定的分组选择正式的描述词汇或短语。不同组别的描述词汇或短语应体现质的差别，力求中肯、精炼、概括。(5)根据分类归纳的结果，制成正式的答案分布表。2.开放性问题的分组

数据分组标志对开放式问题答案的分组整理可遵循如下思路和程序：同步训练请对本班全体同学身高、年龄、爱好分别进行分组。小结本节主要讲述数据分组的标志与方法，要求学生对数据选择不同的标志进行分组。

目录页CONTENTSPAGE6.1.4

调查数据的列示模块六：整理、分析调查数据6.1整理调查数据6.1.4

调查数据的列示学习目标掌握表格、图形列示数据方法；能对不同的调查数据选择合适的列示方法。学习重点调查数据的列示。引言调查数据列示是调查数据整理的最后一步，是使调查数据列直观的方法。

数据统计完成后，还需要用一定的表格或图形将数据列示出来。统计表是以纵横交叉的线条所绘制表格来列示数据的一种形式。在资料整理过程中，把经过大量调查得来的统计资料绘制成表格进行列示。以表格方式列示1．单变量频数表的制作与列示例如：引导案例中对XX学校大学生月消费水平调查，如果想了解该校大学生户籍情况，根据户籍情况来分析大学生的月消费水平。

频数频率（100%）城镇12462%农村7638%合计200100%表6-8XX学校大学生户籍情况表以表格方式列示（1）双变量交叉列表

交叉列表是用于提供基本调查结果的最常用形式。交叉列表可以清楚表示两个分组变量之间的相互关系，也可以看成是分组的频数表，即一个变量的频数分布是根据另一个变量的取值来进一步细分的。2．交叉列表的制作与列示以表格方式列示2．交叉列表的制作与列示

月消费情况性别1000元以下1001—1500元1501—2000元2001-2500元2500元及以上总计女生

3

14男生2211

6总计2511110

该表当初为了录入和统计的方便，将问题和答案进行了数字化编码，现在我们将数字编码置换成文字后，表格为：表6-9男女生月消费情况表2以表格方式列示（1）双变量交叉列表2．交叉列表的制作与列示（2）三变量交叉列表第一：更精确反映原有二变量之间的关系第二：揭示原有相关关系为虚假相关第三：显示原先被隐含的联系三变量交叉列表的优点第四：不改变原有的相关关系以表格方式列示2．交叉列表的制作与列示（2）三变量交叉列表实践真知6-5：小轿车购买意向的市场调查

假设某项小轿车购买意向的市场调查，最初以被调查者受教育程度和小轿车购买意向两个变量进行分析，用双变量交叉列表分析得到的结果如表6-10所示。以表格方式列示2．交叉列表的制作与列示（2）三变量交叉列表小轿车购买意向低于大学程度低于大学是32%21%否68%79%列总计100%100%被调查者数(人)250750表6-11小轿车购买意向表1以表格方式列示分析：上表显示，大学程度的被调查者中32%有购买小轿车的意向，而低于大学程度的被调查者中只有21%有购买小轿车的意向。这一分析结果似乎说明受教育程度的高低是影响小轿车购买意向的一个重要因素。如果我们将被调查者的收入考虑进去，将上表的双变量改为三变量列表，如表。小轿车购买意向低收入高收入大学程度低于大学大学程度低于大学是20%20%40%40%否80%80%60%60%列总计100%100%100%100%被调查者数(人)10070015050以表格方式列示

三变量交叉列表的方法类似于双变量交叉列表，我们同样可以通过“数据透视表”的方法，将问题1，2，4设定为三个变量，将统计数据进行分组汇总。【做一做】

就XX学校大学生月消费调查数据中“月生活费”情况为例演示饼形图的绘制方法。假设对回收的200份问卷，通过数据录入与整理，数据如下：

月生活费频数频率（100%）

1000元以下2110.5%

1001—1500元7738.5%

1501—2000元5427%

2001-2500元3618%

2500元及以上126%

总计200100%XX学校学生月消费情况表作业：用柱形图进行数据的整理用折线图进行数据的整理制作成果演示PPT小结本节主要讲述数据列示的方法，要求学生对不同的数据选择不同的列示方法，使数据更直观。THANKYOU职业教育市场营销专业教学资源库建设项目市场调查与分析职业教育市场营销专业教学资源库建设项目模块六：整理、分析调查数据6.2分析调查数据

目录页CONTENTSPAGE6.2.1认识调查数据分析学习目标掌握数据分析含义；了解数据分析的原则、特点；掌握数据分析的流程。学习重点数据分析的含义引言市场调查的数据整理后，要正确使用这些数据，就必须进行分析，如何进行分析的呢？

调查数据分析，是根据研究的目的和要求，运用科学的方法和手段，对调查数据进行定性和定量分析，揭示现象的本质和规律，为决策和管理提供咨询服务的过程。调查数据分析的含义调查数据分析的作用1.数据分析是调查研究不可缺少的重要环节。2.数据分析是充分发挥调查研究作用的重要保证。4.通过数据分析还可以促进调查数据分析方法的研究。

3.数据分析在检验调查研究其他环节的工作质量中有着特殊的作用。调查数据分析的原则1.科学性原则2.客观性原则3.目的性原则4.系统性原则调查数据分析的特点1.数据分析过程要定性分析和定量分析相结合2.数据的定量分析以统计分析方法为主3.数据分析不能孤立于被调查研究的现象独立地进行4.数据分析过程是一次认识上的质的飞跃想想将一张纸对折50次，看看有多厚？调查数据分析的流程小结本节主要是让同学们认识什么是数据分析，原则有哪些，分析的流程有哪些。/snsj/

目录页CONTENTSPAGE6.2.2学会定性分析方法模块六：整理、分析调查数据6.2分析调查数据学习目标掌握定性分析方法的种类；能正确运用不同定性分析方法。学习重点不同定性分析方法的运用。引言定性分析方法，是人们根据事实，运用经验和判断能力、逻辑思维方法、哲学方法和相关专业理论，对现象进行判断、归纳、推理和概括，得出对事物的本质和规律性的认识的方法体系。归纳分析法1.完全归纳法是根据某类事物中每一个对象都具有或不具有某种属性，从而归纳出该类事物的全部对象都具有或不具有这种属性的归纳方法。（1）简单枚举法是根据某类事物中部分对象具有或不具有某种属性，且又没有发现反例，从而推论出该类事物都具有或不具有某种属性的归纳法。（2）科学归纳法是根据某类事物中的部分对象与某种属性之间的必然联系，推论出该类事物的所有对象都具有某种属性的归纳方法。2.不完全归纳法归纳分析法演绎分析法调查研究中的演绎分析，就是把调查数据的整体分解为不同部分、方面、因素，形成分类数据，并通过对这些数据的研究，分别把握其特征和本质，然后将这些分类研究得到的认识联结起来，形成对调查数据整体认识的逻辑方法。比较分析法比较分析法也称为比较法，是通过对各种现象或事物的比较，来确定它们的共同点和相异点，并揭示它们相互区别的本质特征的方法。常见的比较分析法有类型比较法和历史比较法。1.类型比较法是对各种类型进行比较的方法。这种方法有两个作用，一是由点到面，由个别到一般，逐步地建立类型，由此上升到对整体的一般性认识；二是抽象出事物的本质特征，以便比较和认识表面上差异极大或表面上很相似的现象。2.历史比较法是对不同时期现象的异同点进行比较和分析，由此揭示现象的发展趋势和发展规律的方法。

因果分析法

因果分析法是一种探寻现象之间因果关系的方法。因果分析法有许多种，属于定性分析的方法，如求同法、求异法、求同求异法、共变法和剩余法另一些属于定量分析的方法，如相关分析、回归分析、因素分析等统计方法，另一些则是。结构分析法

主要分析各部分之间的比例以及所起的作用大小，分析哪些作用是主要的，哪些作用是次要的。通过分析加深对这一事物的认识并确定对其施加影响的切入点。例如，根据对1000名被调查者的调查，受过大学教育程度的250人中32%拥有小汽车；低于大学教育程度的750人中，15%的拥有小汽车。因此，可得出结论:受过大学教育程度的人群中拥有小汽车的比率比低于大学教育程度人群中拥有小汽车的比率要高一倍多。由此可见，结构分析法是从结构分析导出定性结论。1．分析现象的内部结构。包括确定功能关系的性质，研究功能存在的必要条件，揭示满足功能的机制，即促使各因素之间发生相互影响和作用的手段和方法。2．分析现象的内部功能结构分析法主要分析研究对象在整个特定系统或宏观环境中的地位和作用，分析其与其他现象的相互关系和相互作用，它与外部环境（如制度、政策、市场、社会风气等方面）之间的相互影响。3．分析现象的外部结构和外部功能结构分析法本章小节本节内容主要讲述各种定性分析的含义，要求学生通过理解不同定性分析方法，能在不同情况下正确运用。/snsj//snsj/如果某专业2014年招生367人，则肯定有2名同学是同一天生日，为什么？再想想为什么我们班大部分同学是同一年出生的？想一想

目录页CONTENTSPAGE6.2.3掌握定量分析方法模块六：整理、分析调查数据6.2分析调查数据学习目标掌握数据分析的含义；能正确运用定性分析方法对不同数据进行分析；能正确运用不同的定量分析方法对不同数据进行分析。学习重点定性分析、定量分析引言定量分析方法分类：根据研究的目的不同，可分为描述性分析和解析性分析。根据涉及的变量多少不同，可分为单变量统计分析、双变量统计分析和多变量统计分析。根据涉及的数列性质不同，可分为品质数列分析、变量数列分析、时间数列分析、空间数列分析、相关数列分析、平衡数列分析。本教材主要讲述以下常用的定量分析方法。

对调查数据的集中趋势分析是对被调查总体的特征进行准确描述的重要前提。集中趋势分析主要用平均指标进行描述。众数中位数算术平均数几何平均数调和平均数数据集中趋势分析（1）简单算术平均数

依据未分组的原始数据，将总体单位的标志值简单加总求和，除以总体单位数所得的结果为简单算术平均数。其计算公式为：式中，为算术平均数；

为各单位的标志值；为总体单位数。数据集中趋势分析1.算术平均数【即学即练】5名工人日产零件数为12、13、14、14、15，则平均每人日产量为：数据集中趋势分析（2）加权算术平均数

原始资料按照数量标志分组，编成变量数列，将各组的标志值乘以相应的次数（权数），然后再加总求和，再除以总次数（总体单位数）所得到的结果为加权算术平均数。其计算公式为：数据集中趋势分析例如：某企业工人的生产情况如下表所示：日产量/件人数20121422623824122510267272合计50

某企业工人日产量分布表数据集中趋势分析则其平均日产量为：上例是根据单项式数列计算加权算术平均数，如果已知资料为组距数列，可用组中值代表各组标志值计算平均数。数据集中趋势分析例如：某企业员工的月工资资料如下表所示：月工资/元人数X

组中值fxf2500以下402250900002500～30008027502200003000～350012032503900003500～400015037505625004000～45007042502975004500以上404750190000合计500—1750000某企业员工的月工资数据资料表则该企业员工的月平均工资为：数据集中趋势分析

调和平均数是对变量值的倒数求得的平均数，又称倒数平均数，其又可以分为简单调和平均数和加权调和平均数两种。式中，为算术平均数；

为变量值的个数。【例6-8】某种蔬菜价格早晨为1元/千克，中午为0.8元/千克，晚上为0.5元/千克。若某人早晨、中午、晚上各买1元钱的该种蔬菜，则某人一天中买菜的平均价格为：（1）简单调和平均数数据集中趋势分析2.调和平均数（2）加权调和平均数加权调和平均数是各单位标志值倒数的加权算术平均数的倒数，以表示各项权数，其计算公式为：

数据集中趋势分析【即学即练】某种蔬菜价格早晨为1元/千克，中午为0.8元/千克，晚上为0.5元/千克。若某人早晨、中午、晚上分别买2元、3元、4元钱的该种蔬菜，则某人一天中买菜的平均价格为：数据集中趋势分析

3.几何平均数

几何平均数是n个变量值连乘积的n次方根。因为几何平均数的特征与社会经济现象发展的平均速度和平均比率的客观过程相一致，因此，它适用于计算平均速度和平均比率。（1）简单几何平均数简单几何平均数是n个标志值乘积的n次方根。其计算公式为：数据集中趋势分析【例6-9】某流水线有前后衔接的五道工序。某日各道工序的合格率分别为95%、92%、90%、85%、80%，则整个流水线的平均合格率为：数据集中趋势分析（2）加权几何平均数

对于分组资料，且各组变量值出现的次数（权数）不相等时应采用加权几何平均数，其计算公式为：

数据集中趋势分析【即学即练】某地区25年的年经济增长速度分别是；1年3%、4年5%、8年8%10年10%、2年15%，则该地区经济的平均年增长速度为：数据集中趋势分析

中位数是指将总体各单位的标志值由小到大排列，处在中间位置的那个标志值，用Me表示。中位数把全部标志值等分为两个部分，一半标志值比它小，一半标志值比它大。当平均值不易计算时，可用中位数代表总体的一般水平。数据集中趋势分析

3.中位数数据集中趋势分析中位数：也就是选取中间的数。一种衡量集中趋势的方法。要确定中位数第一步，首先需要从小到大排序。例如这组数据：23、29、20、32、23、21、33、25；我们将数据排序20、21、23、23、25、29、32、33；第二步，计算位置。1.若有n个数，n为奇数，则选择第（n+1）/2个为中位数；2.若n为偶数，则中位数是（n/2以及n/2+1）的平均数此例中选择中位数为24，即（23+25）÷2=245.众数

众数是总体中各总体单位出现次数最多的那个标志值，也就是各总体单位中最普通、最常出现的标志值，用表示。众数也可以表明社会经济现象的一般水平。数据集中趋势分析

一般来说，一组数据中，出现次数最多的数就叫这组数据的众数。

例如：1，2，3，3，4的众数是3。但是，如果有两个或两个以上个数出现次数都是最多的，那么这几个数都是这组数据的众数。例如：1，2，2，3，3，4的众数是2和3。还有，如果所有数据出现的次数都一样，那么这组数据没有众数。例如：1，2，3，4，5没有众数。数据集中趋势分析上面所提到的五种平均数——算术平均数、调和平均数、几何平均数、中位数和众数，都是用来反映客观现象在某个数量上所达到的一般水平，它们的含义和作用基本相同，但有各自的特点，所以在实际应用中应根据具体情况进行合理的选择。数据集中趋势分析数据的离散程度分析

数据的离散程度是用来测度各变量值远离其中心值的程度。极差平均差标准差离散系数极差又称全距，是总体各单位标志的最大值和最小值之差，用R表示:1.极差数据的离散程度分析平均差是总体中各单位标志值与其算术平均数的离差绝对值的算术平均数。由于各标志值与其算术平均数离差总和等于零，为防止正负离差相互抵消，要取其绝对值计算。平均差与极差的区别在于平均差涉及总体的全部数据，更能综合反映总体数据的离散程度。根据资料的不同，平均差可分为简单平均差和加权平均差。简单平均差是在资料未分组的情况下使用的，用表示，其计算公式为：

式中，AD为平均差；

为标志值；为平均值；

为总体单位数。2.平均差数据的离散程度分析工人项目甲班组乙班组日产量/件离差绝对离差日产量/件离差绝对离差第一人35-7728-1414第二人38-4434-88第三人40-224200第四人45334866第五人521010581616合计210026210044平均4205.24208.8

由计算可知，乙班组平均差大，说明乙班组平均日产量的代表性小，乙班组日产零件水平的差异大于甲班组日产零件水平的差异。数据的离散程度分析【实践真知6-7】某车间甲、乙两班组5名工人日产零件如下（单位：件）：

甲班：35，38，40，45，52；乙班：28，34，42，48，58。试计算甲、乙两班组工人日产零件的平均差。3．标准差

标准差又称均方差，是各单位标志值与其算术平均数离差平方的算术平均数的平方根。标准差是进行离散程度测度时用得最多、最重要的指标，它对现象的稳定程度的反应非常敏感。根据资料的不同，标准差可分为简单标准差和加权标准差。简单标准差加权标准差

标准差弥补了平均差和全距的不足，但是利用标准差不能比较性质不同的数列（水平高低不等，计量单位不同）离散程度。数据的离散程度分析3．标准差

一组学生的年龄分别是18，19，20，21，22岁，试求所有学生年龄的标准差。简单标准差加权标准差数据的离散程度分析4．离散系数

离散系数又称变异系数，是一类相对数形式的变异指标。它将各种变异指标（全距、平均差、标准差）与其平均指标对比，以反映总体单位标志值的离散程度。离散系数主要用于比较性质不同的总体数据的离散程度。离散系数有全距系数、平均差系数、标准差系数等。其中最常用的是标准差与算术平均数对比的离散系数，即标准差系数，通常用

表示。其计算公式为：

标准差系数愈大，标志变异程度愈大，平均数的代表性愈低；标准差系数愈小，标志变异程度愈小，平均数的代表性愈高。数据的离散程度分析

资料的相对程度分析是从两个有联系的统计指标对比计算的相对数出发，对其反映的事物间的关系进行的研究分析。相对程度分析使那些利用总量指标不能直接对比的现象找到了可比的基础。市场调查分析中常用的相对指标有计划完成程度相对指标、结构相对指标、比较相对指标、比例相对指标、强度相对指标和动态相对指标等。

数据相对程度分析1.总量指标

总量指标是说明总体在一定时间、地点和条件下的总规模或总水平的统计指标。总量指标用绝对数形式表示，因此也称为绝对指标。直接计量法推算估算法总量指标的计算方法

数据相对程度分析2.相对指标

相对指标也称相对数，是两个有联系的总量指标对比得到的一种抽象的比值，用以反映总体的发展程度、结构、强度、普遍程度或比例关系。一般用系数、倍数、成数、百分数或千分数表示。市场调查分析中常用的相对指标有：计划完成程度相对指标比例相对指标结构相对指标

数据相对程度分析计划完成程度相对指标是某一时期实际完成的指标数值与计划指标数值对比的结果。其计算公式为：(1)计划完成程度相对指标

数据相对程度分析【例6-10】

某商业企业某年商品销售额计划为2000万元，实际完成2200万元，则；计算表明，该企业超额10%完成了商品销售额计划。

数据相对程度分析某公司劳动生产率计划规定2013年比2012年提高8%，但实际提高了10%，则该公司的计划完成程度为：

数据相对程度分析（2）结构相对指标2024/12/7

结构相对指标是总体各组成部分与总体数值对比得出的比重或比率，用来表明总体的构成情况，一般用百分数表示。它从静态上反映总体的内部构成，揭示事物的本质特征，其动态变化可以反映事物的结构发展变化趋势和规律性，总体各组的结构相对指标可以说明该组在总体中的地位和作用，对于计算平均指标有特殊意义。其计算公式为：

数据相对程度分析2019年我国GDP总值为636463亿元：其中第一产业58332亿元，第二产业271392亿元，第三产业306739亿元，则有：

数据相对程度分析

由于总体内部各组成部分之间存在一定的联系，并在客观上保持一定的比例，为了反映这种比例关系，需要计算比例相对指标比例相对指标是指同一总体内不同部分的指标数值对比得到的相对数，它表明总体中各部分的比例关系，通常用倍数或百分数表示，也可以用一比几或几比几的形式来表示。其计算公式为：（3）比例相对指标

数据相对程度分析

某市有人口202万人，其中男性102万人，女性100万人，那么该市的性别比例指标为102%（以女性为100），或男性人口数与女性人口数之比为1.02:1（102:100）

数据相对程度分析2024/12/7客观事物的发展是不平衡的，对事物在不同地区、不同单位之间即不同空间发展的差异程度进行研究，需要运用比较相对指标。比较相对指标即反映在同一时间不同空间上同类现象数量对比关系的指标，一般用百分数或倍数表示，其计算公式为：（4）比较相对指标

数据相对程度分析2019年A市城镇居民人均可支配收入为47710元，B市城镇居民人均可支配收入为43910元，则2019年A市城镇居民人均可支配收入和B市相比：

数据相对程度分析

强度相对指标又称强度相对数，是指两个性质不同但有联系的总量指标对比得出的相对数，是用来表示现象的强度、密度和普遍程度的指标。例如，以人口数与土地面积对比得到的人口密度，以主要产品产量与人口数对比得到的每人平均产品产量，以医院病床数与人口数对比得到的每一万人平均分摊的医院病床数，均称为强度相对指标。其计算公式为：（5）强度相对指标

数据相对程度分析某城市人口1000000人，零售商店3000个。则：计算结果表明，该城市每千人拥有3个商业网点。指标数值越大，商业越发达，人民生活越方便，表示强度越高，这是正指标。如果把分子和分母对换，则：计算结果表明，该城市每个商业网点为333人服务。指标数值越大，需要服务的人数越多，商业欠发达，即表示强度越低，这是逆指标。

数据相对程度分析动态相对指标即两个时期间同一指标数值的对比，是反映现象发展变化程度的指标，把作为比较的时期称为基期，把同基期对比的时期称为报告期。动态相对指标对于分析研究社会经济现象的发展变化过程具有重要意义。动态相对指标通常用百分数表示。其计算公式为：（6）动态相对指标

数据相对程度分析某地2019年社会消费品零售总额为34153亿元，2018年社会消费品零售总额为31135亿元，则该地2019年社会消费品零售总额和2011年相比：计算结果表明，该地2019年社会消费品零售总额和2018年相比，增长了9.7%。

数据相对程度分析

相关分析相关关系是指现象之间确实存在着的，但其数量表现又是不确定、不规则的一种相互依存关系，在这种关系中，当一个或一组变量取一定数值时，与之相对应的另一个变量的数值是不能确定的，只是按照某种规律在一定范围内变化。这种关系不能用严格的函数式来表示。1.相关关系的概念（1）按相关关系涉及变量（或因素）多少的不同，可将其划分为单相关和复相关。（2）按相关关系表现形式的不同，可将其分为线性相关和非线性相关。（3）按照相关现象变化方向的不同，可将相关关系划分为正相关和负相关。（4）按照相关程度的不同，可将相关关系划分为完全相关、完全不相关和不完全相关。2.相关关系的种类

相关分析相关分析的主要内容有以下两点：（1）判断现象之间的相关状态（2）判断相关关系的密切程度

3.相关分析的主要内容

相关分析回归分析就是对具有相关关系的两个或两个以上变量之间数量变化的一般关系进行测定，确定一个相应的数学表达式，来近似地表达变量间的平均变化关系。

回归分析1.回归分析的概念根据自变量x和因变量y的相关关系，建立x与y的线性关系式，用统计回归分析法求解关系式中的参数，故x与y的关系式就称回归方程回归方程的一般形式为：第t期因变量值回归参数，回归直线的斜率回归参数，y轴上的截距第t期自变量值

回归分析2.一元线性回归根据某地区10年农民“人均年纯收入”资料，和该地区相应年份的“销售额”资料，分析该地区市场销售额。观察期资料见下表：

回归分析根据表中x与y观察期10年资料绘制散点图散点图表明，x与y存在相关关系散点基本集中在一条直线上，说明相关程度较高，农民人均年纯收入（x）与销售额（y）表现较高程度的直线正相关可采用一元线性相关回归分析模型

回归分析应用最小平方法求回归方程参数，建立分析模型example求参数a、b解得方程：标准方程：

回归分析一元线性相关回归市场分析计算表

回归分析应用最小平方法求回归方程参数，建立分析模型求解a、b值：则回归方程为：

回归分析THANKYOU职业教育市场营销专业教学资源库建设项目市场调查与分析职业教育市场营销专业教学资源库建设项目

目录页CONTENTSPAGE6.3.1大数据认知模块六：整理、分析调查数据6.3大数据分析应用学习目标了解大数据的特点和商业应用方向；掌握大数据分析流程；能根据业务问题，做出科学的大数据分析规划，并利用可视化工具进行数据分析与展示。学习重点利用可视化工具进行数据分析与展示

大数据的定义大数据又称巨量资料，是指无法通过人脑甚至主流软件工具，在合理时间内对其内容进行撷取、管理、处理和整理的数据集合。狭义数据量庞大数据种类繁多无法用常规归类方法应用计算

大数据特点5VVolume（大量）Velocity（高速）Variety（多样）Value（低价值密度）Veracity（真实性）

大数据特点数据量大（Volume）1大数据最基本的特点就是数据量庞大，它是获取真实数据价值和有效潜在信息的前提。随着云计算、物联网等技术的发展，数据的采集、计算、存储量也在飞速增长。近4亿的会员每天产生的商品交易数据约20TB约10亿的用户每天产生的日志数据超过300TB

大数据特点数据流转快速（Velocity）2大数据时代，数据增长速度快，其获取和处理速度也快，数据的实时性要求越来越明确，这是大数据区分于传统数据处理最显著的特征。汽车无人驾驶需要快速获取道路数据，依据数据进行正确研判并做出及时反应，才能实现安全驾驶。

大数据特点数据类型多样（Variety）3因为数据源不同，数据类型和形式也越来越丰富，已经打破传统的结构性数据范畴，出现了半结构与非结构数据。地理信息图片音频视频

大数据特点价值密度低（Value）4传统数据基本都是结构化数据，每个字段都是有用的，价值密度非常高。大数据时代，越来越多数据都是半结构化和非结构化数据，虽然数据量比以前大了很多倍，但价值密度确实低了很多。

大数据特点数据真实可靠（Veracity）5大数据中的内容是与真实世界中所发生的活动息息相关。准确性高可信赖度高大数据思维总体性思维数据获取从抽样变为全面收集思维方式也应该从样本思维转向总体思维容错性思维拥有海量数据后，绝对精准不再是追求的主要目标，适当忽略微观层面上的精确度，反而可以在宏观层面拥有更好的洞察力关联性思维大数据能分析出事物之间隐蔽的相关关系，获得更多的认知与见解思维方式已经从因果思维，转变为关联性思维智能化思维大数据思维最关键的就是要从自然思维转向智能化思维，使数据富有生命力“智能”和“智慧”已成为大数据时代的显著特征

目录页CONTENTSPAGE6.3.2大数据分析的基本流程模块六：整理、分析调查数据6.3大数据分析应用学习目标了解大数据的特点和商业应用方向；掌握大数据分析流程；能根据业务问题，做出科学的大数据分析规划，并利用可视化工具进行数据分析与展示。学习重点利用可视化工具进行数据分析与展示大数据分析流程确定目标确定目标是大数据分析的第一步是数据采集。明确分析定位确定分析思路确保数据分析过程有效进行确保分析框架的体系化，使分析更具有说服力确定目标某电商企业要分析其线上交易用户行为，以优化运营方案。对于这一分析目标，我们需要进行框架式分解。用户进入APP的主要目的就是消费，其行为可以分为逛和买。因此，可以从浏览和购买两个行为进行分析，其中浏览行为主要关注访问时间、访问频次、访问深度、访问入口、收藏/加购频次、停留时长、品类偏好等；购买行为主要分析消费金额、消费频次、消费偏好等。在此基础上确定数据采集和分析方案。数据采集数据采集也即数据收集或数据获取，是按照已经确定的数据分析框架，收集相关数据的过程，它是大数据分析的前提，也是大数据价值挖掘的重要环节。第一手数据：可直接获取的数据第二手数据：经过加工整理后得到的数据数据采集数据采集途径基于物联网的数据业务系统的数据库互联网数据采集基于物联网的数据1指把所有物品通过信息传感设备、射频识别技术、全球定位系统等与互联网连接起来，进行信息交换，实时采集各种需要的信息。在自动驾驶中，数据的采集主要包括基于GPS（全球定位系统）的定位信息、车载视觉摄像头数据、车载雷达数据等。例数据采集业务系统的数据库2一些企业建设有自己的业务处理系统，系统会用利用MySQL和Oracle等传统数据库来存储相关业务数据，企业所产生的业务数据，都被实施地写入数据库。数据采集

互联网3直接获取结构化数据利用数据爬取技术采集非结构化数据要分析某地二手房销售市场行情，就可以使用进入二手房交易平台，利用数据采集工具对数据进行自动采集数据处理数据处理数据清洗数据集成数据转换数据归约对已采集到的数据进行加工整理，将原始数据转化为可以进行数据分析的格式，是数据分析的基础。基本目的：从大量、杂乱、难以理解的数据中，抽取并推导出对解决问题有价值、有意义的数据，保证数据的一致性和有效性。数据处理

数据清洗1对缺失数据、重复信息、异常数据进行必要的处理，以保证数据的一致性（1）缺失值清洗

缺失值主要包含两种：一是单元缺失，及观测对象的全部信息均缺失；二是属性缺失，即观测对象的部分信息记录不全。常见的处理方法有：①直接删除②填充缺失值数据处理

数据清洗1（2）重复值清洗数据库中属性值相同的记录被认为是重复记录，通过判断记录间的属性值是否相等来检测记录是否相等，相等的记录合并为一条记录（即合并/清除）。

合并/清除是消重的基本方法。数据处理

数据清洗1（3）异常值清洗异常值是指那些在数据集中存在的不合理的值，可能是因为传感器故障、人工录入错误或异常事件导致看，如果忽视这些异常值，在某些建模场景下就会导致结论的错误。数据处理

数据清洗1（3）异常值清洗

①分箱：将需要处理的数据根据一定的规则放进箱子里，然后根据数据中各个箱子的实际情况对异常数据进行平滑处理。我们可以对原始数据先进行一个排序，然后分到3个不同的箱中，按照每个箱的平均值进行箱内平滑。数据处理

数据清洗1（3）异常值清洗

②回归：构建回归模型，使用回归函数去拟合数据代替异常数据。对数据绘制散点图后，右上角有一个数据明显异常，此时，可以对正常数据绘制单线性趋势，将异常数据平滑到线性趋势线上即可。数据处理

数据清洗1（3）异常值清洗③聚类：就是把数据划分为若干聚类，每个类内的对象都是十分相似，而类与类之间存在明显的差距。将某科目成绩（百分制）按照规不合格、合格、优秀三个等次聚类后，形成散点图后，还有3个点是分散于类别外的，就是异常数据，可以直接删除。数据处理

数据清洗1（3）异常值清洗④其他：对于部分明显的逻辑错误值，可以利用人工和计算机配合处理。年龄200岁，要么删掉，要么就按缺失值处理；身份证号是1101031980XXXXXXXX，但是年龄却是18岁，这明显信息不对称，需要调整统一。例数据处理

数据集成2将不同数据源的原始数据进行转化、合并处理，从而形成集中、统一的数据库、数据立方体等，有利于提高大数据的完整性、一致性、安全性和可用性等。京东关键词数据淘宝关键词数据某电商企业淘宝店和京东店某商品关键词推广效果数据处理

数据集成2

数据集成常用的方法：

（1）数据仓库：又称为ETL，由3个步骤构成：提取、变换和装载。提取就是连接源系统并选择和收集必要的数据用于随后的分析处理。变换就是通过一系列的规则将提取的数据转换为标准格式。装载就是将提取并变换后的数据导入目标存储基础设施。

（2）数据联合：创建一个虚拟的数据库，从分离的数据源查询并合并数据。虚拟数据库并不包含数据本身，而是存储了真实数据及其存储位置的信息或元数据。数据处理

数据转换3数据转换是将数据转换为统一的、适用于数据分析的数据形式，消除它们在时间、空间、属性及精度等特征表现方面的差异，便于分析比较。原始二手房出售信息转换后的二手房出售信息利用采集工具采集到的二手房销售平台数据中，“房屋信息”这个属性中包含有房型、面积、朝向等信息，不利于分析，就需要进行数据转换，将其分割为多个属性。数据处理

数据归约4在尽量保持数据原貌前提下，最大限度地精简数据量，以降低无效、错误数据对数据建模的影响，提高建模准确性，减少数据挖掘时间，减低存储成本。（1）样本规约：就是删除行。（2）特征规约：就是删除列。（3）特征值规约：减少列中值的数量。数据分析

数据分析是指使用适当的分析方法及工具，对处理过的数据进行分析，提取有数据中隐含的价值信息，形成有效结论的过程，数据分析大多是通过软件来完成。

数据挖掘是一种高级的数据分析方法，通过算法从大量的数据中搜索隐藏的有用信息。数据挖掘的算法有两类：有监督学习和无监督学习数据分析1.有监督学习有监督学习是指存在目标变量，探索特征变量和目标变量之间的关系，在目标变量的监督下学习和优化算法。分类构造分类模型，然后使用该模型对未知样本进行类别判定。分类算法常应用于客户分类、客户属性和特征分析、客户满意度分析。预测分析数据并建立变量之间的依赖关系，从而发现数据内在规律，解决相关问题。主要研究数据序列的趋势特征、数据变量间的相关性等，通常应用于客户关系维系、产品生命周期分析、销售趋势预测及有针对性的营销活动等。数据分析2.无监督学习无监督学习是指不存在目标变量，基于数据本身去识别变量内在的模式和特征，是没有目标变量监督下的模式识别和分析。聚类基于数据本身，根据数据的相似性和差异性，将一组数据分为几个类别。经过聚类后，属于同一类别的数据间的相似性很大，但不同类别之间数据的相似性很小，跨类的数据关联性很低。关联是通过分析两个或多个事物之间存在的关联,挖掘隐藏在数据间的相互关系，从而根据一个数据项的出现推导出其他数据项的出现。数据分析数据挖掘过程.数据呈现也即数据可视化，是将大型数据分析结果以图形、图表的形式呈现，并利用数据分析和开发工具发现其中未知信息，对数据加以可视化解释。.数据呈现数据可视化的探索过程.数据呈现图表类型类别比较型图表的数据一般包含数值型和类别型两种数据类型，比如在柱形图、条形图、雷达图、坡度图、词云图等。类别比较.数据呈现图表类型数据关系型图表分为数值关系型、层次关系型和网络关系型三种图表类型。包括散点图、气泡图、节点链接图、树状图、桑基图、和弦图、蜂箱图等。类别比较数据关系.数据呈现图表类型数据分布型图表主要显示数据集中的数值及其出现的频率或者分布规律，包括统计直方图、核密度曲线图、箱形图等。类别比较数据关系数据分布.数据呈现图表类型时间序列型图