市场研究与spss数据分析课件

1、市场研究和spss数据分析、目录计程仪、spss在市场研究中的应用、市场研究的概要、市场研究的统计分析的概要、统计学(Statistics )是关于数据的学科，营销学(营销学)研究(Marketing Research) AMA是营销学通过信息与消费者、顾客、公众进行协作这些个信息用于标识和定义营销学问题和机会，制定、改进和评估营销学活动，监视营销学性能，以及改进对营销学过程的理解。 找出解决问题所需的信息，设计信息采编方法，管理和实施数据采集流程，分析结果，沟通研究结论及其意义。 市场研究是在统计学的基础上，在信息采编处理和分析的基础上，利用SPSS等统计学工具进行的相关工作。市场研究分类、

2、研究内容支持体调查方式分析方法广泛，定性研究、动机、态度、决策过程口头表达信息深入访问，座谈会心理分析、经验/灵感思维深度调查、定量研究、事实、意见、行动数字、尺度户籍访问、街头访问、电话、信统计分析广泛调查，多方面和表面、片假名计程仪、 SPSS在市场研究中的应用市场研究概述、市场研究统计分析概述、市场研究数据分析过程、问题单设计、数据录入和错误调查、探索性分析、实证/结论性分析、高度分析、分析从这里开始！ 我确信问题单会涵盖你为了达成研究目的而需要的全部内容。 巧妙的女性使没有米的煮饭变得困难！ 设计不严密、信息不完整的问题单是“强大”统计工具的“毒药”！大量交叉表数据支持研究结论。 简单

3、分析重要/核心主题的数据，大致把握研究发现，生成初步研究结论，确信得到了所需的全部数据信息，是正确的。 同时结合先进的统计技术进行深入的数据挖掘和分析，数据信息与营销学理论相结合，形成研究结论并提出建议。 数据分析方法：简单的数据分析、多变量统计分析、方法的适用性和优越性，主要方法是集中趋势分析：一般数、中位数、平均数交叉表分析，简单的分析变量之间的关系比较广泛，数据和对使用者的要求相对容易理解，相关性分析回归预测因子分析聚类分析对应分析， 分析变量间的因果关系、相似度等多用于预测、用户细分等场合的数据要求：数据量为一盏茶，数据周期为一盏茶，对用户的要求：需要基本的统计学知识和业务的理解，分类

4、计程仪，SPSS在市场研究中的应用，市场研究的概要，市场研究统计分析的概要， SPSS进行市场研究分析的程序，根据研究目的完成问题单设计-在此过程中留心问题单形式的标准化。 标准化调查实施过程，保证回收数据的规范、有效性。 喀呖声。将调查数据输入到SPSS中。 进行数据的机械验证和逻辑性验证。 然后解析处理生成的SPSS形式数据文件。 调查：数据收集、SPSS上的操作、 frequencyciesdescriptivecrosstabsmeansbibliatecorrelations linearregressionk-nersclusteraniclusteranalingcresores

5、pondenceanaly SPSS经常分析统计命令，分析frequeens:一维度次数分布表，了解变量的频率分布情况，获得数值的数量特征和内部结构情况的概况的认知，便于在此基础上进一步分类整理数据。Frequencies的基本应用步骤如下： 选择frqueens选项，打开相应的对话计程仪选择要进行频率分析的变量(如果需要，可选择Statistics、 用Charts选择想输出的统计量和格拉夫用Format按钮可以设定度数表的格式输出喀呖声OK按钮执行指令看输出到Output窗口的统计结果，输出到Frequency Table的5列数据从左到右依次为变量值、 与每个变量对应的出现频率、基于总样

6、本量的化学基百分比配置、基于此次计算的有效样本量的化学基百分比配置和累积百分比。等等。这些变量与变量之间的差值对应。典型应用：利用定价策略、Descriptives :描述统计、Descriptives求变量描述统计量，反映数据的集中趋势和离散趋势。集中指数：模式：发生率最高的数值适用于所有测量水平的中位数：数值排序后处于中间位置的数秩序、距离、比例数据的算术平均数或平均适用于：的各数值的简单平均的定距数据和定比数据的离散倾向指标：全距离或极差：一个定序型变量的最大值和最小值的差、下四分位：离散：变量的所有值及其平均值之差的平方平均标准离差：方差的平方根，典型应用：一般统计，Crosstabs

7、 :多维度数交叉分析，Crosstabs多维次数分布交叉表：在交叉列表分析过程中生成二次元和多维交叉表。 一个行变量和一个列变量形成二维交叉表，指定另一个控制变量可以形成三维交叉表。 如果可以指定多个行、列和控制变量，则会形成复杂的多维交叉表。 表中的数据可以是数字类型或字符类型的变量。 使用交叉表分析流程，可以完成分类资料和等级资料的统计说明，以及各种“一般”统计验证。 Crosstabs的基本应用程序是，选择Crosstabs选项，打开相应的对话计程仪。从源变量中选择频率表的行变量，放入Row(s )框中的列变量，选择Column(s ) 框中。在Statistics中选择Chi-squa

8、re，验证矩阵变量是否独立。在Cells中选择交叉表中输出的统计量。喀呖声OK按钮执行命令。查看输出窗口中输出的统计结果： croot Pearson Chi-Square的值表示矩阵变量的双方独立，如果该值小于0.05，则表示矩阵变量彼此独立的假设不成立，即矩阵变量彼此相关联。 注意Chi-Square Tests表下的注释。 如果该表的国有子单元(Cell )内的样本量分布过低，则即使Pearson Chi-Square系数显着(小于0.05 )，该矩阵变量之间的关联性也会限定到本次分析中推论出的样本群中。 典型应用：细分市场趋势预测，Crosstabs :多维度交叉分析，高收入细分市场中

9、某年龄段的列比例高收入细分市场中某年龄段的截面指数=100%，指数=100%等于整体市场指数=120%以上，显着低于整体水平指数=80%以下，如18-24 18岁至24岁的高收入者占总体高收入的百分比，表示18岁至24岁的高收入者占总体高收入的百分比： 31.2%； 指18-24岁高收入群体18-24岁的比例为31.2 %-18-24岁的高收入群体截面指数： 104； 另外，通过比较Means :平均值，可以计算每个分类变量组的指定变量的综合描述统计量。Means的适用步骤如下。 选择Means选项打开相应的对话计程仪从源变量中选择分组变量，并将其放入InDependent框选择所需的分析变量

10、并放入dependent框选择要在Options中输出的统计量后，云同步将显示、 选择Anova并喀呖声OK按钮来验证变量组之间是否有差异执行命令查看输出到Output窗口的统计结果：输出到Report表的是、 在调查的变量以分类变量来分组之后的对应记述统计量即Anova Table中Sig .表示各组间的有效系数，不足0.05的话，该变量表示以该分类变量来分组的组之间存在有效差异。典型应用：细分市场、bibliatecorrelations:的相关性分析、相关性分析计算两个变量的相关系数，判别两个变量间相关的强弱。 bibliatecorrelations的适用步骤如下。 选择bibliat

11、ecorrelations选项，打开相应的对话计程仪从源变量中选择需要相关系数的变量，放入“变量”框中喀呖声OK按钮执行命令查看输出到Output窗口的统计结果时， 观察输出结果的a变量和b变量的交叉单元格的Pearson Correlation系数，该数值的绝对值越接近1，两变量间的相关性越强。 典型应用：价格策略、线性回归：线性回归、验证一个因素变量与一组参数的关系、研究某变量的影响因素、建立线性回归方程。 线性注册的适用步骤如下。 选择“线性注册”选项， 打开相应的对话计程仪将从源变量中选择的参数和因素变量放入对应的框中将Collinearity Statistic添加到Statisti

12、cs的缺省奥尔特值喀呖声定OK按钮执行命令将输出到Output窗口的统计结果观察Coefficients表中的Sig .值，该值小于0.05的参数对要因变量的变化有显着影响，与这些个的参数对应地观察Unstandardized Coefficients B值(回归系数)，该系数的正负是该参数与要因变量的关系典型应用：价格战略趋势分析，线性回归：线性回归，案例：下表为某城市1999年至2007年相关经济数据，2008年人均可支配收入达27743.55元，城市人口密度为3222.00 请预测2008年房地产商的平均售价。 K-Means cluster Analysis :快速聚类，根据几个变量的

13、表现特性分类研究对象。k-means群集分析的应用步骤如下。 选择k-means群集分析选项， 打开相应的对话计程仪在“变量”框中放入源变量中参加集群的变量在“显示输出”窗口的 Label Cases 框中放入样本标记变量定义以Number of分类的类别数Save中， 选择“Cluster mumbership”(记录每个case所属的类别编号并将其存储在数据窗口qcl-n变量中)和“Distance from cluster center”(记录每个case与类中心之间的距离)选项为“default” 喀呖声OK按钮执行指令， 典型应用：细分市场竞争分析啤酒名卡洛琳娜金属钍含量酒价Budw

14、eiser 144.00.004.70.43 schllitz 181.00.004.90.43 ionen brau 157.0015.00.90.48 krnennenson n152. 0011.005.00.77 old-milnaukee 145.0023.004.60.26 aucsberger 175.0024.005.50.40 strchsbohemi 149.0027.004.70.42 mm 13.006.003.70.44 coors 140.0016.004.60.44 coors licht 102.0015.004.10.46 Michel OS 135.0011

15、.004.20.50 secrs 150.0019.00 以啤酒的各种网络冲突布兰德分类为例，分别为02.30.36 hamms 136.00.40.43 heileman 144.0024.004.90.43 Olympia 72.002.90.46sc h lite 97.00 7.00 4.20.47， K-Means cluster Analysis :快速聚类、Correspondence Analysis :对应分析、几个并行对象(例如几个网络冲突布兰德)在几个特性(例如布兰德特性)上的表现值，每个对象自身表品牌形象认知(提及比率% )根据以下的数据例子进行说明：布兰德的定位，Co

16、rrespondence Analysis :对应分析，根据上述的数据，建构Spss数据文件，其中，变量a中的数据按顺序由布兰德ac按各特性获得的提及变量b是布兰德特性的序号，这里是变量a的数据排列，变量b中的数据是三段19的排列，变量c是布兰德的序号，这里是9个1、9个2、9个3的排列，包含这三个变量。 选择Correspondence Analysis选项，根据变量a对数据加权，打开相应的对话计程仪将变量a、b分别移动到Row、Column框，用Define range定义变量a、b的范围。 在此，分别喀呖声1到9和1到3的OK按钮来执行指令。 与分析相对应，产生以下格拉夫的红点代表每个布兰德的特性，绿点位于与表示三个网络冲突布兰德的布兰德相同的象限中，而相对接近的布兰德特性是该布兰德的核心特性，以及位于某个布兰德和对角象限中的品牌特性点Scatterplot :散点