市场分析与软件应用之SPSS软件操作实务4.ppt

1、市场分析软件SPSS操作实务,均数检验 方差分析 相关分析,三、均数检验 -连续变量的统计推断：t检验,1、单样本t检验 2、独立样本t检验 3、配对样本t检验 4、单因素方差分析,均值,单样本 T 检验,独立样本 T 检验,配对样本 T 检验,一元方差 分析,1、单样本t检验 即样本均数与总体样本均数的比较 问题1：或者总体有474名员工，现在随机从中抽取45%员工222员工，考察这222人的当前收入均数是否与474人当前收入的均数相等？ 问题2：已知公司员工“当前收入”总体平均数，现在我们将员工按性别划分，男性、女性就是其中的两个样本，现考察男性员工的当前收入均数是否与总体均数相等？,问题

2、1,检验：总体均数$34419与样本均数35303之间有无显著差异？,总体均数,自由度,t分数,P值 显著性（双尾）,两均数差值,结论：均值 没有显著差异,问题2演示：,男性员工“当前收入”均数与总体均数之间有无显著差异？,2、独立样本t检验,男性员工vs女性员工是两个独立的样本 考察两个样本的当前收入的均数是否有显著差异？ 即考察所有男性总体vs所有女性总体的当前收入有无差异？,方差齐性检验,独立样本 均数检验,结论：两个样本所在总体的方差不齐。,方差齐性检验,结论：男性员工当前收入明显高于女性员工。,方差齐性,方差不齐,P0.05，差异显著 P0.01，差异极其显著,附1：独立样本T检验的

3、适用条件,1、正态性： 各样本均来自正态分布的总体。 如果不是正态，只要样本量够大，其影响可以忽略不计。 2、方差齐性： 各样本所在总体的方差相等。 3、独立性： 各记录（观察值）之间是相互独立的。,附2：方差齐性检验之其他操作方法,方差 齐性检验,原假设： 两总体方差相同,基于均数,基于中位数,基于调整自由度的中位数,基于截尾均数,方差 齐性检验,F值,P值,3、配对样本t检验,常见配对设计情形 1）同一组消费者接受某种信息前后的数据（例如：消费者看广告前后对某品牌的喜欢程度） 2）同一组消费者两个不同部位的数据（例如：消费者看性感广告时的心跳频率与眨眼的频率）,3）同一组消费者同一时刻接受

4、两个调查指标的数据（例如：消费者对某品牌产品的质量评价分数和包装评价分数） 4）配对的两个消费者分别接受两种信息之后的数据（例如：甲乙两组消费者的品牌认知程度、生活习惯、消费经验与年龄、性别等指标相当，然后分别观看同一产品的不同创意广告，随后分别进行产品评价，得到两组数据）,结论：员工当前收入明显高于入职时的收入。 说明进入本公司将明显改善员工的收入水平。,配对样本相关系数,差异极其显著,4、单因素方差分析 One-way analysis of variance,以 cars.sav 数据库为例 研究不同产地汽车的耗油量是否存在差异,方差齐次检验,描述性统计量,用各组均数作图,结论：样本的总

5、体方差齐性。,方差齐次检验,F=0.106,P 0.05,结论：各国汽车耗油量是不同的。,组间变异,组内变异,总变异,多重均值比较,当我们已经知道三个不同产地的汽车其耗油量是不同的， 那么为了进一步弄清楚到底是哪两个或三个产地存在差异？ 此时，进行多重均值比较,对所有可能的组合进行同步进入的配对比较。,* 统计学意义,方差分析的适用条件-与T检验的适用条件大同小异,1、正态性： 各样本均来自正态分布的总体。 2、方差齐性： 各样本所在总体的方差相等。 方差轻微不齐次时，只要最大/最小方差之比小于3，分析结果也是稳定的。 3、独立性： 各记录（观察值）之间是相互独立的。,四、方差分析,1、单因素

6、方差分析 （方法一：在均数检验中已介绍，因变量为一个，影响因素为一个） 方法二：演示 2、两因素方差分析 （因变量为一个，影响因素为两个） 3、多因素方差分析 （因变量为一个，影响因素为多个） 4、多元方差分析 （因变量为多个，影响因素为一个或多个）,2、两因素方差分析,以“职工收入”数据库为例 问题： 职工当前收入是否受因素1“教育程度”及因素2“当前岗位”的影响？,GLM一般线性模型,单变量 or单因素,因变量,因素变量,随机因素变量,协变量 如果需要去除某个变量对因素变量的影响，可将这个变量移到此框中,方差分析表,对方差分析模型的检验：原假设为模型中所有影响因素均无作用，即教育水平、岗位

7、类别对员工收入没有影响。但F=110，P0.01，说明该模型有统计学意义，至少由一个是差异的，具体是哪一个则阅读下面的分析,交互作用,交互作用无统计学意义，为使得模型更简洁，可将其去除。,去除交互项的方差分析模型结果,其他对话框示例：多重比较,多重比较,3、多因素方差分析,因变量只有一个，自变量三个及以上。 举例 步骤同“两因素方差分析”,4、多元方差分析,上述方差分析中因变量只有一个； 多元方差分析中，将涉及多个因变量。这里的多元才是真正意义上的多元。 注：一般意义上的多元统计分析（多因素）是对因变量为一个，自变量有多个的资料的统计分析。,原理：,一个地区的广告投放量较大幅度增加（2） 另一

8、个地区的广告投放量恒定不变（1） 2=大幅度广告投放，1=保持原有广告投放 考察广告投放量（自变量）增加对以下多个指标（因变量）的综合影响： 终端销量 经销商进货量 消费者品牌知名度,多个因变量,自变量（因素）,五、相关分析,相关分析有比较广泛的意义 它泛指两个变量间的关联(联系)程度的分析，这两个变量可以是任意测量级别的变量。,1、基本概念,正相关 负相关 完全相关 直线相关 曲线相关 相关系数,2、相关类型,积差相关： Pearson皮尔逊相关系数 两个连续变量间呈线性相关时，使用Pearson积差相关系数， 等级相关： Spearman斯皮尔曼等级相关系数 Kendalls tau-b肯

9、德尔等级相关系数（适用于两个分类变量均为有序分类的情况）。,相关分析,两变量 相关分析,偏相关分析,连续变量,相关系数,显著性水平,举例：汽车耗油量数据库,计算每加仑所行驶的里程数与重量之间的相关,偏相关分析,如果前面汽车耗油量的数据库中增加一个变量“汽车价格” 数据会出现美国车价格昂贵，日本车价格便宜 如果对每加仑所跑里程与汽车价格求相关，可能出现一个负相关现象：汽车越贵，价格越高。 问题：是不是消费者愿意为高油耗汽车出更高的价格呢？ 这里需要考虑现象背后的本质：汽车价格与耗油量都受汽车自身重量的影响，而不是汽车价格影响耗油量，或者耗油量影响汽车价格！,控制变量,课堂问题解读,均值检验中的方差、标准差、平均数的意义。 两个独立样本，可能方差相同，平均数不同。 两个独立样本，也可能方差不同，平均数相同。,离散量数分析 方差和标准差,举