市场研究中的数据分析方法培训资料.ppt

市场研究的数据分析方法第一节线性回归分析1、一元线性回归模型在应用线性回归模型时，必须满足以下假设：

（1）解释变量是确定性变量，而且解释变量之间不相关。
（2）随机误差项具有0均值和同方差。
（3）随机误差项在不同样本点之间是独立的，不存在序列相关。
（4）随机误差限于解释变量之间不相关。
（5）随机误差项服从0均值和同方差的正态分布。二、线性回归方程的统计检验
1、回归方程拟合优度检验
2、回归方程的显著性检验
3、回归系数显着性检验
三、回归分析假设条件的检验
1、残差分析
2、多重共线性
3、误差项的序列相关四、线性回归分析的基本步骤

1、确定回归中的自变量和因变量。
2、从收集到样本资料出发确定自变量和因变量之间的数学关系，即建立回归方程。
3、对回归方程进行各种统计检验。
4、利用回归方程进行预测。

例：CheckersPizza公司是休斯敦附近Westbury镇上仅有的从事比萨饼送货业务的两家公司之一，其直接竞争对手是欧文公司，提供相同的产品与服务。另外麦当劳也是它的一个重要竞争者。在过去的24个月中，该公司的销售量(Q)、价格(P)，小镇上居民的人均收入(M)，欧文公司产品的价格（P欧文）以及麦当劳产品的价格（P麦当劳）。假定下个月公司产品价格为9.05，人均收入为26614元，欧文公司产品的价格10.2元，麦当劳产品的价格为1.15元，请预测该公司下个月的销售量。
首先CheckersPizza公司根据资料估计下面的线性需求方程的参数：
Q=a+bP+cM+dP欧文+eP麦当劳
式中:
Q—比萨饼的销量；
P—比萨饼的价格
M—小镇居民的人均收入
P欧文—欧文公司产品的价格
P麦当劳—麦当劳产品的价格下面是SPSS11.0的输出结果：
从上面的输出结果可以看出，模型可以解释97%的比萨饼销售量的变化；模型整体非常显著，F统计的相伴概率值P=0.000；四个参数b、c、d、e非常显著，T统计的相伴概率值P都远小于0.01。
所以，回归方程为：
Q=-343.748-195.895P+0.0742M+174.403P欧文+81.057P麦当劳
该公司下一个月比萨饼的销量为;
Q=-343.748-195.895*9.05+0.0742*26614+174.403*10.2+81.057*1.15
＝1730.2872
第二节判别分析二、判别分析基本模型与统计术语
（一）假设条件
1、每一个类别都取自一个多元正态总体的样本
2、所有正态总体的协方差矩阵或相关矩阵都相等
（二）基本模型
1、先验概率
2、后验概率
3、判别系数
4、结构系数
5、分组的矩心
6、判别力指数
7、残余判别力三、分析的基本步骤
判别分析一般都是通过现成的统计软件进行分析。一般而言，利用统计软件的判别分析具体包括以下步骤：某公司生产一新产品，该公司在新产品末大量上市以前，进行了一次市场调查。公司将新产品寄给十五个代理商，并附意见调查表，要求对该产品给予评估并说明是否愿意购买。评估的因素有：式样、包装及耐久性。评分用10分制，高分表示特性良好，低分则较差。其中有三位代理商没有表明自己的购买意愿。
那么这些代理商是属于“非购买组”还是“购买组”？以下是SPSS11.0的部分输出结果:表中最大概率组一栏是判别分析得出的组别。13、15号代理商属于“非购买组”，14号代理商属于“购买组”。第三节聚类分析二、距离与相似系数
（一）常用的距离指标有
1、欧式距离
2、欧式距离的平方
3、曼哈顿距离
4、切比雪夫距离（二）常用的相似系数指标主要有
1、余弦系数
2、皮尔逊相关系数
（三）定类数据的距离
1、卡方距离
2、法方距离
三、聚类方法
1．层次聚类法
2．迭代聚类法
四、聚类分析的主要步骤某家具公司为了对市场进行的细分，对购买家具的顾客进行了一次市场调查。这次调查的指标有：喜爱的款式（老式为1，新式为2），图案（素式为1，格字为2，花纹为3）；颜色（蓝色为1，黄色为2，红色为3，绿色为4）。调查样本为30人。
顾客根据聚类结果，这30名顾客分为3类，可以较好的反映这些顾客对家具的偏好类型：
第一类：1，9，13，17，24
第二类：2，3，4，5，6，7，8，11，12，15，16，18，20，21，22，23，26，28，29，30
第三类：10，14，19，25，27
第四节因子分析二、因子分析的数学模型和相关统计量
(一)数学模型
(二)相关统计量
1、因子载荷
2、共同度
3、因子的贡献
4、巴特利特球体检验
5、KMO指数三、因子分析的基本步骤
1、确定研究变量。
2、计算所有变量的相关矩阵。
3、构造因子变量。
4、因子旋转。
5、计算因子得分。四、实例分析
某公司为了了解消费者对牛肉、色、羊肉、猪肉及鸡等五种肉类食物的偏好倾