《统计方法手册》.pptVIP

第 页 技术工具应用手册 总目录 因子分析（Factor analysis） 聚类分析（Cluster analysis） 对应分析（Correspondence analysis） 联合分析（Conjoint analysis） 多元回归分析（ Multiple Linear regressions analysis ） 逻辑回归分析（Logistic analysis） 判别分析（Discriminate analysis） 目录 因子分析（Factor analysis） 因子分析的关键点 因子分析应用的领域和解决的典型问题 问卷设计形式 案例演示 聚类分析（Cluster analysis） 对应分析（Correspondence analysis） 联合分析（Conjoint analysis） 多元回归分析（ Multiple Linear regressions analysis ） 逻辑回归分析（Logistic analysis） 判别分析（Discriminate analysis） 因子分析的关键点 因子分析的关键点 应用领域和解决的典型问题 因子分析＋聚类分析 市场细分 通过对提取的因子做聚类分析将受访者分成不同的人群 考察不同人群在人口、社会、经济学等方面的特征，为客户提供细分市场潜在用户的全方位信息，为客户在目标市场大展鸿图指明方向 市场细分能够帮助客户寻找并描述自己的目标市场。由于目标市场与普通市场相比有更多的收益潜力，因此市场细分的研究意义重大 应用领域和解决的典型问题 因子分析＋回归分析 满意度研究 满意度研究需要设计变量数目众多、层次分明的满意度指标体系，为了使满意度研究问卷设计的合理、更科学，必须在满意度研究的预调查阶段对指标设置的合理性进行检验 进行因子分析可以发现哪些指标是可以从指标体系中剔除的，也可以考察指标的设置是否满足了设计初衷（即指标的分类是否合理） 根据因子分析的结果可以提取一些关键的指标进行竞争对手之间的比较，做到有的放矢 通过对提取的因子进行多元回归分析能够在调查之初发现满意度研究的哪个环节是需要关注的重点 应用领域和解决的典型问题 因子分析＋知觉图 品牌研究 因子分析可以从研究品牌形象的诸多软性和硬性的特性中浓缩和提炼的出少数几个综合因素，使得品牌形象更加鲜明、独树一帜 因子分析的结果可以用定位图的方式呈现 在品牌形象研究方面，定性研究的方法应用的比较早也相对成熟，但是随着统计学的发展同时也为了适应市场研究领域不断提出的更新要求，定量研究的方法越来越多的应用在了品牌研究方面 应用领域和解决的典型问题 因子分析＋相关性 忠诚度研究 因子分析可以从满意度研究的诸多因素中浓缩和提炼出几个互不相关的综合指标，它们反映了满意度研究不同侧面的内容，同时也涵盖了原有指标的大部分信息 把提取的因子和忠诚度的有关指标进行相关性的研究，我们可以发现那些有助于提高用户忠诚度的关键所在，从而使客户的工作更具有目标性 “继续使用、增加使用、推荐使用”是体现用户忠诚度的三个由低到高的层次，不同层次的忠诚表现会给企业增加不同程度的收益，因此忠诚度研究日益成为客户关注的问题之一；从而发现究竟是哪些因素影响了用户对某种产品或服务的忠诚度，成了市场研究领域的又一个目标 问卷设计形式 因子分析要求变量为等距变量 案例演示 案例演示 通过因子分析还可以进行地区间的比较，如左图 从图中可以看出，广告和促销、医生及报销手段对上海人的影响明显高于对北京人的影响 相应的，周围人和朋友及疾病自身的情况对北京人的影响又明显高于对上海人的影响 目录 因子分析（Factor analysis） 聚类分析（Cluster analysis） 聚类分析的关键点 名词解释 聚类分析应用的领域和解决的典型问题 问卷设计形式及案例演示 对应分析（Correspondence analysis） 联合分析（Conjoint analysis） 多元回归分析（ Multiple Linear regressions analysis ） 逻辑回归分析（Logistic analysis） 判别分析（Discriminate analysis） 聚类分析的关键点 名词解释 聚类分析是根据事物彼此不同的属性进行辨认，将具有相似性的事物聚为一类，使得同一类的事物具有高度的相似性，不同类的事物之间具有很大的差异性 聚类分析根据分类对象的不同分为：样本聚类和变量聚类 样本聚类：对Case进行聚类 变量聚类：对Variable进