iResearch定制研究多元化分析培训材料(修改)汇总.pptVIP

多元统计分析简介*艾瑞咨询集团 上海·北京 Internet Research, Insight Research 提示：列联表的风险 讨论议题 我们的研究工作是什么? 什么是多元统计分析（MVA)? 为什么我们需要它? 通常的分析技术 MVA详细介绍及例子: 对应分析（Correspondence analysis） 回归/多元回归分析（Regression / Multiple regression 因子分析（Factor analysis） 聚类分析（Cluster analysis/segmentation) 结论 市场研究的工作是什么? 它只是 ？: 问卷设计? 运作质量的控制? 制作图表? 撰写报告? 我们的工作是 提供解决方案 是解决市场问题 是为我们的客户挣更多的 money 当我们进行分析时 有简单性的一面..... 例如：基本的分析（变量关联表） 另外也有复杂性的一面 .... 大量附加的分析 运用许多的分析技术 然而我们需要看到“复杂性问题背后的简单表述” 使复杂问题简单化 为了达到这一目的，你不得不研究复杂问题然后去提炼出使人容易明白的信息 什么是多元统计分析? 单一问题分析(univariate analysis) 例如频率分布通常作为数据的第一步的描述分析 关联表(bivariate analysis) 总是作为主要的分析手段而被市场研究者反复 使用 把一个问题或变量与另一个关联交叉作表(例如对受访者背景变量：性别、年龄等) 如果同时分析的变量超过二个就被称为多元统计分析 为什么要做这种“附加值”的分析? 我们不做MVA分析是因为 … 它使我们看起来很好 我们喜欢它 我们已经聘请了统计师、购买了统计软件而且得到公司财务部门的批准… 我们不做MVA分析是因为 … 它会使数据对客户更有指导作用 它能使你得到单变量分析无法达到的结果 因此，它可以使你更好的利用信息，赚取更多的钞票 我们通常使用的多元分析技术…... 相关性分析/对应分析（Brand Mapping ） 主成分分析 因子分析 多元回归 聚类分析/市场细分 联合性分析/ 平衡（Trade off） 分析 判别分析 etc. etc. etc. 多元统计分析技术 一个研究者可能不了解所有的分析技术细节 但是他们应该能够正确地选择适当的方法 使用多元技术，你不必知道详细的数学公式-但是你应当明白它的原理 多元分析并不是魔术棒，不需要我们开动脑筋就能解决问题 - 它不会轻易告诉你答案 如果问卷设计的很差，多元分析就很难发挥作用 对应分析Correspondence Analysis 什么是对应分析? 经常也称作 Brand Mapping 或 CORAN Mapping Brand Mapping = Correspondence Analysis (usually) 对应分析图 一种非常有用的市场研究工具，可以表述一个市场的侧面（市场细分，品牌定位等） 可以在2维空间内同时表达多维的属性 可以更好的理解品牌和属性之间的关系 对应分析的基本方法 通过因子分析程式来运行一组数据 减少大量的变量（如产品属性）到小规模的基础变量。这些变量是高度自相关的变量，例如，受访者的回答模式都非常相似 通过因子提取来解释因子变量。高的得分意味着更加重要的变量已经被因子所包含 适用范围 多种变量关系/变量分类较多 帮助客户/市场决策者 为实施市场战略而去发现市场的空隙和优化产品的定位（对于新品牌或新产品的开发/延伸） 发现市场上决定性的或显著的属性，例如对于选择不同品牌的重要和有显著区别的属性 当你看一张map时 .. 问你自己 它意味着什么？ 它对理解数据有什么附加的作用？ 它对我们所知道的市场/顾客的思考方式是否适合？ 如果不是 - 错在什么地方？ 它是否帮助我更好地了解市场？ 当你看一张map时 .. 问你自己 一张图表总是浓缩数据并使数据变的直观，但是它也有局限性，大量的数据本身蕴涵的信息将会丢失 (例如仅是重要的信息被保留）。因此，对应分析图应当小的心运用和解释（例如我们不能依赖表面的定位图，因为一些变量可能没有在MAP上表现出来） 回归分析Regression 回归分析是什么? 线性回归（Linear Regression） 画出因变量(dependent variable)和自变量(independent variable)之间的关系 因变量 = B* 自变量+ 常数项 + 残差 回归分析是什么? 线性回归方程式： Y = C + bx + e Y = 产出(dependent variable /response variable) X = 输入变量(independent variable / regr