- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
iResearch定制研究多元化分析培训材料(修改)研讨
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 / reg
文档评论(0)