【2018年整理】市场研究中的多元统计分析方法.ppt

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: 相关分析（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（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 相关性分析Correspondence Analysis 结构 什么是相关性分析？ 尝试通过练习了解它 输入的类型 设计录入的格式 执行分析 解释和表述分析的结果 什么是相关性分析? 经常也称作 Brand Mapping 或 CORAN Mapping Brand Mapping = Correspondence Analysis (usually) 相关性分析图 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 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 什么是Brand Mapping? 一个例子- 原始数据 以下这张表显示不同家庭宠物的颜色 可能制作的分析图... 可能制作的分析图... 现在我们用颜色和动物名称两个变量来做2-维的图表 努力来显示.. - 那些动物在颜色方面最相似，那些区别最大？ - 那些颜色更倾向那类动物 - 那些动物和那些颜色有更强的相关性，那些相关性很弱 为了建立这种立体的图表你不得 不... 把那些与较多动物相关联的颜色放置在图的中央位置 把那些与较多动物相关联的颜色放置在图的边缘位置 如果一种颜色同时与超过二种以上的动物强相关，这些动物将会在图中更接近 非常简单——这就是相关性分析所做的事 以下这张表就是依据原始数据生成的... 以下这张表就是依据原始数据生成的... 相关性分析输入数据的类性 百分比或原始数据都可以 品牌的相关联的格子（通常形式） 任何具有缺省/存在的分数类型 切记得分数是以样本的总数而不是以单个样本为基础的 设计输入类型 只研究数据并想到进行分析并不是一个好主意 分析应该在问卷设计以前的表述/决定研究目标阶段就开始考虑 如果你乡做相关性分析表 - 你通常打算使用（二分制）不在/在的数据类型 这些数据可以通过品牌与品牌或类别系列等形式收集... i.e. 设计输入类型 通过系列的类别... 请看这个品牌的列表，然后告诉我那一个符合下述的声明... 更便宜，更容易，更快 品牌和品牌... Now thinking about Mr Muscle,