线性回归模型在产品延伸中应用.docVIP

  1. 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. 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. 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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
线性回归模型在产品延伸中应用

线性回归模型在产品延伸中应用   产品延伸是企业改变原有产品的市场定位,将企业现有产品种类扩展或延伸的一种行为。线性回归是利用数理统计中的回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。本文利用线性回归方程,通过SAS软件对产品延伸中Aaker Keller’s模型的有效性进行了分析和探讨。   什么是产品延伸?   产品延伸是指改变企业原有产品的市场定位,将企业现有产品种类扩展或延伸的一种行为,也就是企业将已创造和拥有的产品品牌扩展到完全不同的产品线中,并期望借已有品牌的知名度为新扩展的产品迅速获得市场认知和潜在客户群体的认同。   为了验证在产品延伸中Aaker Keller’s模型的有效性,笔者假设了5个虚拟的延伸产品,它们是麦当劳可乐、雀巢薯片、耐克香水、Nivea太阳镜和Levi’s MP3播放器,并设计了一个李克特七分量表(seven point Likert scales)模型,用以研究模型的输出是否与Aaker Keller’s模型相吻合。同时笔者在模型设计中增加了一个品牌延伸有效性命题,即低消费风险预期对延伸品牌的正消费倾向,以期通过模型进行验证。   模型通过一套7个闭式问题的调查问卷获得输入数据。每个问题的分值从1分最低至7分最高,并由随机抽取的40人填写。调查问题分别是:   问题1:你认为本品牌产品延伸的可能性。(1分为最不可能,7分为最可能);   问题2:你认为以下品牌延伸前产品的质量如何?(1分为最次,7分为最好);   问题3:如果进行品牌延伸,你认为原产品的生产能力是否对延伸产品的生产起作用?(1分为没有用,7分为非常有用);   问题4:你是如何看待原产品和延伸产品的可替代性。(1分为低替代性,7分为高替代性);   问题5:你是如何看待原产品和延伸产品的互补性。(1分为低互补性,7分为高互补性);   问题6:你是如何看待在设计和生产延伸产品中的困难度?(1分为不困难,7分为非常困难);   问题7:你是如何评价消费延伸产品的风险性。   笔者对产品延伸中Aaker Keller’s模型的有效性分析基于以下五个假设:   H1:延伸产品的消费倾向性与品牌???产品的高质量认知度相关联;   H2:当延伸产品和原产品在某种程度上相匹配时,原产品所认知的产品质量有高度的转移性;   H3:当考虑产品的可替代性和互补性时,如原产品和延伸产品相匹配,则对延伸产品有正消费倾向;   H4:生产延伸产品的困难性能增加对延伸产品的正消费倾向;   H5:消费延伸产品的高度风险性,能增加延伸产品的正消费倾向。   以上假设用回归模型(regression model)表示如下:   Y= b0+b1X1+b2X2+b3X3+b4X4+b5X5+U   Y: 尝试消费延伸产品的可能性;   X1:品牌原产品的质量;   X2:品牌原产品的生产能力对生产延伸产品的作用;   X3: 品牌原产品和延伸产品的可替代性;   X4:品牌原产品和延伸产品的互补性;   X5: 延伸产品设计和生产的困难度。   笔者使用SAS软件对调查问卷样本进行了分析,输入如下数据:   DATA brand;   INPUT att qua tran sub com diff risk;   meanatt=mean(att);   meanqua=mean(qua);   meantran=mean(tran);   meansub=mean(sub);   meancom=mean(com);   meandiff=mean(diff);   meanrisk=mean(risk);   cards;   2 2 3 1 4 5 5   1 6 5 4 7 2 3   1 5 5 5 5 1 4   ……   proc reg corr;   model att= qua tran sub com diff risk / acov collin;   plot att*qua /overlay;   plot att*tran /overlay;   plot att*sub /overlay;   plot att*com /overlay;   plot att*diff /overlay;   Plot att*risk/overlay;   test qua=0,tran=0,sub=0,com=0,diff=0,risk=0;   run;   proc means;   var att qua tran sub com diff risk;   run;   proc corr

文档评论(0)

erterye + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档