市场研究的最新数据分析方法(精品·公开课件).pptVIP

教学内容(Teaching content)介绍以下五种数据分析方法在市场研究中的具体应用。 聚类分析(Cluster Analysis) 聚类分析的分类(classification of cluster analysis) 聚类分析的统计量（Statistics of Clustering Analysis) 1．匹配系数 2．距离 聚类分析的方法（Method of Cluster Analysis ) 层次聚类法 因子分析的基本模型(Basic Model of Factor Analysis ) 多维偏好分析的基本步骤（Basic Steps of Multidimensional Preference Analysis) 联合分析(Joint Analysis) 联合分析的基本步骤 (Basic Steps of Joint Analysis) 联合分析的假设条件和局限性 (Assumptions and Limitations of Joint Analysis ) * * 第15章 市场研究的数据分析方法 Chapter 15 Analysis Methods of Market Research Data 联合 分析 多维 偏好 分析 对应 分析 因子 分析 聚类 分析 教学 内容 聚类分析的基本思想： 根据样本自身的属性，用数学方法按照某些相似性或差异性指标，定量地确定样本之间的亲疏关系，并按这种亲疏关系程度对样本进行聚类。 聚类分析 样品聚类(Q型聚类) 变量聚类(R型聚类) 样品聚类：对事件进行聚类，或是对观测量进行聚类，是对反映被观测对象的特征的变量值进行分类。 变量聚类：是当反映事物特征的变量很多时，根据所研究的问题选择部分变量对事物的某一方面进行研究的聚类方法。 设x1x2…xn为n个分类特征指标，xik表示第i个样品的第k个指标值。为了将样品(或变量)进行分类，首先需要引进表示样品之间相似程度的度量，称为聚类统计量。 常用的聚类统计量 匹配系数 距离 相似系数 当分类指标 为类别标度量时，通常采用匹配系数 作为聚类统计量。第 个样品与第 个样品的匹配系数 其中 匹配系数越大，说明两样品越相似，越应该划为同一类。 当指标中有间隔标度变量时，匹配系数已不再适用，此时采用距离来进行度量，距离越小，相似程度越高，两样品越应该划为一类. 在实际问题中，对样品分类常用距离，对变量分类常用相似系数。相似系数可以分为夹角余弦与相关系数。 3．相似系数 聚类分析的方法中应用最广泛的有两类：层次聚类法和迭代聚类法。层次聚类法又可分为两种：聚集法和分解法 聚类分析的方法 层次聚类法 迭代聚类法 聚集法 分解法 聚集法的步骤 把每个案例各自看成一类 把距离最近的两类合并 重新计算类与类之间的距离 再把距离最近的两类合并 重复此过程直到所有案例归为一类 分解法和聚集法的过程相反，首先把所有的案例归为一类，然后把最不相似的案例分为两类，每一步增加一类，直到每个案例都自成一类为止。 迭代聚类法 层次聚类法在聚类过程中，当样本量很大时需要占用的计算机内存空间较大，并且耗时较长。迭代聚类法克服了层次聚类法的这两个缺点．它具有占计算机内存空间小、速度快的优点，适用于大样本的聚类分析。 迭代聚类法的优点 占计算机内存空间小 速度快 迭代聚类法的聚类过程的基本思路 首先指定聚 类数，对样 本进行初始 分类并计算 每一类的中 心 然后计算每 个样本点到 各类中心的 距离，调整 样本点的分 类，把每个 样本点归入 与中心距离 最近的那一 类 重复计算每 一类的中心 ，调整分类 直到所有样 本点调整完 毕为止。 聚类分析的基本步骤 （Basic Steps of Cluster Analysis ) 相似性测度 选择聚类变量 聚类 聚类结果的解释和证实 偏好图展示 首先要解决的是判断哪些因素是决定分类的关键因素 主要有两种指标来测度：距离和相似系数 主要解决两个问题：选定聚类方法；确定形成的类数 对结果进行验证和解释，以保证聚类解是可信的 以聚类结果和聚类变量为轴做出研究对象的偏好图 聚类分析的假设条件和局限性 (Assumptions and Limitations of Cluster Analysis)