“市场研究和数据分析“理念和方法介绍.ppt

因子分析(Factor Analysis) 因子分析：是一种用于数据提炼与概括的分析方法，考察一组变量之间的相互依赖关系。 FA的基本步骤： 明确FA的目的 确定因子数 构造相关矩阵 确定FA方法并运行 计算因子得分 解释因子 选择替代变量进一步分析 因子旋转 因子分析在营销研究中的应用 FA目的 识别解释一组变量之间相互关系的潜在维度(即因子，factor)，从而揭示事物的主要属性； 用数目较少、相互独立的因子替代原始变量，用于进一步统计分析； FA在营销研究中主要用于以下领域： 市场细分：辨别不同群体的消费者所具有的特殊品质或潜在的消费需求； 产品研究：确定影响消费者选择的品牌属性及重要性程度； 广告研究：了解目标市场的媒体消费习惯或日常生活规律； 价格研究：发现价格敏感/不敏感消费群的主要特征； 具体地，适用于FA的调研量表的典型形式是：对于刻画消费者品质、产品功效、品牌形象的若干特征，尽可能细分为单一性的属性(attribute)描述，设置基于定距尺度的评价体系，请被访者对自身、产品、品牌给出观点。 因子分析的适用性和分析方法 FA适用性： 只有当变量之间相关时，才适合进行因子分析，因此，相关矩阵是FA的基础； 实际应用中，使用Bartlett球体检验(零假设：变量之间彼此独立；被拒绝即可)或KMO统计量(通常，0.5~1.0表示合适，小于0.5不合适)考察FA的适用性； FA的分析方法 常用方法是主成分分析(Principal Component Analysis)：考虑全部方差，主要目的是使用最少的变量解释尽可能多的原始信息。 其它的FA方法还有很多(如公因子分析、极大似然法等)，但涉及较多专业知识，故营销研究中不被推荐。 备注：本文档所言FA严格地应该称为EFA(探索性因子分析)；另有CFA (确证性因子分析)，与结构方程模式(SEM)的应用有紧密联系，比较复杂。 因子分析中因子数的确定 确定因子数： 为达到简化数据结构的目的，应提取尽量少的因子； 确定因子数的方法较多，但要兼顾营销研究的风险承担(激进/保守)和后续研究的易操作性； 事前确定：根据以往经验预先设定因子数，达到即终止； 保留特征值大于1的因子：因为特征值小于1的因子并不优于原始变量，略保守； 根据解释总方差的比率：通常建议至少60%； 碎石图：由陡坡向平缓的尾部明显转折之前的因子； 但是，除非保留所有的因子(变量数目)，否则，总不能解释到原有变量的所有方差； 通过旋转解释因子 因子旋转(rotation)： 因子与很多变量相关，通过适当的因子矩阵的旋转可以获得更容易理解和解释的因子，获得更为准确的结论； 因子旋转旨在将每个变量的因子负载尽可能向0和1两极分化，最好只有1个因子负载显著(远离0)； 最常使用的是基于最大方差法(varimax procedure)的正交旋转(orthogonal rotation)：使某一因子所含高负载的变量数最小，便于因子的解释； 旋转不影响公因子方差和解释的总方差比率，但每一个因子单独解释的方差比率会发生变化，因此，不同的旋转方法可能导致不同的因子产生； 解释因子： 结合分析结果和专业知识或经验解释所提取因子的含义，并给出命名； 如果提取2个因子，一个有用且直观的方法是绘制因子负载图：以两个因子为横轴和纵轴，以因子负载为坐标，将变量在图中标出；(与对应分析图类似) 因子得分的应用 计算因子得分(factor score)：即将因子写成原始变量的线形组合， 进一步分析： 用因子得分代替原始变量； 将每个因子上负载最大的变量挑出来，作为相关因子的替代变量；此时，应该存在一个变量，其负载明显高于所有其他变量； 因子分析示例(1) 示例：G4A040杏花 - 广东省网络经营场所消费者调研 量表的典型形式 - 网络经营场所服务项目的兴趣程度 0-1 Scale 5-Scale 0-1 Scale 感兴趣的 非常同意 比较同意 说不上 比较不同意 非常同意 最感兴趣的3个(TOP 3) 普通上网区 1 5 4 3 2 1 1 网上影视点播 2 5 4 3 2 1 2 手提无线上网 3 5 4 3 2 1 3 休闲区 4 5 4 3 2 1 4 网络游戏区 5 5 4 3 2 1 5 电视放映 6 5 4 3 2 1 6 IP电话服务 7 5 4 3 2 1 7 可视电话服务 8 5 4 3 2 1 8 多功能会议室 9 5 4 3 2 1 9 日常交费设施 10 5 4 3 2 1 10 网上交易服务 11 5 4 3 2 1 11 商务中心 12 5 4 3 2 1 12 售卖各类卡 13 5 4 3 2 1 13 售卖游戏产品 14 5 4 3 2 1 14 电动游戏体验 15 5 4 3 2 1 15 网络