市场研究的数据分析方法.pptxVIP

市场研究的数据分析方法第一节 线性回归分析 一、线性回归方程的基本模型 线性回归方程从样本资料出发，一般利用最小二乘法，根据回归直线与样本数据点在垂直方向上的偏离程度最低的原则，进行回归方程的参数的求解。 线性回归分析是考察变量之间的数量关系变化规律，它通过一定的数学表达式---回归方程，来描述这种关系，以确定一个或几个变量的变化对另一个变量的影响程度，为预测提供数学依据。模型是： 式中：为被解释变量（因变量）；为解释变量（自变量），是随机误差项，i为观测值下标，n为样本容量， 与 是待估参数，称 为回归常数，为回归系数。1、一元线性回归模型2、多元回归模型 多元线性回归模型中自变量的个数在2个以上，模型的一般形式为： i=1,2…n 其中， 为被解释变量（因变量）， 为解释变量（自变量）， 是随机误差项，i为观测值下标，n为样本容量， 为k+1个待估参数， 为回归常数， 称为回归系数。在应用线性回归模型时，必须满足以下假设：（1）解释变量 是确定性变量，而且解释变量之间不相关。（2）随机误差项具有0均值和同方差。（3）随机误差项在不同样本点之间是独立的，不存在序列相关。（4）随机误差限于解释变量之间不相关。（5）随机误差项服从0均值和同方差的正态分布。二、线性回归方程的统计检验 1、回归方程拟合优度检验 2、回归方程的显著性检验 3、回归系数显着性检验 三、回归分析假设条件的检验 1、残差分析 2、多重共线性 3、误差项的序列相关 四、线性回归分析的基本步骤1、确定回归中的自变量和因变量。2、从收集到样本资料出发确定自变量和因变量之间的数学关系，即建立回归方程。3、对回归方程进行各种统计检验。4、利用回归方程进行预测。五、实例分析 例：Checkers Pizza公司是休斯敦附近Westbury镇上仅有的从事比萨饼送货业务的两家公司之一，其直接竞争对手是欧文公司，提供相同的产品与服务。另外麦当劳也是它的一个重要竞争者。在过去的24个月中，该公司的销售量(Q)、价格(P)，小镇上居民的人均收入(M)，欧文公司产品的价格（P欧文）以及麦当劳产品的价格（P麦当劳）。假定下个月公司产品价格为9.05，人均收入为26614元，欧文公司产品的价格10.2元，麦当劳产品的价格为1.15元，请预测该公司下个月的销售量。 首先Checkers Pizza公司根据资料估计下面的线性需求方程的参数： Q=a+bP+cM+dP欧文+eP麦当劳 式中: Q—比萨饼的销量； P—比萨饼的价格 M—小镇居民的人均收入 P欧文—欧文公司产品的价格 P麦当劳—麦当劳产品的价格下面是SPSS11.0的输出结果：从上面的输出结果可以看出，模型可以解释97%的比萨饼销售量的变化；模型整体非常显著，F统计的相伴概率值P=0.000；四个参数b、c、d、e非常显著，T统计的相伴概率值P都远小于0.01。所以，回归方程为： Q= -343.748 - 195.895P+0.0742M+174.403 P欧文 +81.057 P麦当劳该公司下一个月比萨饼的销量为; Q= - 343.748 - 195.895*9.05+0.0742*26614+174.403 *10.2 +81.057 *1.15 ＝1730.2872第二节 判别分析 一、判别分析法的基本思想 判别分析包括以下两步： 1、分析和解释各类指标之间存在的差异，并建立判别函数。 2、以第一步的分析结果为依据，将对那些未知分类属性的案例进行判别分类。二、判别分析基本模型与统计术语 （一）假设条件1、每一个类别都取自一个多元正态总体的样本2、所有正态总体的协方差矩阵或相关矩阵都相等 （二）基本模型 1、先验概率 2、后验概率 3、判别系数4、结构系数 5、分组的矩心 6、判别力指数7、残余判别力 （三）统计术语获取判别分析的数据进行判别分析评价和解释分析结果三、分析的基本步骤 判别分析一般都是通过现成的统计软件进行分析。一般而言，利用统计软件的判别分析具体包括以下步骤：确定研究的问题四、实例分析某公司生产一新产品，该公司在新产品末大量上市以前，进行了一次市场调查。公司将新产品寄给十五个代理商，并附意见调查表，要求对该产品给予评估并说明是否愿意购买。评估的因素有：式样、包装及耐久性。评分用10分制，高分表示特性良好，低分则较差。其中有三位代理商没有表明自己的购买意愿。 那么这些代理商是属于“非购买组”还是“购买组”？ 以下是SPSS11.0的部分输出结果: 表中，式样 、包装和耐用性的标准化系数分别为0.91、0.083、0.254。因而，