高教社市场营销调研教学课件第15章 假设检验.ppt

第四步: 确定样本量后收集数据 第十一章已经介绍过确定样本量的方法。在使用定量分析方法时,一般会遇到连续变量或类别变量,两种方法所需的样本量差异不大,因此推荐巴特利(Bartlett)等人的样本量计算方法。 第五步: 确定零假设计算统计量对应的概率值 通过标准正态分布表可查出z值所对应的概率,这个概率值称为p值。常见做法是使用各类统计软件直接计算:值和其对应的概率值,如SPSS, Excel ,Stata ,SAS等。 第六步: 对比统计量概率和步骤三中确定的显著水平 这一步的主要目的在于确定一个决策规则或标准,营销调研人员通过显著水平制定出不同的规则。显著水平在对零假设和备择假设进行推断时起着重要作用,常见的α值有0.001 、0. 01 、0. 05三个水平。此时应将第五步计算出的概率与第三步中选定的概率相比较。 第七步: 基于统计决策对零假设进行推断 在单尾情境下,如果统计量计算值对应的概率小于显著水平α,零假设被拒绝。但在由于双尾情境下的备择假设具有两个方向而非单一方向。因此,在双尾检验情境下,如果统计量计算值对应的概率小于显著水平α的一半,零假设被拒绝。从统计层面上说,双尾检验比单尾检验更保守。因为,如果一个假设在α/2显著水平上被拒绝,那么该假设一定也会在α水平被拒绝。在营销调研实践中,研究假设通常是单一方向的,因此单尾检验使用的频率要比双尾检验高。 在图书电商例子中,计算的z值对应的显著水平是0.119,可知在α=0.05的显著水平不能拒绝零假设。另一种解读的方法是使用α=0.05对应的z值(1.96),因为1.181.96,所以不能拒绝零假设。 第八步: 表述研究结论 结论部分是对统计检验结果的总结。经过统计检验的假设结果最后必须以研究问题的形式表述出来。 在图书电商例子中,我们可以得出订单量没有减少的结论。因此,管理人员并不需要采取不必要的补救措施,这种情况可能只是短时需求波动造成的。 第三节 假设检验常用的统计方法 一、按变量间关系分类 按变量间关系的类型,假设检验可以分为两种:相关性分析(correlation analysis)和对比性分析(comparative analysis)。 相关性分析的零假设可表述为:x与y之间没有联系。虽然验证变量间相关关系的统计方法多种多样,但最常用也最易于掌握的是交叉列表。相关系数、协变量等统计方法也是常见的相关性分析手段。 对比性分析的零假设可表述为:x与y之间没有差异。t检验、方差分析(analysis of variance, ANONA)、协方差分析( analysis of covariance, ANCOVA)、逻辑回归、多变量回归等方法是常见的对比性分析方法。 例子 在社交软件大战中,各个公司都为了抢占市场份额而不断升级自己的软件,在向市场引进新版本功能之前,这些公司会首先进行一定范围的市场调研以便对试用版进行必要的调试。A公司可能关注用户的哪些使用习惯和软件新增功能紧密相关,B公司可能关注某些新增功能是否对不同人群且有不一样的吸引力。在进行假设检验时,A公司需要进行相关性分析,即什么样的用户行为特征与用户对新功能的态度是相关的;而B公司要进行差异性分析,即不同人群对新功能的态度是否具有差异性。 二、按统计方法分类 假设检验可以分为参数检验(parametric statistics)和非参数检验(nonparametric statistics)，两者的主要区别在于对待分析数据分布的前提假设。 参数检验中使用的数据是一般是连续变量,当数据是定距(intervel)变量且样本量足够大时宜采用参数检验:而当数据分布不满足某种已知分布且数据是秩或名义变量时官采用非参数检验。参数检验的前提假设是样本抽样数据来自服从正态分布的总体;非参数检验则假设抽样数据是自由分布,分布形态未知。 参数检验常用统计方法有相关系数分析、方差分析、回归分析,t检验或Z检验等。非参数检验常用统计方法有卡方检验、二项分布检验、游程检验等。在营销调研实践中,常用的假设检验方法是参数检验,例如每年CNNIC的网购报告中都会对购买金额、购买数量等连续变量进行统计分析,销售经理们也对这些类型的分析特别感兴趣。 二、按统计方法分类 非参数检验主要用于那些总体分布不能用有限个实参数来刻画,或者不考虑抽样数据分布的情形。非参数检验对总体分布几乎没有什么假设,只是有时对分布的形状做一些诸如连续、对称等简单假设。因为对总体分布的约束条件大大放宽,非参数检验不至于因为对总体分布的假设过分理想化而出现无法切合实际情况,所以非参数检验往往具有较好的稳健性。但因为非参数统计方法需要照顾范围很广的分布,在某些情况下会导致其效率的降低。 复习思考题 1.