多元统计分析经典案例.ppt

WHITE*BROWNBLACKMIXED5%55%30%10%BROWNWHITEBLACKMIXED为了建立这种立体的图表你不得不...把那些与较多动物相关联的颜色放置在图的中央位置把那些与较多动物相关联的颜色放置在图的边缘位置如果一种颜色同时与超过二种以上的动物强相关，这些动物将会在图中更接近030102非常简单——这就是相关性分析

所做的事以下这张表就是依据原始数据生成的...BlackBrownWhiteMixed/otherCatsDogsBirdsBunnies33%65.4%以下这张表就是依据原始数据生成的...BlackBrownWhiteMixed/otherCatsDogsBirdsBunnies33%65.4%相关性分析输入数据的类性*百分比或原始数据都可以品牌的相关联的格子（通常形式）任何具有缺省/存在的分数类型 切记得分数是以样本的总数而不是以单个样本为基础的设计输入类型*只研究数据并想到进行分析并不是一个好主意分析应该在问卷设计以前的表述/决定研究目标阶段就开始考虑如果你乡做相关性分析表-你通常打算使用（二分制）不在/在的数据类型这些数据可以通过品牌与品牌或类别系列等形式收集...i.e.设计输入类型*请看这个品牌的列表，然后告诉我那一个符合下述的声明...更便宜，更容易，更快通过系列的类别...01NowthinkingaboutMrMuscle,whichofthesestatementsdescribeMrMuscleNowthinkingaboutWhiteCat,whichofthesestatementsdescribeWhiteCatAnswerscanbeagree/disagreeratingsBetterforsmallerbrands,whenmoredetailedresponsesarenecessary品牌和品牌...02复制定性研究的图表*有时，定性研究可以得到一个关于品牌、细分市场和需求定位的图表.如果我们已经有了这些结果，我们就能在定量研究阶段尝试重复这一研究它需要我们仔细思考和再设计-可能需要从定性研究人员那里得到帮助最理想是同一公司内部人员它会很有帮助（尤其对市场人员），如果map有相同的定位-但是，相同的定位并不意味着什么分析数据*看下面的输出结果….是否有任何品牌或语句使MAP倾斜?是否应该删除或增添品牌-或许需要删除小的品牌这幅map是否有意义?我们能解释它吗?品牌与语句回出现在不该出现的地方吗?检查原始数据-什么原因?可以通过删除或补充某些品牌和属性来产生Maps直到它变的较为明显，可以让使用者更容易理解-需要执行者的判断最少点的限-你需要至少3个点去做一张map,4更好当你看一张map时..

问你自己它意味着什么？它对理解数据有什么附加的作用?它对我们所知道的市场/顾客的思考方式是否适合?如果不是-错在什么地方?它是否帮助我更好地了解市场?当你看一张map时..

问你自己一张图表总是浓缩数据并使数据变的直观，但是它也有局限性，大量的数据本身蕴涵的信息将会丢失(例如仅是重要的信息被保留）。因此，相关性分析图应当小的心运用和解释（例如我们不能依赖表面的定位图，因为一些变量可能没有在MAP上表现出来）概念MAP（PerceptualMapping）的基本方法减少大量的变量（如产品属性）到小规模的基础变量。这些变量是高度自相关的变量，例如，受访者的回答模式都非常相似通过因子提取来解释因子变量。高的得分意味着更加重要的变量已经被因子所包含通过因子分析程式来运行一组数据*回归分析

Regression线性回归（LinearRegression）回归分析是什么?*画出因变量(dependentvariable)和自变量(independentvariable)之间的关系01因变量=B*自变量+常数项+残差02回归分析是什么?线性回归方程式：Y=C+bx+eY=产出(dependentvariable/responsevariable)X=输入变量(independentvariable/regressor)c=常量(当x=0时)b=斜率e=误差/残差（error/residual）多元回归

象线性回归一样只不过有更多

的