【正文】 是 “ 無(wú)效的 ” ； ? “ 提前避免錯(cuò)誤 /失誤發(fā)生，總好過(guò)事后的任何補(bǔ)救！ ” 制定一個(gè)加權(quán)計(jì)劃 (2) 項(xiàng)目設(shè)計(jì) : 我們是否有計(jì)劃進(jìn)行數(shù)據(jù)加權(quán)？ 設(shè)置什么樣的配額 – 是否有必須的信息用于配額設(shè)置 ? ? 不要設(shè)置不必要的配額，即加大 FW難度，又增加成本； ? 設(shè)置樣本結(jié)構(gòu)時(shí)，就應(yīng)該考慮清楚如何去組織這些數(shù)據(jù)； ? 記?。?“提前計(jì)劃” ，盡可能早的確定加權(quán)方案，最好在時(shí)間表中預(yù)留時(shí)間專門(mén)用于加權(quán)； 原始數(shù)據(jù) : 查數(shù)要針對(duì)“未加權(quán)”數(shù)表 (或 holecounts)； 明確加權(quán)遵循的原則，并分析加權(quán)對(duì)其它人口結(jié)構(gòu)變量或關(guān)鍵指標(biāo)帶來(lái)的影響； ? 數(shù)據(jù)中哪些變量是最重要的，加權(quán)只針對(duì)它們就足夠了吧？ ? 與 DP充分溝通，確保 DP理解加權(quán)意圖并正確操作； 加權(quán)數(shù)據(jù) : 確信“加權(quán)”被正確地進(jìn)行； 確信數(shù)據(jù)準(zhǔn)確無(wú)誤后，才開(kāi)始將數(shù)據(jù)轉(zhuǎn)化為支持性圖表； 加權(quán)的負(fù)面影響 ? 加權(quán)會(huì)使數(shù)據(jù)變得不太穩(wěn)健 ? 是否有基數(shù)本身較小的數(shù)據(jù)加權(quán)后基數(shù)足夠大？ ? 檢驗(yàn)得到的顯著性差異的可靠性如何？ ? 進(jìn)行數(shù)據(jù)加權(quán)，事實(shí)上我們已經(jīng) “ 低估 ” 了總體的變異程度，對(duì)總體信息推斷的精確度減低。從而， T 統(tǒng)計(jì)量用正態(tài)分布 Z統(tǒng)計(jì)量替代： )11()()(2122121nnsXXT????? ??2221212121 )()(nSnSXXZ????? ??兩獨(dú)立樣本 (Independent sample)均值的 t檢驗(yàn) ? 得到兩獨(dú)立大樣本均值 t檢驗(yàn)的接受域 (accept area)/置信區(qū)間(confidence interval)， a=，雙尾檢驗(yàn)： ? 請(qǐng)參閱基于以上公式編輯的自動(dòng)處理 t檢驗(yàn)的文件： t test for difference between two 2221212/21212221212/21 )()()( nsnszxxnsnszxx ????????? ?? ??目錄 ? 市場(chǎng)研究使用統(tǒng)計(jì)技術(shù)的必要性 ? 統(tǒng)計(jì)技術(shù)的基礎(chǔ) ? 測(cè)量尺度 (變量 )類(lèi)型 ? 數(shù)據(jù)加權(quán) ? 數(shù)據(jù)的描述性統(tǒng)計(jì) ：頻數(shù)分布和基本統(tǒng)計(jì)量 ? 數(shù)據(jù)的推斷性統(tǒng)計(jì) ：假設(shè)檢驗(yàn) ? 多元統(tǒng)計(jì)技術(shù) ? 相關(guān)分析 ? 回歸分析 ? 因子分析 ? 主成分分析 ? 聚類(lèi)分析 ? 對(duì)應(yīng)分析 ? 聯(lián)合分析 統(tǒng)計(jì)技術(shù)的分類(lèi) 統(tǒng)計(jì)技術(shù) (Statistical Technique) 單元統(tǒng)計(jì)技術(shù) (Univariate Technique) 多元統(tǒng)計(jì)技術(shù) (Multivariate Technique) 針對(duì)單個(gè)變量分析，可以是定量數(shù)據(jù)或非定量數(shù)據(jù)，可以是單樣本或多樣本，多種方法可以選擇用于推斷變量的分布特征 關(guān)注的是兩個(gè)或以上變量之間的相互關(guān)系 (相關(guān)系數(shù)、協(xié)方差等 ) 多元統(tǒng)計(jì)技術(shù) 多元統(tǒng)計(jì)技術(shù) 方差/協(xié)方差分析 判別分析 典型相關(guān)分析 聯(lián)合分析 因子分析 主成分分析 聚類(lèi)分析 對(duì)應(yīng)分析 回歸分析 相關(guān)分析 對(duì)所考察的變量都有自變量(independent variable)和因變量(dependent variable)之分，即要解決的是一組變量對(duì)一個(gè) /多個(gè)變量的影響關(guān)系和程度 不區(qū)分自變量和因變量，所有變量同等對(duì)待，側(cè)重于了解變量之間互相關(guān)關(guān)系 相關(guān)分析 (Correlation Analysis)的定義 相關(guān)分析 了解兩個(gè)定量 (定距 /定比 )變量之間是否存在線性關(guān)系，及 其相關(guān)程度；例如 產(chǎn)品的購(gòu)買(mǎi)意愿 /獨(dú)特性評(píng)價(jià)與消費(fèi)者對(duì)產(chǎn)品諸屬性認(rèn)知的相關(guān)程度如何； 產(chǎn)品的諸多屬性 /功能的滿意度認(rèn)知分別在多大程度上影響消費(fèi)者對(duì)產(chǎn)品的整體滿意度評(píng)價(jià)； 相關(guān)系數(shù) – 在相關(guān)分析中，表征兩個(gè)定量變量之間線性相關(guān)程度的指 標(biāo) /統(tǒng)計(jì)量 最常用的是 Pearson 相關(guān)系數(shù) (簡(jiǎn)單相關(guān)系數(shù) )： r是一個(gè)無(wú)量綱數(shù)，且 1 r 1。 ? 備注： 本文檔所言 FA嚴(yán)格地應(yīng)該稱為 EFA(探索性因子分析 )；另有 CFA (確證性因子分析 )，與結(jié)構(gòu)方程模式 (SEM)的應(yīng)用有緊密聯(lián)系，比較復(fù)雜。 多元回歸 涉及一個(gè)因變量和兩個(gè)或兩個(gè)以上自變量 分析步驟同二元回歸相似，但回歸方程的建立方法要復(fù)雜地多，難度也很大，尤其在市場(chǎng)營(yíng)銷(xiāo)領(lǐng)域，建立一個(gè)有效的回歸模型難度極大； 在多元回歸分析中，一個(gè)容易忽略的問(wèn)題就是 “多重共線性” ：自變量之間存在較高的相關(guān)性； 變量之間的多重共線性會(huì)嚴(yán)重影響回歸系數(shù)估計(jì)的準(zhǔn)確性，產(chǎn)生較大的標(biāo)準(zhǔn)誤，降低回歸方程的有效性； 多重共線性的處理方法很多，最簡(jiǎn)單的就是從高度相關(guān)的變量中只選取一個(gè)進(jìn)入回歸方程，或者通過(guò)主成分分析等技術(shù)對(duì)自變量進(jìn)行轉(zhuǎn)化； 因子分析 (Factor Analysis) ? 因子分析： 是一種用于數(shù)據(jù)提煉與概括的分析方法，考察一組變量之間的相互依賴關(guān)系。 ? 假設(shè)檢驗(yàn)的一個(gè) 基本假設(shè) 是： 小概率原理 ，即在一次試驗(yàn)中，小概率事件不可能發(fā)生。 對(duì) 關(guān)鍵 /核心題目的數(shù)據(jù) (如 Topline Data)進(jìn)行簡(jiǎn)要分析，粗略把握研究發(fā)現(xiàn)，并生成初步的研究結(jié)論 (可能只是假設(shè) ) 確信您獲得了所需要的 全部數(shù)據(jù)信息 ，并且它們是 準(zhǔn)確無(wú)誤 的。 ? 新浪游戲用戶的情感訴求：表現(xiàn)自我、自由自在、擁有智慧和知識(shí)。Oracle數(shù)據(jù)庫(kù)支持；對(duì)數(shù)據(jù)量和數(shù)據(jù)健壯性要求均很高； ? 對(duì)使用者要求：對(duì)算法、業(yè)務(wù)的理解度均高 多元統(tǒng)計(jì)分析有需要者請(qǐng)參考附件基礎(chǔ)統(tǒng)計(jì)；數(shù)據(jù)挖掘有需要者可和 Tina聯(lián)系 簡(jiǎn)單數(shù)據(jù)分析簡(jiǎn)介（ 1 ）：集中趨勢(shì) amp。 抽樣基本原則（ 2 ） ? 樣本量的選取 ： ? 從理論上講，樣本數(shù)越大，抽樣誤差越小，結(jié)果的代表性越好。 ? 客戶可以根據(jù)研究的進(jìn)展，適當(dāng)?shù)恼{(diào)整研究的重點(diǎn)。A） 市場(chǎng)細(xì)分研究 (Segmentation) 信息 理解 洞察 獨(dú)特 的洞察 What (4) :Marketing Research角度看 CE的相關(guān)方法 系統(tǒng)科學(xué)深入的消費(fèi)者研究方法 數(shù)據(jù)挖掘 (Data Mining ) 定義市場(chǎng)研究 創(chuàng)意研討會(huì) （ Innovation Workshop) Uamp。A Segmentation 信息 理解 洞察 獨(dú)特 的洞察 信息獲?。? ? Marketing Research： ? 以 訪問(wèn) 為信息主要獲取方式 ? 信息來(lái)源以用戶回憶為主 ； ? 用戶體驗(yàn)中心 ： ? 以 觀察 為信息主要獲取方式 ?信息來(lái)源以用戶實(shí)時(shí)操作為主； ? 數(shù)據(jù)挖掘 ： ?以 記錄用戶實(shí)際發(fā)生的行為為信息主要獲取方式； ? 信息來(lái)源以用戶長(zhǎng)期用戶行為監(jiān)測(cè)為主； 信息理解 amp。 ? 項(xiàng)目的總費(fèi)用相對(duì)較低，時(shí)間較短 。 ? 但是，同時(shí)考慮費(fèi)用和時(shí)間因素，大樣本量不一定是最有效率的辦法。離散趨勢(shì) ? 集中趨勢(shì)（ Central Tendency） 指標(biāo)： ? 眾數(shù)（ Mode） ： 發(fā)生率最高的數(shù)值；適用于所有的測(cè)量水平 ? 中位數(shù) （ Median）： 數(shù)值排序后正好位于中間位置的數(shù)；適用于定序、定距、定比數(shù)據(jù) ? 算術(shù)平均數(shù)或均值（ Mean） : 各數(shù)值的簡(jiǎn)單平均；適用于定距數(shù)據(jù)與定比數(shù)據(jù) ? 離散趨勢(shì)（ Measures of Dispersion） 指標(biāo)： ? 全距或極差（ Range）： 一個(gè)定序型變量最大值與最小值的差 ? 上、下四分位數(shù) : ? 方差（ Variance）： 一個(gè)變量所有值與其平均值之差的平方的平均數(shù) ? 標(biāo)準(zhǔn)差（ Standard Deviation）： 方差的平方根 簡(jiǎn)單數(shù)據(jù)分析簡(jiǎn)介（ 2） :交叉表的行列百分比 amp。 Q Q g a m e聯(lián)眾中國(guó)游戲中心新浪游戲自由自在表現(xiàn)自我自我感覺(jué)良好自我放縱樂(lè)趣與興趣成為領(lǐng)導(dǎo)者擁有智慧和知識(shí)掌握和駕馭感歸屬感和諧安全傳統(tǒng)尊重愛(ài)和被愛(ài)吸引力10 . 80 . 60 . 40 . 200 . 20 . 40 . 6 0 . 4 0 . 2 0 0 . 2 0 . 4 0 . 6品牌 情感訴求 *：其他游戲品牌由于樣本量低于 30，無(wú)法進(jìn)行數(shù)據(jù)分析。 一方面，結(jié)合高級(jí)統(tǒng)計(jì)技術(shù)進(jìn)行一些深入的數(shù)據(jù)挖掘和分析；一方面，將數(shù)據(jù)信息與營(yíng)銷(xiāo)理論結(jié)合，形成研究結(jié)論并給出建議。 ? 假設(shè)檢驗(yàn)包括： ? 單樣本檢驗(yàn)，主要針對(duì)抽樣總體的數(shù)字特征 (參數(shù) )提出統(tǒng)計(jì)假設(shè)； ? 兩樣本檢驗(yàn)，主要針對(duì)兩樣本之間的相關(guān)性或差異性提出統(tǒng)計(jì)假設(shè)； ? 參數(shù)檢驗(yàn) (parametric test)，檢驗(yàn)統(tǒng)計(jì)量 (test statistic)服從某個(gè)已知分布； ? 非參數(shù)檢驗(yàn) (nonparametric test)， 即分布自由檢驗(yàn)，底分布可以是任意的； 假設(shè)檢驗(yàn)的一般步驟 建立 H0和 H1 收集數(shù)據(jù)計(jì)算檢驗(yàn)統(tǒng)計(jì)量 選擇適當(dāng)?shù)臋z驗(yàn)方法 選擇顯著性水平 a 決定檢驗(yàn)統(tǒng)計(jì)量的概率 決定檢驗(yàn)統(tǒng)計(jì)量的臨界值 與顯著性水平 a比較 決定臨界值是否位于拒絕域 拒絕或不拒絕 H0 得出市場(chǎng)營(yíng)銷(xiāo)結(jié)論 假設(shè)檢驗(yàn)的關(guān)鍵術(shù)語(yǔ) (1) ? 零假設(shè) (null hypothesis)和備擇假設(shè) (alternative hypothesis)： ? 零假設(shè)即受到檢驗(yàn)的假設(shè)，是對(duì)一種沒(méi)有差異、沒(méi)有影響的狀態(tài)的描述； ? 拒絕零假設(shè) /接受備擇假設(shè)是有力的，而一次檢驗(yàn)接受零假設(shè)是不充分的； ? 檢驗(yàn)方法： 單尾檢驗(yàn) (onetailed test)和雙尾檢驗(yàn) (twotailed test) ? 雙尾檢驗(yàn)：備擇假設(shè)雙方向或無(wú)方向表述；只檢驗(yàn)差異的存在性，事前無(wú)某種支持傾向； ? 單尾檢驗(yàn)：備擇假設(shè)以單方向表述；對(duì)結(jié)論有一定的方向性支持，檢驗(yàn)力度相對(duì)更高； 假設(shè)檢驗(yàn)的關(guān)鍵術(shù)語(yǔ) (2) ? 顯著性水平 (level of significance)：即第一類(lèi)錯(cuò)誤發(fā)生的概率 a ? 由抽樣數(shù)據(jù)作出推斷，總有可能犯兩類(lèi)錯(cuò)誤； ? 第一類(lèi)錯(cuò)誤 a (type I error)：拒絕了實(shí)際上正確的零假設(shè)，即 “ 棄真 ” ； ? 第二類(lèi)錯(cuò)誤 b (type II error)：接受了實(shí)際上錯(cuò)誤的零假設(shè)，即 “ 取偽 ” ； ? 顯著性水平 a由研究者對(duì)拒絕真實(shí)零假設(shè)可容忍的風(fēng)險(xiǎn)水平設(shè)定；在確定分布下，第二類(lèi)錯(cuò)誤 b與樣本容量 n和 a存在數(shù)量關(guān)系； ? a=：真實(shí)零假設(shè)被拒絕的概率只有 ，或者說(shuō)，每 100次抽樣中會(huì)有 95次出現(xiàn)零假設(shè)的情形； ? 拒絕 H0： p=P[檢驗(yàn)統(tǒng)計(jì)量落入拒絕域 | H0成立 ]a，即 “ 一次試驗(yàn)小概率事件不可能發(fā)生 ” ； 兩獨(dú)立樣本 (Independent sample)均值的 t檢驗(yàn) ? 檢驗(yàn)?zāi)康模?是差異性檢驗(yàn)，如檢驗(yàn)在細(xì)分市場(chǎng) 1和細(xì)分市場(chǎng) 2中品牌認(rèn)知或忠誠(chéng)度是否存在差異。 ? FA的基本步驟： 明確 FA的目的 確定因子數(shù) 構(gòu)造相關(guān)矩陣 確定 FA方法并運(yùn)行 計(jì)算因子得分 解釋因子 選擇替代變量進(jìn)一步分析 因子旋轉(zhuǎn) 因子分析在營(yíng)銷(xiāo)研究中的應(yīng)用 ? FA目的 ? 識(shí)別解釋一組變量之間相互關(guān)系的潛在維度 (即因子， factor)，從而揭示事物的主要屬性； ? 用數(shù)目較少、相互獨(dú)立的因子替代原始變量，用于進(jìn)一步統(tǒng)計(jì)分析； ? FA在營(yíng)銷(xiāo)研究中主要用于以下領(lǐng)域： ? 市場(chǎng)細(xì)分：辨別不同群體的消費(fèi)者所具有的特殊品質(zhì)或潛在的消費(fèi)需求； ? 產(chǎn)品研究：確定影響消費(fèi)者選擇的品牌屬性及重要性程度； ? 廣告研究：了解目標(biāo)市場(chǎng)的媒體消費(fèi)習(xí)慣或日常生活規(guī)律； ? 價(jià)格研究：發(fā)現(xiàn)價(jià)格敏感 /不敏感消費(fèi)群的主要特征； ? 具體地，適用于 FA的 調(diào)研量表的典型形式 是：對(duì)于刻畫(huà)消費(fèi)者品質(zhì)、產(chǎn)品功效、品牌形象的若干特征，盡可能細(xì)分為單一性的屬性 (attribute)描述，設(shè)置基于定距尺度的評(píng)價(jià)體系，請(qǐng)被訪者對(duì)自身、產(chǎn)品、品牌給出觀點(diǎn)。 ? 其它的 FA方法還有很多 (如公因子分析、極大似然法等 )，但涉及較多專業(yè)知識(shí)，故營(yíng)銷(xiāo)研究中不被推薦。 ? T 統(tǒng)計(jì)量： ? 通常的營(yíng)銷(xiāo)研究環(huán)境：來(lái)自任何總體的 大樣本 (大于 30， t 統(tǒng)計(jì)量無(wú)精確值，均值的抽樣分布近似正態(tài)分布 )，此時(shí)，樣本標(biāo)準(zhǔn)差是總體標(biāo)準(zhǔn)差的一個(gè)合理估計(jì)。 ? 測(cè)量尺度 (變量 )：在調(diào)查中，不同被訪者給出有差異答案 /選項(xiàng)的各個(gè)題目 /條目； 測(cè)量尺度 (Measure scale) 測(cè)