【正文】 獲得的系數(shù)是否一致。答：還可以用添加趨勢線的方法獲得回歸方程的系數(shù)。，該如何選擇非線性模型，并針對任意給定每平方公里的人口密度，預(yù)測建筑許可證的頒發(fā)數(shù)量。答：可利用添加趨勢線的方法進(jìn)行檢測，找出每一種可能的非線性模型的均方差Mse，選擇其中最小的作為最佳的非線性模型。1. 在用回歸分析報(bào)告求解參數(shù)時(shí)，自變量與因變量之間應(yīng)該滿足什么關(guān)系？答：在用回歸分析報(bào)告求解參數(shù)時(shí)，自變量與因變量之間應(yīng)滿足一個(gè)或多個(gè)自變量值對應(yīng)一個(gè)應(yīng)變量。2. 為什么實(shí)驗(yàn)結(jié)果只選用兩元線性回歸模型而不用三元線性回歸模型進(jìn)行建筑許可證數(shù)量的預(yù)測？答：實(shí)驗(yàn)結(jié)果只選用兩元線性回歸模型二不用三元線性回歸模型既高興建筑許可證數(shù)量預(yù)測的原因是三元回歸分析報(bào)告中自有房屋的均值X2的調(diào)整后的R178。的值并未超過一元回歸分析報(bào)告中對自有房屋的均值X2的調(diào)整后的R178。的值，說明自有房屋的均值X2與建筑許可證數(shù)量的線性相關(guān)性不強(qiáng)，若它參與回歸預(yù)測，將會影響預(yù)測結(jié)果。3. 在用多元線性回歸時(shí)，如何確定候選變量，確定的依據(jù)是什么？答：用多元線性回歸時(shí)，可依據(jù)對某一自變量在組合前得到的調(diào)整后的R178。的值與組合后得到的調(diào)整后的R178。的值之間的大大小進(jìn)行候選變量的確定。若組合后得到的調(diào)整后的R178。的值超過組合前得到的調(diào)整后的R178。的值，則確定其為候選變量。4. 從實(shí)驗(yàn)42我們了解自有房屋的均值（x2）與建筑許可證數(shù)量是對數(shù)相關(guān)，如果我們用回歸方程y=a+b1*x1+b2*lnx2+b3*x3來進(jìn)行預(yù)測是否更精確？那么我們又怎樣確定此方程的各項(xiàng)系數(shù)呢？答：若用回歸方程Y=a+b1*X1+b2*lnX2+b3*X3來進(jìn)行預(yù)測，結(jié)果不一定會更精確。因?yàn)閅是受3個(gè)自變量的共同影響?？捎枚嘣蔷€性回歸確定次方程的各項(xiàng)系數(shù)，因?yàn)榫€性回歸是特殊的非線性回歸。實(shí)驗(yàn)五 手機(jī)用戶消費(fèi)習(xí)慣聚類分析實(shí)驗(yàn)類型：驗(yàn)證性 實(shí)驗(yàn)學(xué)時(shí)：2實(shí)驗(yàn)?zāi)康?理解聚類分析的概念； 理解聚類分析的原理；掌握在SPSS中進(jìn)行聚類分析的方法。實(shí)驗(yàn)步驟：為研究移動用戶的手機(jī)消費(fèi)習(xí)慣，現(xiàn)收集了反映移動用戶手機(jī)使用情況的數(shù)據(jù)，該數(shù)據(jù)中包含7個(gè)變量：客戶編號(Customer_ID)、工作日上班時(shí)期電話時(shí)長(Peak_mins)、工作日下班時(shí)期電話時(shí)長(OffPeak_mins)、周末電話時(shí)長(Weekend_mins)、國際電話時(shí)長(International_mins)、總通話時(shí)長(Total_mins)和平均每次通話時(shí)長(average_mins)。請用SPSS軟件按除客戶編號外的6個(gè)變量維度對移動用戶進(jìn)行細(xì)分。選擇菜單打開SPSS文件 →分析(Analyze)→描述統(tǒng)計(jì)(Descriptive Statistics)→描述(Descriptives…)選入變量將除“Customer_ID”外的其余6個(gè)變量選入變量框(Variables)中設(shè)置選項(xiàng)打開Options按鈕，勾選均值(Mean)、標(biāo)準(zhǔn)差(Std. deviation)、最小值(Minimum)、最大值(Maximum)四項(xiàng)上圖顯示6個(gè)變量數(shù)值差異較大，。這種差異會影響聚類分析的結(jié)果。而要消除這種影響，需在聚類前對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。在上一步彈出的“Descriptive”對話框中選擇“Save standardized values as variables”，即將標(biāo)準(zhǔn)化值另存為變量，標(biāo)準(zhǔn)化的目的是消除量綱和變異的影響。消除量綱影響，要扣減平均值；消除變異影響，要除以標(biāo)準(zhǔn)差。因此標(biāo)準(zhǔn)化數(shù)據(jù)等于某變量的觀察值減去該變量的平均數(shù)，然后除以該變量的標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)化后各變量的平均數(shù)為0，標(biāo)準(zhǔn)差為1，消除了量綱和變異的影響。如ID為K1000050的用戶工作日上班時(shí)間通話時(shí)長(Peak_mins)標(biāo)準(zhǔn)化后的值，Peak_mins標(biāo)準(zhǔn)化=（觀察值均值）/標(biāo)準(zhǔn)差=（）/=。選擇菜單打開SPSS文件 →分析(Analyze)→分類(Classify)→K均值聚類(KMeans Cluster…)選擇變量選入上圖中紅框內(nèi)的6個(gè)標(biāo)準(zhǔn)化數(shù)據(jù)變量設(shè)置選項(xiàng)主窗口設(shè)置選項(xiàng)如下圖中的第一個(gè)圖，其中Label Cases by設(shè)置為客戶編號表示個(gè)案標(biāo)記依據(jù)為客戶編號，Number of Clusters設(shè)置為5表示聚類后生成5類不同特征的數(shù)據(jù)。“Iterate…”、“Save…”、“Options…”3個(gè)按鈕的設(shè)置依次按照下面3個(gè)圖進(jìn)行設(shè)置。Maximum Iterations設(shè)置為100表示最大迭代數(shù)為100，Convergence Criterion=0表示收斂標(biāo)準(zhǔn)為0。勾選Cluster membership表示在原始數(shù)據(jù)中生成每個(gè)記錄對應(yīng)的類別號15，Initial Cluster centers表示生成初始聚類中心，ANOVA tables表示生成方差分析表。Initial Cluster Centers初始聚類中心表Cluster12345Zscore: 工作日上班時(shí)期電話時(shí)長.19729Zscore: 工作日下班時(shí)期電話時(shí)長Zscore: 周末電話時(shí)長Zscore: 國際電話時(shí)長.29390.53252Zscore: 總通話時(shí)長Zscore: 平均每次通話時(shí)長.30760最終聚類中心表是非常重要的表格。它反映了所劃分的5個(gè)類別在6個(gè)變量上的平均值，這些平均值的區(qū)別反映了各個(gè)類別之間的差異。Final Cluster Centers最終聚類中心表Cluster12345Zscore: 工作日上班時(shí)期電話時(shí)長.61342.37303Zscore: 工作日下班時(shí)期電話時(shí)長.46081Zscore: 周末電話時(shí)長.35845Zscore: 國際電話時(shí)長.04673.02351Zscore: 總通話時(shí)長.41420.10398.21627Zscore: 平均每次通話時(shí)長下表是方差分析表，用于差異顯著性檢驗(yàn)。若F值的相伴概率sig小于顯著性水平就通過檢驗(yàn)，說明各個(gè)類別差異是顯著的。，因此都通過了檢驗(yàn)。這說明所分的5類用戶之間存在顯著差異。Zscore: 工作日上班時(shí)期電話時(shí)長4.3143390.000Zscore: 工作日下班時(shí)期電話時(shí)長4.4493390.000Zscore: 周末電話時(shí)長4.9553390.000Zscore: 國際電話時(shí)長4.4783390.000Zscore: 總通話時(shí)長4.2863390.000Zscore: 平均每次通話時(shí)長4.4543390.000Cluster12345ValidMissing.000實(shí)驗(yàn)小結(jié)：這個(gè)實(shí)驗(yàn)主演是讓我們了解聚類分析的方法，進(jìn)行聚類分析，掌握方法后可以為研究客機(jī)消費(fèi)習(xí)慣，可以準(zhǔn)確的獲取消費(fèi)者的有效數(shù)據(jù)，有效信息，為以后我們做調(diào)查提供了一個(gè)很好的研究方法。實(shí)驗(yàn)六 新產(chǎn)品價(jià)格敏感度測試模型分析實(shí)驗(yàn)?zāi)康? 理解價(jià)格敏感度測試模型PSM的概念；? 理解價(jià)格敏感度測試模型PSM的原理；? 掌握在EXCEL中進(jìn)行PSM分析的方法。實(shí)驗(yàn)步驟：測試用戶對價(jià)格的可接受范圍用測試價(jià)格表，要求受訪者從表中找出以下四個(gè)價(jià)格點(diǎn)。開始覺得價(jià)格便宜開始覺得價(jià)格貴覺得價(jià)格太貴而不會購買覺得價(jià)格太便宜以至于懷疑其質(zhì)量而放棄購買。（1）價(jià)格范圍與最優(yōu)價(jià)格以上圖的價(jià)格測試為例，測試完畢后統(tǒng)計(jì)出每個(gè)價(jià)格上述4個(gè)問題的累計(jì)人數(shù)百分比。根據(jù)上表畫折線圖理想價(jià)格點(diǎn)(P4)：太便宜與太貴的交點(diǎn)。從上圖中看出，P4點(diǎn)是認(rèn)為價(jià)格太貴與認(rèn)為價(jià)格太便宜的曲線交點(diǎn)。與其他交點(diǎn)相比，在P4點(diǎn)上，既不覺得太貴(110%=90%)也不覺得太便宜(110%=90%)的人數(shù)最多。這也就意味著在P4點(diǎn)上，有最多的消費(fèi)者可能購買，市場份額最大化。因此，從規(guī)模最大化的角度看，P4為最優(yōu)價(jià)格點(diǎn)。無差異價(jià)格點(diǎn)(P2):開始覺得便宜和開始覺得貴的交點(diǎn)。從上圖看出，在P2點(diǎn)上，認(rèn)為價(jià)格較劃算而購買該產(chǎn)品的人數(shù)與認(rèn)為價(jià)格較貴但仍愿意購買的人數(shù)相等。表明人們對該價(jià)格點(diǎn)的感覺最為平淡。合理定價(jià)區(qū)間(P1~P3):合理定價(jià)區(qū)間也是以市場規(guī)模為判斷標(biāo)準(zhǔn)。若低于P1點(diǎn)，雖然開始覺得貴的人群有所減少，但認(rèn)為太便宜而不愿購買的人群以更快的速度增長，從而導(dǎo)致實(shí)際的市場份額減少；若高于P3點(diǎn)，雖然開始覺得便宜的人群有所減少，但認(rèn)為太貴而不愿購買的人群增加幅度更高，也會導(dǎo)致實(shí)際市場份額減少，因此合理的定價(jià)區(qū)間為P1~P3。（2）各類價(jià)格的接受區(qū)域PSM模型可計(jì)算出給定價(jià)格水平上，可接受該價(jià)格者比例和有保留接受該價(jià)格者比例?？山邮茉搩r(jià)格者指對該價(jià)格既不覺得貴也不覺得便宜的人。有保留接受該價(jià)格者指對該價(jià)格覺得貴但不覺得太貴，覺得便宜但不覺得太便宜的人。例如：以上的浴霸產(chǎn)品測試價(jià)格在800元時(shí)，開始覺得便宜比例Q1為70%，覺得太便宜而不買Q2為23%，開始覺得貴Q3是11%，覺得太貴而不買Q4是3%。則：可接受800元價(jià)格的人數(shù)比例（確定客戶比例）是：不覺得貴并且不覺得便宜的比例=100%（Q1開始覺得便宜人數(shù)70%+ Q3開始覺得貴的人數(shù)11%）=181%=19%。不能接受800元價(jià)格的人數(shù)比例是：覺得太便宜并且覺得太貴的人數(shù)比例=Q2+Q4=23%+3%=26%。有保留接受800元價(jià)格的人數(shù)比例（潛在客戶比例）：覺得貴并且不覺得太貴+覺得便宜并且不覺得太便宜的比例= Q1Q2+(Q3Q4)=70%23%+(11%3%)=55%。實(shí)驗(yàn)總結(jié)：此次實(shí)驗(yàn)主要研究價(jià)格敏感度，了解客戶的對不同價(jià)格的滿意程度，從而可以做相應(yīng)的價(jià)格調(diào)整，為公司做出相應(yīng)的對策。