【正文】 60。其中，? 查 表法 檢驗(yàn) 法 H0:p=0（ 變 量 間 不存在 線 性相關(guān)關(guān)系）； H1:p≠0（ 變 量 間 有 線 性相關(guān)關(guān)系）；p是 總 體相關(guān)系數(shù)， =n1， a=。比 較 r與 臨 界 值 （雙尾）， r+臨 界 值 ，或者 r臨 界 值 ，就做出拒 絕 原假 設(shè) 的決定。69169。BEXCEL2023Allrightsreserved一元 線 性回 歸? 自 變 量：也稱 預(yù)測(cè)變 量，引起其他 變 量 變動(dòng) 的原因，在散點(diǎn) 圖 中用 x描述；? 因 變 量：也稱解 釋變 量，自 變 量影響的那個(gè) 變 量，散點(diǎn) 圖 中 y.? 一般表達(dá)式： y=a+bx,a、 b都是常數(shù)， a是截距， b是斜率；? 回 歸 方程 評(píng) 價(jià)： 擬 合 優(yōu) 度是回 歸 方程中自 變 量 對(duì) 因 變 量 預(yù)測(cè) 程度的一個(gè)整體 測(cè) 量。R2的取 值 與相關(guān)系數(shù) r一 樣 ，取 值 在 01之 間 ，如果散點(diǎn) 圖 中是一條水平 線 ，那么R2=0，如果沒有明 顯 的上 揚(yáng) 或下降 趨勢(shì) ，那么接近于 0，如果具有完全的上 揚(yáng) 和下降 趨勢(shì)，那么接近 1。 R2值 越大， 說 明回 歸 方程的可信度越高！ R2=回 歸 方程解 釋 的平方和 /總 平方和 =SSr/SSt? 檢驗(yàn) R2的 顯 著性： p是方程中自 變 量的個(gè)數(shù)， n是 樣 本 規(guī) 模，分子自由度 p，分母自由度 np1，通 過 f值 表 查 找 臨 界 值 。如果 f大于 臨 界 值 ，我 們 拒 絕認(rèn)為 R2的 值 并非 顯 著不 為 0的原假 設(shè) ?；?歸 系數(shù)的 顯 著性 檢驗(yàn) ： H0： bi=0； H1： bi≠0；構(gòu)造并 計(jì) 算 統(tǒng)計(jì) 量T統(tǒng)計(jì) 量的自由度 為 np1,因此 ,比 較 t與 臨 界 值 （雙尾）， t+臨 界 值 ，或者 t臨 界 值 ，就做出拒 絕 原假 設(shè) 的決定。70169。BEXCEL2023Allrightsreserved運(yùn)用回 歸 分析 時(shí) 需要注意的 問題? 與 線 性分析得情形 類 似，回 歸 分析只適用于分析自 變 量和因 變 量之 間 的 線 性關(guān)系；? 一個(gè)具有 顯 著 R2值 的回 歸 方程并不能表明自 變 量和因 變 量之 間 具有的因果關(guān)系；? 當(dāng) 預(yù)測(cè) 所需要的自 變 量的 值 超 過 了構(gòu)建方程 時(shí) 所適用的取 值 范 圍時(shí) ，回 歸 方程不太可能得到令人信服的因 變 量 預(yù)測(cè)值 ；? 建立一個(gè)數(shù)據(jù)相 對(duì)較 少的 樣 本上的回 歸 方程也可能是不精確的；? 自 變 量和因 變 量數(shù)據(jù)的取 值 范 圍 將會(huì)影響回 歸 方程的有效性；71169。BEXCEL2023Allrightsreserved多元回 歸 方程? 在 許 多 實(shí)際問題 中， 還 會(huì)遇到一個(gè)隨機(jī) 變 量與多個(gè) 變 量的相關(guān)關(guān)系 問題 ，需要用多元 回 歸 分析的方法來(lái)解決72169。BEXCEL2023Allrightsreserved? 相依分析：一個(gè)變量作為因變量，其他變量作為自變量； 前三種? 互依分析：不指定因變量和自變量，只研究變量之間的關(guān)系模式 — 后四種多 變 量分析方法分析方法類型 輸入數(shù)據(jù)格式 主要目的回歸分析 自變量、因變量都可度量自變量多大程度解釋了因變量的變動(dòng)，同時(shí)在給定自變量值時(shí)預(yù)測(cè)因變量值方差分析 自變量、因變量都可度量 驗(yàn)證不同的自變量水平是否會(huì)影響因變量產(chǎn)生的顯著影響判別分析 因變量可度量，自變量不可度量自變量組間差異是否顯著，判斷哪些自變量對(duì)組間差異貢獻(xiàn)大，評(píng)估分類的準(zhǔn)確度，根據(jù)自變量值將樣本歸類因子分析 可度量 以最少的信息丟失將眾多原有變量濃縮減成少數(shù)幾個(gè)因子，將使因子具有一定的命名解釋性聚類分析 可度量 將數(shù)據(jù)依據(jù)諸多特征，按照性質(zhì)親疏程度在沒有先驗(yàn)知識(shí)下自動(dòng)分類，產(chǎn)生多個(gè)分類結(jié)果，分類的內(nèi)部個(gè)體具有相似性，不能分類的差異大多維標(biāo)度分析 不可度量 相似性排序研究對(duì)象感知和偏好，確認(rèn)消費(fèi)者對(duì)不同品牌感知維度的數(shù)目與性質(zhì)，現(xiàn)有品牌在這些維度的定位，消費(fèi)者的理想品牌在這些維度的定位聯(lián)合分析 不可度量 偏好排序?qū)傩运酱_認(rèn)消費(fèi)者選擇不同屬性的相對(duì)重要性，估計(jì)不同屬性品牌的市場(chǎng)份額，確定最受歡迎的屬性構(gòu)成，根據(jù)不同屬性水平偏好的相似性進(jìn)行市場(chǎng)細(xì)分 73169。BEXCEL2023Allrightsreserved方差分析? 方差分析（ ANOVA,analysisofvariance）和回 歸 分析有著密切的 聯(lián) 系，因 為 方差分析也是 檢驗(yàn) 因 變 量和自 變 量的關(guān)系。然而，方差分析和回 歸 分析存在一個(gè)基本的不同：回 歸 分析中，因 變 量和自 變 量都是可以度量的（區(qū) 間 或比例），而在方差分析中只有因 變 量是可以度量的，自 變 量是 類別變 量和 順 序 變 量；? 因子方差分析是用于分析一個(gè)以上 類別 數(shù)據(jù)的自 變 量 對(duì) 可度量因 變 量的影響；74169。BEXCEL2023Allrightsreserved辨 別 分析? 辨 別 分析（ discriminalanalysis）是根據(jù)事先確定的因 變 量 類別 （例如 產(chǎn) 品的主要用 戶 、普通用 戶 或是非用 戶 ，自有房屋或租 賃電視觀 眾或非 電視觀 眾找出相 應(yīng)處理 組 的區(qū) 別 性特性。在辨 別 分析中，因 變 量 為類別 數(shù)據(jù)，有多少 類別 就有多少 類別處 理 組 ；自 變 量通常 為 可度量數(shù)據(jù)。? 辨 別 分析的目的如下：建立能 夠 最大限度地區(qū)分因 變 量 類別 的判 別 函數(shù)；考察自變 量的 組間 差異是否 顯 著；判斷哪些自 變 量 對(duì)組間 差異 貢 獻(xiàn)最大； 評(píng) 估分 類 的準(zhǔn)確程度；根據(jù)自 變 量的 值 將 樣 本 歸類 。169。BEXCEL2023Allrightsreserved因子分析? 因子分析是研究如何以最少的信息 丟 失將眾多原有 變 量 濃縮 成少數(shù)幾個(gè)代表 變 量間 關(guān)系的因子，并使因子具有一定的命名解 釋 性。通常是從考察原始 變 量中矩 陣 配對(duì) 的相關(guān)關(guān)系入手，然后再將 這 些 變 量 組 合 為 少數(shù)幾個(gè)能 夠 最大限度代表相關(guān) 變量的因子。? 應(yīng) 用：首先，我 們 可以用它來(lái)開 發(fā)簡(jiǎn)單 但全面的多 項(xiàng) 目量表。第二，是在在 現(xiàn) 有的數(shù)據(jù)基 礎(chǔ) 上解 釋 截然不同的 維 度的性 質(zhì) ，從而提供管理建 議 ——為細(xì) 分市 場(chǎng) 和 營(yíng)銷組 合策略提供參考。第三，因子分析把大量的數(shù)據(jù) 轉(zhuǎn) 化成有限數(shù)量的不相關(guān)因素的一 組 因子得分， 這 種功能使 該項(xiàng) 技 術(shù) 可以與其他分析 過 程了 聯(lián) 合使用，比如多元回 歸 分析和判 別 分析。169。BEXCEL2023Allrightsreserved聚 類 分析? 聚 類 分析是將 對(duì) 象（消 費(fèi) 者、市 場(chǎng) 區(qū)域或 產(chǎn) 品）劃分 為 不同的群體，群體內(nèi)成 員間 在 諸 多方面表 現(xiàn) 出相似性。聚 類 分析 對(duì) 于旨在區(qū)分出不同的消 費(fèi) 群體的市 場(chǎng)細(xì)分非常有用。 這 一技 術(shù) 可以根據(jù) 對(duì) 一系列 變 量的 賦值 找出 對(duì) 象的自然群體，而不必將其中的任何一個(gè) 設(shè) 定 為 因 變 量。? 企 業(yè)進(jìn) 行市 場(chǎng)細(xì) 分的一種方法是 對(duì) 收集到的數(shù)據(jù) 進(jìn) 行聚 類 分析。? 盡管聚 類 分析和判 別 分析都是將很多研究 對(duì) 象分割成不同的群體，使各 組 包含的研究 對(duì) 象彼此相似，但 這 兩種方法是不同的。在判 別 分析中，研究者研究各個(gè) 組 是基于一個(gè)獨(dú)立的因 變 量，然后根據(jù)一 組 自 變 量的作用來(lái)有效地區(qū)分不同的 組 群。在聚合分析中，各個(gè) 組 沒有作事前的 詳 盡分析，相反， 這 種技 術(shù) 生成出各個(gè) 組 是基于研究 對(duì) 熊在很多 變 量上的相似性。169。BEXCEL2023Allrightsreserved多 維標(biāo) 度分析? 聚 類 分析是根據(jù) 預(yù)設(shè) 的 維 度上數(shù)據(jù) 間 的相似性 進(jìn) 行 對(duì) 象分 組 ，多 維標(biāo) 度分析 則 在一定程度上是相反的 過 程，它是找出消 費(fèi) 者 評(píng) 估中所表 現(xiàn) 出的關(guān) 鍵維 度，根據(jù) 給定數(shù)據(jù)集中的消 費(fèi) 者 對(duì)產(chǎn) 品或品牌的偏好得出相似和偏好的判斷。 這 種方法在 營(yíng)銷 中最常用于找出 競(jìng) 爭(zhēng)性品牌、商店等在消 費(fèi) 者心目中的相 對(duì) 定位。描述感受相似性或偏好的數(shù)據(jù)不一定是可度量的（例如可以是排名），也可以是度量的（例如更確切的排名）169。BEXCEL2023Allrightsreserved聯(lián) 合分析? 聯(lián) 合分析用于估 計(jì) 不同特性 對(duì) 消 費(fèi) 者的相 對(duì) 重要性，以及不同特性水平 給 消 費(fèi) 者帶 來(lái)的效用。? 聯(lián) 合分析的第一步是通 過結(jié) 合 選擇 特征的不同水平構(gòu)造幾個(gè)描述性的形式或者假定的促 進(jìn) 因素。? 聯(lián) 合分析的 結(jié) 果是相 對(duì) 于每個(gè)特征的一 組 效用 值 ， 對(duì) 任一特性的某一水平，效用 值 越高，消 費(fèi) 者 對(duì) 包含那一水平的描述性形式的偏好越大。169。BEXCEL2023Allrightsreserved市 場(chǎng)籃 分析數(shù)據(jù)挖掘是一個(gè)分析 過 程，用于收集數(shù)據(jù)，從中 發(fā)現(xiàn) 一個(gè)固定的模式或 變 量 間 的系 統(tǒng)關(guān)系。常用的 軟 件有 statistica數(shù)據(jù)挖掘者、 spssclementine、 sas、 insightfulminer。常用的分析方法有：市 場(chǎng)籃 分析、分 類 模型、 評(píng) 分模型和 rfm分析、 預(yù)測(cè) 等 。為 了 處 理 龐 大的數(shù)據(jù)，新的數(shù)據(jù)挖掘技 術(shù) 正在 發(fā) 展，例如文本和 語(yǔ) 音挖掘、 視頻 挖掘等；? 市 場(chǎng)籃 分析是通 過檢查 消 費(fèi) 者的 購(gòu) 物推 車 來(lái)確定哪些商品最 經(jīng) 常被同 時(shí)購(gòu)買 。市場(chǎng)藍(lán) 分析是運(yùn)用一種運(yùn)算方法來(lái)分析 長(zhǎng)長(zhǎng) 的 購(gòu) 物清 單 ， 進(jìn) 而確定哪些商品最 經(jīng) 常被同 時(shí)購(gòu)買 。? 假 設(shè) 一家商店 發(fā)現(xiàn) 一個(gè)受 歡 迎的玩具 65%的 時(shí) 候是隨著糖果一起 銷 售的。 這 個(gè) 發(fā)現(xiàn) 的潛在市 場(chǎng) 暗示是：在商店里保持玩具和糖果彼此 鄰 近。把糖果和玩具 綁 在一起。把玩具和糖果以及另外一件滯 銷 的商品 綁 在一起（以促 進(jìn) 滯 銷 商品 銷 售）。提高一種商品的價(jià)格，同 時(shí) 降低另一種商品的價(jià)格。保持玩具和糖果位于商店的兩端，以確保消 費(fèi) 者 經(jīng)過 盡可能多的商品區(qū)收集玩具和糖果。169。BEXCEL2023Allrightsreserved市 場(chǎng)籃 分析? 高 級(jí) 市 場(chǎng)藍(lán) 分析舉 例來(lái) 說 ，可以通 過 如下 問題 的研究得到消 費(fèi) 者 購(gòu)買 行 為 的更深入了解：消 費(fèi) 者多久 購(gòu) 物一次？消 費(fèi) 者 購(gòu) 物花 費(fèi) 的 費(fèi) 用是多少？消 費(fèi) 者多久 購(gòu)買 一次特定商品？在一次 購(gòu) 物中，消 費(fèi) 者會(huì) 購(gòu)買 多大數(shù)量的特定商品？消 費(fèi) 者會(huì) 購(gòu)買 什么 類 型的 產(chǎn) 品，是 競(jìng) 爭(zhēng)型的， 還 是互 補(bǔ) 型的？消 費(fèi) 者在哪些商品部 門購(gòu) 物？頻 繁 購(gòu) 物的消 費(fèi) 者與那些偶 爾 的 買 家相比，在 購(gòu)買 者人口 統(tǒng)計(jì) 特征和 購(gòu)買 模式方面有何不同？特定商品的非 購(gòu)買 者與 購(gòu)買 者相比，在人口 統(tǒng)計(jì) 特征及 購(gòu)買 模式方面有何不同？169。BEXCEL2023Allrightsreserved分 類 模型? 決策 樹 是目前最流行的分 類 算法之一，廣泛 應(yīng) 用與數(shù)據(jù)挖掘技 術(shù) 之中。其他有效的算法 還 包括自 動(dòng) 交互 檢測(cè) 、回 歸樹 、答案 樹 、分 類樹 以及分 類 與回 歸樹 （ 簡(jiǎn) 稱CART）。? 決策 樹 分析技 術(shù) 的基本思路，是根據(jù)指定的 類別 因 變 量（例如 購(gòu)買 或者不 購(gòu)買 某種 產(chǎn) 品）將包含在同一個(gè)數(shù)據(jù)集里的個(gè)體 進(jìn) 行分 門別類 。其中，解 釋變 量同 樣 也是 類別 化的，并可能包含如下信息：人口 統(tǒng)計(jì) 特征（年 齡組別 、性 別 、 職業(yè) ） 態(tài) 度（ 對(duì) 各種描述是同意 還 是反 對(duì) ）過 去的行 為 （ 買過 或者沒 買過 其他的 產(chǎn) 品）節(jié)點(diǎn) 1：使用者比例 =%N=150節(jié)點(diǎn) 2：收入水平 =低使用者比例=0%， N=50節(jié)點(diǎn) 3：收入水平 =高使用者比例=50%， N=150節(jié)點(diǎn) 4：教育水平 =無(wú)學(xué)歷者比例=%， N=60節(jié)點(diǎn) 5：教育水平 =大學(xué)學(xué)歷比例=100%， N=40169。BEXCEL2023Allrightsreserved評(píng) 分模型和 RFM分析? 最常用的 評(píng) 分方法 —— 近因、 頻 率和 貨幣 價(jià) 值 分析法（ recency,frequencyadmoaryvalueanalysis， 簡(jiǎn) 稱 RFM分析法）， 該 方法在 25年來(lái)持 續(xù) 改善了 營(yíng)銷活 動(dòng) 的回 應(yīng) 率。它的基 礎(chǔ) 是以下三個(gè) 簡(jiǎn)單 概念：最近 購(gòu)買產(chǎn) 品的 顧 客要比那些有一 陣 子都沒 購(gòu)買產(chǎn) 品的 顧 客更可能再次 購(gòu)買 。 頻 繁 購(gòu)買產(chǎn) 品的 顧 客要比那些 僅購(gòu)買過 一次的 顧 客更有可能再次 購(gòu)買 。 總 是花 費(fèi) 大量金 錢購(gòu) 物的 顧 客更有可能再次 購(gòu)買 。在消 費(fèi) 方面最大方的客 戶傾 向于 變 得更加大方，即最有價(jià) 值 的客 戶 將 傾 向于 變 得更有價(jià) 值 。169。BEXCEL2023Allrightsreserved預(yù)測(cè) 模型? 邏輯 回 歸 和神 經(jīng) 網(wǎng) 絡(luò) 是最常用的 預(yù)報(bào) 或者 預(yù)測(cè) 模型。? 邏輯 回 歸 （ logisticregression）是普通回 歸 的一種 變 異，它用于被解 釋變 量（即因 變 量、反 應(yīng)變 量）是二分法，即以 0或者 1為 其 編碼值 的情況，以描述 結(jié) 果事件是 發(fā) 生 還 是不 發(fā) 生。例如，在新 產(chǎn) 品的研究中，客 戶購(gòu)買 或者不 購(gòu)買產(chǎn) 品；在一份 銀 行 貸 款的研究中，借款人可能會(huì)及 時(shí)還 款或者不 還 款從而 變?yōu)?欠款人。第一部分 市 場(chǎng)調(diào) 研基 礎(chǔ)第二部分 數(shù)據(jù)收集：類型和方法第三部分 數(shù)據(jù)收集：測(cè)量手段與抽樣第四部分 數(shù)據(jù)分析第五部分 與調(diào)研用戶溝通169。BEXCEL2023Allrightsreserved書 面 報(bào) 告的 組 成部分? 報(bào) 告函：將 調(diào) 研 報(bào) 告介 紹給讀 者。采取商 業(yè) 信函的格式，并包括 調(diào) 研 報(bào) 告的要點(diǎn)描? 述，或者將 執(zhí) 行概要合并呈送。? 標(biāo)題頁(yè) ： 調(diào) 研主 題 、 調(diào) 研