xxxx07市場(chǎng)調(diào)研培訓(xùn)之二定量市場(chǎng)研究-閱讀頁
2025-01-23 10:07本頁面
【正文】 出，而把數(shù)據(jù)的大小在水平軸上標(biāo)出。例如要分析某公司在不同地區(qū)的銷售情況，可使用條形圖在垂直軸上標(biāo)出地區(qū)名稱，在水平軸上標(biāo)出銷售額數(shù)值。面積圖除了具備折線圖的特點(diǎn)，強(qiáng)調(diào)數(shù)據(jù)隨時(shí)間的變化以外，還可以通過顯示數(shù)據(jù)的面積來分析部分與整體的關(guān)系。 6種 Page 14 圖表分析法（散點(diǎn)圖） 顯示了多個(gè)數(shù)據(jù)系列的數(shù)值間的關(guān)系，同事它還可以將兩組數(shù)字繪制成 XY坐標(biāo)系中的一個(gè)數(shù)據(jù)系列。出來可以顯示數(shù)據(jù)的變化趨勢(shì)外，更多地用來描述數(shù)據(jù)之間的關(guān)系。 5種 Page 15 圖表分析法（股價(jià)圖） 常用來顯示股票價(jià)格的變化，也長(zhǎng)被用于科學(xué)數(shù)據(jù)，例如用來指示溫度的變化 4種 Page 16 圖表分析法（曲面圖） 如果需要得到兩組數(shù)據(jù)間的最佳組合，曲面圖將有很大幫助。曲面圖實(shí)際上是折線圖和面積圖的另一種形式，它在原始數(shù)據(jù)的基礎(chǔ)上，通過跨兩維的趨勢(shì)線描述數(shù)據(jù)的變化趨勢(shì)，而且可以通過拖放圖形的坐標(biāo)軸，方便地變換觀察數(shù)據(jù)的角度。 2種 Page 18 圖表分析法（氣泡圖） 是散點(diǎn)圖的擴(kuò)展，相當(dāng)于增加了一個(gè)變量，即氣泡的尺寸?？梢苑治龈訌?fù)雜的數(shù)據(jù)關(guān)系。 2種 Page 19 圖表分析法（雷達(dá)圖） 每個(gè)分類都使用獨(dú)立的由中心點(diǎn)向外輻射的數(shù)值軸，同一系列的值則是通過折線連接。每個(gè)坐標(biāo)軸代表一個(gè)指標(biāo)。 3種 Page 20 回歸法 ? 線性回歸方程從樣本資料出發(fā)，一般利用最小二乘法，根據(jù)回歸直線與樣本數(shù)據(jù)點(diǎn)在垂直方向上的偏離程度最低的原則，進(jìn)行回歸方程的參數(shù)的求解。 在應(yīng)用線性回歸模型時(shí) ， 必須滿足以下假設(shè)： ? （ 1） 解釋變量 是確定性變量 ， 而且解釋變量之間不相關(guān) 。 ? （ 3） 隨機(jī)誤差項(xiàng)在不同樣本點(diǎn)之間是獨(dú)立的 ， 不存在序列相關(guān) 。 ? （ 5） 隨機(jī)誤差項(xiàng)服從 0均值和同方差的正態(tài)分布 。 ? （ 2） 從收集到樣本出發(fā)確定自變量和因變量之間的數(shù)學(xué)關(guān)系 ， 即建立回歸方程 。 ? （ 4） 利用回歸方程進(jìn)行預(yù)測(cè) 。 ii10i xy ??? ???y x? 0?1? 0?1?回歸法 Page 22 多元回歸模型 多元線性回歸模型中自變量的個(gè)數(shù)在 2個(gè)以上 ，模型的一般形式為： i=1,2… n 其中， 為被解釋變量（因變量）， 為解釋變量（自變量）， 是隨機(jī)誤差項(xiàng)， i為觀測(cè)值下標(biāo)， n為樣本容量， 為 k+1個(gè)待估參數(shù)， 為回歸常數(shù)， 稱為回歸系數(shù)。 另外麥當(dāng)勞也是它的一個(gè)重要競(jìng)爭(zhēng)者 。 假定下個(gè)月公司產(chǎn)品價(jià)格為 ， 人均收入為26614元 ， 歐文公司產(chǎn)品的價(jià)格 ， 麥當(dāng)勞產(chǎn)品的價(jià)格為 ， 請(qǐng)預(yù)測(cè)該公司下個(gè)月的銷售量 。 ? 所以 ， 回歸方程為： Q= ++ P歐文 + P麥當(dāng)勞 ? 該公司下一個(gè)月比薩餅的銷量為 。 以第一步的分析結(jié)果為依據(jù) ， 將對(duì)那些未知分類屬性的案例進(jìn)行判別分類 。 一般而言 ， 利用統(tǒng)計(jì)軟件的判別分析具體包括以下步驟： 判別分析法 確定研究 的問題 Page 28 ? 某公司生產(chǎn)一新產(chǎn)品 ， 該公司在新產(chǎn)品末大量上市以前 ，進(jìn)行了一次市場(chǎng)調(diào)查 。 評(píng)估的因素有：式樣 、 包裝及耐久性 。 其中有三位代理商沒有表明自己的購買意愿 。因而，式樣是最重要的判別變量，其次是“耐用性”，最后是包裝。 1 15號(hào)代理商屬于“非購買組”， 14號(hào)代理商屬于“購買組” 。它通過研究眾多變量之間的內(nèi)部依賴關(guān)系，探求觀測(cè)數(shù)據(jù)中的基本結(jié)構(gòu)，并用少數(shù)幾個(gè)假想變量來表示基本的數(shù)據(jù)結(jié)果。它們反映了原來眾多的觀測(cè)變量所代表的主要信息，并能解釋這些觀測(cè)變量之間的相互依存關(guān)系。請(qǐng) 10位消費(fèi)者對(duì)這五種肉類進(jìn)行評(píng)分。調(diào)查結(jié)果列于下表。 因子分析法 上表是 。從表中的數(shù)據(jù)來看 ， 雞 、 魚 、 牛肉在第一公共因子的因子載荷值較高 ， 而在第二公共因子的因子載荷值較低 ， 故第一公共因子反映雞 、 魚 、 牛肉的公共特性 。 而羊肉 、 豬肉在第二公共因子的因子載荷值較高 ， 在第一公共因子的因子載荷值較低 ， 這說明第二公共因子反映羊肉 、 豬肉的公共特性 ， 第二公共因子可能代表價(jià)格 。 Page 33 聚類分析 (又稱數(shù)字分類學(xué) )是新近發(fā)展起來的一種研究分類問題的多元統(tǒng)計(jì)分析方法。 ? 變量聚類則是當(dāng)反映事物特點(diǎn)的變量很多時(shí)，根據(jù)所研究的問題選擇部分變量對(duì)事物的某一方面進(jìn)行研究的聚類方法。它通過分析由定性變量構(gòu)成的交互匯總表來揭示變量間的關(guān)系。 ? 主成分分析法就是將原來眾多具有一定相關(guān)性的指標(biāo)（如 p個(gè)指標(biāo)），重新組合成一組新的相互無關(guān)的綜合指標(biāo)來代替原來的指標(biāo)。 , January 31, 2023 ? 雨中黃葉樹，燈下白頭人。 :23:0305:23Jan2331Jan23 ? 1故人江海別，幾度隔山川。 :23:0305:23:03January 31, 2023 ? 1他鄉(xiāng)生白發(fā)，舊國(guó)見青山。 。 2023年 1月 31日星期二 5時(shí) 23分 3秒 05:23:0331 January 2023 ? 1做前，能夠環(huán)視四周；做時(shí)，你只能或者最好沿著以腳為起點(diǎn)的射線向前。 , January 31, 2023 ? 很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒有。 :23:0305:23Jan2331Jan23 ? 1世間成事，不求其絕對(duì)圓滿，留一份不足，可得無限完美。 :23:0305:23:03January 31, 2023 ? 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 。 2023年 1月 31日星期二 5時(shí) 23分 3秒 05:23:0331 January 2023 ? 1空山新雨后，天氣晚來秋。 , January 31, 2023 ? 閱讀一切好書如同和過去最杰出的人談話。 :23:0305:23Jan2331Jan23 ? 1越是無能的人，越喜歡挑剔別人的錯(cuò)兒。勝人者有力，自勝者強(qiáng)。 2023年 1月 31日星期二 上午 5時(shí) 23分 3秒 05:23: ? 1最具挑戰(zhàn)性的挑戰(zhàn)莫過于提升自我。 2023年 1月 31日星期二 5時(shí) 23分 3秒 05:23:0331 January 2023 ? 1一個(gè)人即使已登上頂峰，也仍要自強(qiáng)不
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1