相關(guān)性分析

    在許多市場(chǎng)調(diào)查中，調(diào)查者需要解決的問(wèn)題遠(yuǎn)遠(yuǎn)超出一般性統(tǒng)計(jì)檢驗(yàn)的需要，可能會(huì)對(duì)兩個(gè)或者兩個(gè)以上變量的關(guān)聯(lián)度感興趣，分析兩個(gè)變量的關(guān)聯(lián)度的技術(shù)方法，稱為相關(guān)分析。

    相關(guān)性分析一種非常有用的市場(chǎng)研究工具，可以在 2 維空間內(nèi)同時(shí)表達(dá)多維的屬性，也可以更好的理解品牌和屬性之間的關(guān)系，還可以表述一個(gè)不同市場(chǎng)因素的關(guān)聯(lián)度。

    相關(guān)分析可以幫助客戶 / 市場(chǎng)決策者：

    －為實(shí)施市場(chǎng)戰(zhàn)略而去發(fā)現(xiàn)市場(chǎng)的空隙和優(yōu)化產(chǎn)品的定位 ( 對(duì)于新品牌或新產(chǎn)品的開發(fā) / 延伸 )
    －發(fā)現(xiàn)市場(chǎng)上決定性的或顯著的屬性，例如對(duì)于選擇不同品牌的重要和有顯著區(qū)別的屬性。

    回歸分析

    在對(duì)市場(chǎng)數(shù)據(jù)的分析中往往會(huì)看到變量與變量之間存在一定的相關(guān)關(guān)系，例如：某產(chǎn)品的價(jià)格和社會(huì)需求之間，服務(wù)滿意度與服務(wù)之間都有密切的關(guān)系，銷售額與產(chǎn)品價(jià)格水平之間的關(guān)系等，研究變量之間相互關(guān)系密切程度的分析為相關(guān)分析。如果在研究變量的相關(guān)分析時(shí)，把其中的一些因素作為所控制的變量，而另一些隨機(jī)變量作為它們的因變量，確定這種關(guān)系的數(shù)理方法就稱為回歸分析。它常應(yīng)用于滿意度研究、消費(fèi)者研究、市場(chǎng)預(yù)測(cè)以及一些專業(yè)技術(shù)研究等方面。

    在實(shí)際運(yùn)用中，回歸分析根據(jù)變量的數(shù)目劃分為二元變量回歸和多元變量回歸，回歸的形式包括線性回歸和非線性回歸等。

    通常，線性回歸是常用的一種方法，二元線性回歸的方程表示為：

    Y = C + bX + e

    其中： Y = 產(chǎn)出 (dependent variable /response variable) ； X = 輸入變量 (independent variable /     regressor) ； c = 常量 ( 當(dāng) x=0 時(shí) ) ； b = 斜率； e = 誤差 / 殘差 (error / residual)

    多元線性回歸方程像線性回歸一樣，只不過(guò)有更多的獨(dú)立變量，其線性方程表示為：

    Y = c + b 1 x 1 + b 2 x 2 + b 3 x 3 + ... + e

    多元回歸被廣泛運(yùn)用在市場(chǎng)研究中，舉例如下： (1) 咖啡市場(chǎng)中關(guān)鍵因素的確定； (2) 計(jì)算機(jī)客戶滿意度研究關(guān)鍵因素確定； (3) 社會(huì)調(diào)查中的使用。

    案例 2 ：計(jì)算機(jī)公司的客戶滿意關(guān)系

    案例 3 ：在市場(chǎng) / 社會(huì)研究中，它通常表現(xiàn)出是 “ 先有雞還是先有蛋的關(guān)系 ” ，你喜歡某件產(chǎn)品是因?yàn)樗軙r(shí)髦還是你認(rèn)為因?yàn)槟阆矚g它才覺(jué)得它她時(shí)髦 ? 你喜歡一個(gè)公司是因?yàn)樗泻玫姆?wù)？或者你認(rèn)為這個(gè)公司的服務(wù)很好只因?yàn)槟阆矚g這家公司 ( 或者公司其他方面的因素 ) 。

    因子分析

    因子分析的基本目的就是用少數(shù)幾個(gè)因子去描述許多指標(biāo)或因素之間的聯(lián)系，即將相關(guān)比較密切的幾個(gè)變量歸在同一類中，每一類變量就成為一個(gè)因子 ( 之所以稱其為因子，是因?yàn)樗遣豢捎^測(cè)的，即不是具體的變量 ) ，以較少的幾個(gè)因子反映原資料的大部分信息。常與其它技術(shù)聯(lián)合使用，應(yīng)用于滿意度研究，市場(chǎng)細(xì)分研究中。

    在市場(chǎng)研究中，研究人員感興趣的是一些研究指標(biāo)的集成或者組合，這些概念通常是通過(guò)等級(jí)評(píng)分問(wèn)題來(lái)測(cè)量的，每一個(gè)指標(biāo)的集合 ( 或是一組相關(guān)聯(lián)的指標(biāo) ) 就是一個(gè)因子，指標(biāo)概念等級(jí)得分就是因子得分。

    在一個(gè)只有兩個(gè)因子的因子得分分析中，因子得分的計(jì)算如下：

    F1=0.40A1+0.30A2+0.02A3+0.05A4

    F2=0.01A1+0.04A2+0.45A3+0.37A4

    其中： F 為因子得分； A 為等級(jí)評(píng)分；等級(jí)評(píng)分的系數(shù)即為該變量的權(quán)數(shù)。

在實(shí)際應(yīng)用中，通過(guò)因子得分可以得出不同因子的重要性指標(biāo)，而管理者則根據(jù)這些指標(biāo)的重要性決策需要首先解決的市場(chǎng)問(wèn)題或者產(chǎn)品問(wèn)題。

判別分析

判別分析 (Discriminant Analysis) 能夠依據(jù)樣本的某些特性，以判別樣本所屬類型。與聚類分析不同的是，判別分析是在已知研究對(duì)象可用某種方法分成若干類的前提下，建立判別函數(shù)，用以判定未知對(duì)象屬于已知分類中的哪一類。在市場(chǎng)研究中，判別分析主要用于對(duì)一個(gè)企業(yè)進(jìn)行市場(chǎng)細(xì)分，以選擇目標(biāo)市場(chǎng)，有針對(duì)性地進(jìn)行廣告、促銷等活動(dòng)。

判別分析的普通公式為：

Z = b 1 x 1 + b 2 x 2 + b 3 x 3 + ... + b n x n

其中， Z 為判別分； b 為判別權(quán)數(shù)； x 為自變量。

聚類分析

聚類分析是指把具有某種相似特征的物體或者事物歸為一類的方法與技巧。聚類分析的目的在于辨別在某些特性上相似的事物，并按這些特性將樣本劃分成若干類 ( 群 ) ，使在同一類內(nèi)的事物具有高度的同質(zhì)性，而不同類的事物則有高度的異質(zhì)性。在市場(chǎng)研究中，聚類分析主要用于：

☆ 對(duì)消費(fèi)者群進(jìn)行市場(chǎng)細(xì)分；
☆ 把研究對(duì)象 ( 人，城市，品牌等 ) 分割成為更加同質(zhì)的細(xì)分群體；
☆ 為市場(chǎng)測(cè)試確定相匹配的城市；
☆ 在市場(chǎng)結(jié)構(gòu)分析中去識(shí)別競(jìng)爭(zhēng)者
☆ 對(duì)產(chǎn)品進(jìn)行分類
☆ 選擇試驗(yàn)市場(chǎng)
☆ 確定分層抽樣的層次
☆ 分析消費(fèi)者的性格特征和行為形態(tài)等方面

    多維偏好分析

    多維偏好分析常用于分析消費(fèi)者對(duì)產(chǎn)品與服務(wù)的偏好傾向，在市場(chǎng)研究中能具體解決如下問(wèn)題：

    ☆ 圈定目標(biāo)消費(fèi)群體
    ☆ 市場(chǎng)上哪些品牌的競(jìng)爭(zhēng)激烈
    ☆ 探索市場(chǎng)的空白區(qū)域
    ☆ 消費(fèi)群體的分類
    ☆ 品牌評(píng)價(jià)

    多維尺度分析是探索多個(gè)研究事物間的相似 ( 不相似 ) 程度，通過(guò)適當(dāng)?shù)慕稻S方法，將這種相似 ( 不相似 ) 程度在低維度空間中點(diǎn)與點(diǎn)之間的距離表示出來(lái)，并有可能幫助識(shí)別那些影響事物間相似性的潛在因素，在市場(chǎng)研究中能具體解決如下問(wèn)題：

    ☆ 市場(chǎng)上，相似品牌有哪些？
    ☆ 消費(fèi)者評(píng)價(jià)品牌相似性的依據(jù)是什么？

    差分統(tǒng)計(jì)檢驗(yàn)

    統(tǒng)計(jì)推斷最根本的目的是從抽樣調(diào)查的結(jié)果中歸納出總體特征，統(tǒng)計(jì)判斷最基本的原則是，在數(shù)學(xué)上不同的數(shù)字在統(tǒng)計(jì)學(xué)上可能并沒(méi)有顯著不同。例如，在啤酒口味測(cè)試中， 52 ％的人偏好 A ， 48 ％的人偏好 B ，這里實(shí)際上的差別很小，并在我們所設(shè)計(jì)的誤差之內(nèi)，這種統(tǒng)計(jì)差別是不顯著的。

    在數(shù)學(xué)概念上，只要數(shù)字不同就有差分。然而，這并不能說(shuō)明在統(tǒng)計(jì)上的意義是顯著的。如果一個(gè)差分大到不可能由于抽樣誤差或者偶然因素引起的，那么這個(gè)差分在統(tǒng)計(jì)學(xué)上是顯著的，稱為統(tǒng)計(jì)顯著性。那么，什么程度的差分才有統(tǒng)計(jì)顯著性呢？差分的統(tǒng)計(jì)檢驗(yàn)分析即可回答這個(gè)問(wèn)題。

    假設(shè)檢驗(yàn)是我們通常使用的技術(shù)方法。例如，我們事先給某一個(gè)產(chǎn)品目標(biāo)購(gòu)買人群的定位是 25 歲，而調(diào)查表明是 28 歲。那么，事先的預(yù)測(cè)準(zhǔn)確嗎？通過(guò)假設(shè)檢驗(yàn)技術(shù)就可以得到答案。

在假設(shè)檢驗(yàn)中，柯爾莫洛夫－斯米爾諾夫 K-S 模型常常被采用。一個(gè) 著名的案例是：康柏電腦在 FG 座談會(huì)上得知，家庭電腦用戶不喜歡辦公環(huán)境中傳統(tǒng)的顏色，在調(diào)查者出示了許多顏色以后，被調(diào)查者表示喜歡棕色。接下來(lái)，進(jìn)一步對(duì) 6 個(gè)月內(nèi)會(huì)購(gòu)買電腦的 500 潛在用戶進(jìn)行了問(wèn)卷調(diào)查，結(jié)果表明喜歡深棕色的 55 人，暗棕色的 45 人，中等棕色的 80 人，淺棕色的 170 人，特淺棕色的是 150 人。通常來(lái)講，我們可以得到這樣一個(gè)結(jié)論了：用戶偏好淺棕色！但是，在進(jìn)行 K-S 檢驗(yàn)以后發(fā)現(xiàn)，統(tǒng)計(jì)量指 D 為 0.24 ，明顯大于臨界值 0.06 ，所用原來(lái)棕色偏好的假設(shè)不成立。