《市场调查的数据分析方法课件.pptx》由会员分享，可在线阅读，更多相关《市场调查的数据分析方法课件.pptx（68页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第五章第五章 市场调查的数据分析市场调查的数据分析l市场调查数据分析的基本方法l假设检验法l方差分析法l聚类分析法l判别分析法5.1 市场调查数据分析的基本方法市场调查数据分析的基本方法l频数、频率分析l数据集中趋势分析 算术平均数 中位数 众数l数据分散趋势分析 全距（极差）四分位差 标准差5.1.1 频数、频率分析（频数、频率分析（1）l例1：假设有样本数据ABCDEFGHIJ112214653322611223254334413314335413456424635352112114662634551322763662365118415336463495132522262103252341
2、445 5.1.1 频数、频率分析（频数、频率分析（2）5.1.1 频数、频率分析（频数、频率分析（3）5.1.2 算术平均数算术平均数l未分组数据的平均数计算l分组数据的平均数计算l上例的计算结果5.1.3 中位数的计算（中位数的计算（1）l未分组数据的中位数计算 对所有数据进行排序，当数据量为奇数时，取中间数为中位数，当数据量为偶数时，取最中间两位数的平均数为中位数。上例中数据量为100，是偶数，所以应取排序后第50位数和第51位数的平均值作为中位数。第50位数是3，第51位数也是3，所以中位数为3。5.1.3 中位数的计算（中位数的计算（2）l分组数据的中位数计算 下式中L为中位数所在组
3、的下限值，fm为中位数所在组的组频数，Sm-1为至中位数组时累计总频数，h为组距。5.1.3 中位数的计算（中位数的计算（3）l例2：假设有分组数据如下（销售额单位为万元）年销售额组中值商店数目累计频数80-90853390-10095710100-1101051323110-120115528120-130125230合计305.1.3 中位数的计算（中位数的计算（4）l依据公式例2的中位数为5.1.4 众数的计算众数的计算l未分组数据的众数为出现次数最多的数。l分组数据的众数依据下式计算获得。表达式中1表示众数所在组与前一组的频数差，2表示众数所在组与后一组的频数差。依据公式，例2分组数据
4、的众数为104.29万元。5.1.5 全距（极差）的计算全距（极差）的计算l全距指的是样本数据中最大值与最小值之间的距离，因而也叫极差。例1中最小值为1，最大值为6，因而全距为6-1=5。5.1.6 四分位差的计算四分位差的计算l四分位差是一种按照位置来测定数据离散趋势的计量方法，它只取决于位于样本排序后中间50%位置内数据的差异程度。即第一个四分位与第三个四分位数据之间的差异。例2的四分位差计算过程如下5.1.7 标准差的计算（标准差的计算（1）l未分组数据的标准差计算5.1.7 标准差的计算（标准差的计算（2）l分组数据的标准差的计算5.2 市场调查数据的假设检验市场调查数据的假设检验l参
5、数假设检验 U检验 t检验l非参数检验5.2.1 U检验检验l当样本容量大于30时，可以采用U检验。均值检验 百分比检验 双样本平均数差异的检验 双样本百分比差异的检验均均 值值 检检 验（验（U）l假设有选取统计量设定显著性水平 查表得到根据U的计算结果，比较U的绝对值与 的大小。若有 则接受H0，否则拒绝H0。百百 分分 比比 检检 验（验（U）l假设有选取统计量设定显著性水平 查表得到根据U的计算结果，比较U的绝对值与 的大小。若有 则接受H0，否则拒绝H0。双样本平均数差异的检验（双样本平均数差异的检验（U）l假设有选取统计量设定显著性水平 查表得到根据U的计算结果，比较U的绝对值与
6、的大小。若有 则接受H0，否则拒绝H0。双样本百分比差异的检验（双样本百分比差异的检验（U）l假设有选取统计量设定显著性水平 查表得到根据U的计算结果，比较U的绝对值与 的大小。若有 则接受H0，否则拒绝H0。5.2.2 t检验检验l当样本容量小于30时，不可以使用U检验，而需要使用t检验。均值检验 均值差异的检验 百分比差异的检验均均 值值 检检 验（验（t）l假设有选取统计量设定显著性水平 查表得到根据t的计算结果，比较t的绝对值与 的大小。若有 则接受H0，否则拒绝H0。均值差异的检验（均值差异的检验（t）l假设有选取统计量设定显著性水平 查表得到根据t的计算结果，比较t的绝对值与 的大
7、小。若有 则接受H0，否则拒绝H0。百分比差异的检验（百分比差异的检验（t）l假设有选取统计量设定显著性水平 查表得到根据t的计算结果，比较t的绝对值与 的大小。若有 则接受H0，否则拒绝H0。5.2.3 非参数检验（非参数检验（X2）l在市场调查中常获得一些量表数据，对量表数据求取平均数与方差都是毫无意义的。对量表数据的处理更适宜于采用非参数检验方法。非参数检验中常用的方法是X2检验。X2检验的统计量是 上述统计量中，表示第 类别在样本中实际出现的次数，表示期望出现的次数，为类别数。5.3 市场调查的方差分析市场调查的方差分析l单因素方差分析l双因素方差分析5.3.1 单因素方差分析（单因素
8、方差分析（1）l单因素方差分析研究一个因素在不同水平下对研究对象影响的显著性。单因素方差分析的数据表如下：试验数试验水平A1A2An12M平均值5.3.1 单因素方差分析（单因素方差分析（2）l单因素方差分析的一般形式方差来源平方和自由度方差F组间方差组内方差方差总和5.3.1 单因素方差分析（单因素方差分析（3）l单因素方差分析的数学计算表达式5.3.1 单因素方差分析（单因素方差分析（4）l例试验点月销售量（吨）包装1包装2包装3115151921010123912164511165161217合计5560805.3.1 单因素方差分析（单因素方差分析（5）5.3.1 单因素方差分析（单因
9、素方差分析（6）l查表求得 的值。比较 与 的大小。若有 ，则认为因素无显著性影响。反之则认为影响较显著。本例中n=3,m=5。5.3.2 双因素方差分析（双因素方差分析（1）l双因素方差分析分析两个同时存在的因素在不同水平状态下独立作用对分析对象的影响的显著性。双因素分析的常用数据表因 素 A行总计观察值A1A2As因素BB1B2Br列总计5.3.2 双因素方差分析（双因素方差分析（2）l双因素方差分析表方差来源平方和自由度方差F因素A因素B误差总计5.3.2 双因素方差分析（双因素方差分析（3）l双因素方差分析的数学表达式5.3.2 双因素方差分析（双因素方差分析（4）l例销 地销 量行总
10、计包装A1包装A2包装A3B120192160B216151445B39101130B487621列总计535152156（总）5.3.2 双因素方差分析（双因素方差分析（5）5.3.2 双因素方差分析（双因素方差分析（6）5.3.2 双因素方差分析（双因素方差分析（7）l查表求得 的值。比较 与 、的大小。若有 ，则认为因素A无显著性影响；反之则认为影响较显著。若有 ，则认为因素B无显著性影响；反之则认为影响较显著。5.4 因子聚类分析因子聚类分析l距离聚类法 最短距离法 最长距离法l相关系数聚类法5.4.1 最短距离聚类法（最短距离聚类法（1）l计算样本间距离，并列出初始距离矩阵。l选取初
11、始距离矩阵中的最小值，并对该值对应的样本进行类合并。l根据最小值原则计算新合并样本与其他样本之间的距离，列出新的距离矩阵。l重复上述步骤，直至所有样本被全部合并为一类。5.4.1 最短距离聚类法（最短距离聚类法（2）l例假设有样本数据如下，请对样本进行分类。样本序号样本式样样本包装样本性能144423663633424551225.4.1 最短距离聚类法（最短距离聚类法（3）l初始距离矩阵 5.4.1 最短距离聚类法（最短距离聚类法（4）5.4.2 最长距离聚类法（最长距离聚类法（1）l计算样本间距离，并列出初始距离矩阵。l选取初始距离矩阵中的最小值，并对该值对应的样本进行类合并。l根据最大值
12、原则计算新合并样本与其他样本之间的距离，列出新的距离矩阵。l重复上述步骤，直至所有样本被全部合并为一类。5.4.2 最长距离聚类法（最长距离聚类法（2）l同上例l初始距离矩阵5.4.2 最长距离聚类法（最长距离聚类法（3）5.4.3 相关系数聚类法（相关系数聚类法（1）l被聚类的对象 、的相关系数可以由下式计算获得5.4.3 相关系数聚类法（相关系数聚类法（2）样本相关系数表X1X2X3X4X5X6X7X1-0.530.470.380.680.530.64X20.53-0.600.480.650.700.42X30.470.60-0.670.570.440.52X40.380.480.67-0
13、.360.780.50X50.680.650.570.36-0.590.62X60.520.700.440.780.59-0.52X70.640.420.520.500.620.52-5.4.3 相关系数聚类法（相关系数聚类法（3）找出每列中最大的相关系数X1X2X3X4X5X6X7X1-0.530.470.380.680.530.64X20.53-0.600.480.650.700.42X30.470.60-0.670.570.440.52X40.380.480.67-0.360.780.50X50.680.650.570.36-0.590.62X60.520.700.440.780.59-
14、0.52X70.640.420.520.500.620.52-5.4.3 相关系数聚类法（相关系数聚类法（4）l找出各列最大相关系数中的最大值X1X2X3X4X5X6X7X1-0.680.64X2-X3-X40.67-0.78X50.68-X60.700.78-X7-5.4.3 相关系数聚类法（相关系数聚类法（5）l合并X2、X3、X4、X6。l重复上述步骤，合并X1、X5、X7。X1X5X7X1-0.680.64X50.68-0.62X70.640.62-5.5 因子判别分析因子判别分析l判别分析法的目的是判别给定样本是否属于假定的类型。判别分析法的核心是建立判别函数。常用的判别函数为多元线
15、性判别函数。其形式如下5.5.1 判别函数的建立（判别函数的建立（1）l例 假设有下列原始数据，请建立判别函数，判别假定的分组是否正确。产品各指标表相应评价值产品款式X1产品包装X2产品性能X3预定销售组A1987210743763464558666855预定销售组B753682439145104525.5.1 判别函数的建立（判别函数的建立（2）l第一步：计算A、B两组相应指标数据平均值5.5.1 判别函数的建立（判别函数的建立（3）l第二步：计算组间平均值的差。l即有5.5.1 判别函数的建立（判别函数的建立（4）l第三步：计算A、B两组资料的离差矩阵。5.5.1 判别函数的建立（判别函数
16、的建立（5）l第四步：计算离差矩阵CA、CB的共变异矩阵。5.5.1 判别函数的建立（判别函数的建立（6）l第五步：计算A、B两组资料的联合共变异矩阵。5.5.1 判别函数的建立（判别函数的建立（7）l第六步：求联合共变异矩阵U的逆矩阵U-1。5.5.1 判别函数的建立（判别函数的建立（8）l第七步：求判别方程的系数b。5.5.1 判别函数的建立（判别函数的建立（9）l第八步：根据上述系数矩阵建立判别函数。l根据判别表达式可知：产品款式对分组判别的影响最为显著，产品包装其次，而产品的性能对判别的影响不显著。5.5.1 判别函数的建立（判别函数的建立（10）l第九步：求判别函数Yc临界值。5.5
17、.1 判别函数的建立（判别函数的建立（11）l第十步：判别分组的正确性。预分组别判别值实际组别预估准确性A2.4800A正确A2.6416A正确A1.8846A正确A1.6199A正确A2.1690A正确A2.1239A正确B1.3687B正确B0.6393B正确B0.4334B正确B1.1276B正确5.5.1 判别函数的建立（判别函数的建立（12）l第十一步：判别检验。故接受原假设。谢 谢2月-2311:37:3911:3711:372月-232月-2311:3711:3711:37:392月-232月-2311:37:392023/2/14 11:37:399、静夜四无邻，荒居旧业贫。2
18、月-232月-23Tuesday,February 14,202310、雨中黄叶树，灯下白头人。11:37:4011:37:4011:372/14/2023 11:37:40 AM11、以我独沈久，愧君相见频。2月-2311:37:4011:37Feb-2314-Feb-2312、故人江海别，几度隔山川。11:37:4011:37:4011:37Tuesday,February 14,202313、乍见翻疑梦，相悲各问年。2月-232月-2311:37:4011:37:40February 14,202314、他乡生白发，旧国见青山。14 二月 202311:37:40 上午11:37:402
19、月-2315、比不了得就不比，得不到的就不要。二月 2311:37 上午2月-2311:37February 14,202316、行动出成果，工作出财富。2023/2/14 11:37:4011:37:4014 February 202317、做前，能够环视四周；做时，你只能或者最好沿着以脚为起点的射线向前。11:37:40 上午11:37 上午11:37:402月-239、没有失败，只有暂时停止成功！。2月-232月-23Tuesday,February 14,202310、很多事情努力了未必有结果，但是不努力却什么改变也没有。11:37:4011:37:4011:372/14/2023 1
20、1:37:40 AM11、成功就是日复一日那一点点小小努力的积累。2月-2311:37:4011:37Feb-2314-Feb-2312、世间成事，不求其绝对圆满，留一份不足，可得无限完美。11:37:4011:37:4011:37Tuesday,February 14,202313、不知香积寺，数里入云峰。2月-232月-2311:37:4011:37:40February 14,202314、意志坚强的人能把世界放在手中像泥块一样任意揉捏。14 二月 202311:37:40 上午11:37:402月-2315、楚塞三湘接，荆门九派通。二月 2311:37 上午2月-2311:37Febr
21、uary 14,202316、少年十五二十时，步行夺得胡马骑。2023/2/14 11:37:4011:37:4014 February 202317、空山新雨后，天气晚来秋。11:37:40 上午11:37 上午11:37:402月-239、杨柳散和风，青山澹吾虑。2月-232月-23Tuesday,February 14,202310、阅读一切好书如同和过去最杰出的人谈话。11:37:4011:37:4011:372/14/2023 11:37:40 AM11、越是没有本领的就越加自命不凡。2月-2311:37:4011:37Feb-2314-Feb-2312、越是无能的人，越喜欢挑剔别人
22、的错儿。11:37:4011:37:4011:37Tuesday,February 14,202313、知人者智，自知者明。胜人者有力，自胜者强。2月-232月-2311:37:4011:37:40February 14,202314、意志坚强的人能把世界放在手中像泥块一样任意揉捏。14 二月 202311:37:40 上午11:37:402月-2315、最具挑战性的挑战莫过于提升自我。二月 2311:37 上午2月-2311:37February 14,202316、业余生活要有意义，不要越轨。2023/2/14 11:37:4011:37:4014 February 202317、一个人即使已登上顶峰，也仍要自强不息。11:37:41 上午11:37 上午11:37:412月-23MOMODA POWERPOINTLorem ipsum dolor sit amet,consectetur adipiscing elit.Fusce id urna blandit,eleifend nulla ac,fringilla purus.Nulla iaculis tempor felis ut cursus.感感 谢谢 您您 的的 下下 载载 观观 看看专家告诉