市场研究—统计、模型、软件

《市场研究—统计、模型、软件》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、SAS6.12SAS7.0SAS8.0SAS8.1SAS8.2SAS9.0AnswerTreeAMOS/LISRELUCINETACA-CBCDecisionTimeClementineEnterpriseMinerWhatIfSPSSMRPencil-Paper市场调查管理咨询描述性统计多变量分析技术市场研究模型技术数据挖掘技术数据可视化技术调查手段1990年———————1995年—————————————————1998年————————————2002年调研机构专用分析软件与模块Spss3.0S

2、pss4.0Spss6.0Spss7.0Spss7.5Spss8.0Spss9.0Spss10Spss11CATIWEBSurveyDATAWareHouseCAPI市场营销市场研究—统计、模型、软件数量型——非数量型统计分析是正确理解数据的工具首先：要避免犯统计错误明确：统计没有错误，犯错的是人.1.理论和方法的错误2.理解和解释的错误变量：测量尺度名称级----定类变量顺序级----定序变量间隔级----定距变量比例级----定比变量低高转换定性定量非数量型数量型离散型随机变量连续型随机变量统计分析

3、方法的应用有时候按变量的测量等级来划分。μ=0σ=1均值标准差α=0.025α=0.0251-α=0.9595%99%95%68%-1-2-3+1+2+3μσ均值标准差α=0.025α=0.0251-α=0.9595%99%95%68%μ-σμ-2σμ-3σμ+σμ+2σμ+3σ多变量统计分析法——高级数据处理分析技术多元回归分析——MultipleRegressionAnalysis主成份分析——PrincipalComponentAnalysisPCA因子分析——FactorAnalysisFA(E

4、FA&CFA)多元方差分析——ANOVA多维判别分析——MultipleDiscriminationAnalysis多维尺度分析——MultidimensionalScalingMDSMDA多元逻辑斯特回归——MultipleLogisticRegression对应分析——CorrespondenceAnalysisCA多元对应分析——MultipleCorrespondenceAnalysisMCA多维偏好分析——MultidimensionalPreferenceAnalysisMDPREF非线性主

5、成份分析——（OptimalScaling)分类树——AnswerTree—CHAID&CART聚类分析——ClusterAnalysis结合分析——ConjointAnalysis离散选择模型——DiscreteChoiceModel结构方程式模型——StructuralEquationModel预测与决策模型——DecisionTime&Whatif网络分析——NetworkAnalysis多元回归分析MultipleRegressionAnalysis通话质量特服台服务技术支持/咨询装机/修机/移

6、机业务营业厅服务服务宣传项目话费价格话费/查询/准确/缴费投诉/纠纷急需改进区优势保持区次要改进区锦上添花区某省电信各项总体满意度指标的重要性和满意度象限图满意度水平（表现）重要性水平Y=a+bX因变量自变量(预测变量）截距斜率数学上下列方程在图形上是一条直线XY●X和Y线性回归dYi●●●●●●●●●回归分析的问题决定系数R2方差分析表回归诊断——残差图共线性问题变量转换异常值处理预测范围因变量是0-1定类变量：logisticregressionComponentPlotComponent1.7.6

7、.5.4.3Component2.6.4.2-.0-.2-.4-.6接待投诉耐心处理投诉迅速维修专业程度维修服务态度维修及时程度广告吸引力广告投放量入网费打折促销对服务承诺的兑现情况维修服务收费通话费计费透明度通话费计费准确性通话费入网费营业员专业水平营业员服务态度营业厅规模营业厅环境销售网点分布开户手续网络覆盖服务和网络功能公司对各种承诺的兑现公司手机网络的用户量公司的技术力量对该公司将来的信心公司信誉公司实力公司总体形象重要性水平表现主成份分析PrincipalComponentAnalysisPC

8、A急需改进区优势保持区次要改进区锦上添花区某移动通讯服务供应省满意度指标的重要性和满意度象限图主成份分析PrincipalComponentAnalysisPCA0-1-21230-1-212-3第一主成份第二主成份沃尔沃奔驰BMW切诺基桑塔纳捷达富康红旗奥迪别克现代本田丰田赛欧主成份分析的基本概念x1x2Y1Y2x1x2X1与x2相关Y1与Y2不相关主成份分析的基本原理P个变量能够组成p个主成份。每个主成份是p个原始变量的线性组合。第一主