第7章市场调查的数据分析.ppt

因子聚类分析 距离聚类法 最短距离法 最长距离法 相关系数聚类法 最短距离聚类法（1） 计算样本间距离，并列出初始距离矩阵。 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。 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。 重复上述步骤，直至所有样本被全部合并为一类。 最短距离聚类法（2） 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 1 4 4 4 2 3 6 6 3 6 3 3 4 2 4 5 5 1 2 2 最短距离聚类法（3） 初始距离矩阵 最短距离聚类法（4） 最长距离聚类法（1） 计算样本间距离，并列出初始距离矩阵。 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。 根据最大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。 重复上述步骤，直至所有样本被全部合并为一类。 最长距离聚类法（2） 同上例 初始距离矩阵 最长距离聚类法（3） 相关系数聚类法（1） 被聚类的对象 、 的相关系数可以由下式计算获得 相关系数聚类法（2） 样本相关系数表 X1 X2 X3 X4 X5 X6 X7 X1 -- 0.53 0.47 0.38 0.68 0.53 0.64 X2 0.53 -- 0.60 0.48 0.65 0.70 0.42 X3 0.47 0.60 -- 0.67 0.57 0.44 0.52 X4 0.38 0.48 0.67 -- 0.36 0.78 0.50 X5 0.68 0.65 0.57 0.36 -- 0.59 0.62 X6 0.52 0.70 0.44 0.78 0.59 -- 0.52 X7 0.64 0.42 0.52 0.50 0.62 0.52 -- 相关系数聚类法（3） 找出每列中最大的相关系数 X1 X2 X3 X4 X5 X6 X7 X1 -- 0.53 0.47 0.38 0.68 0.53 0.64 X2 0.53 -- 0.60 0.48 0.65 0.70 0.42 X3 0.47 0.60 -- 0.67 0.57 0.44 0.52 X4 0.38 0.48 0.67 -- 0.36 0.78 0.50 X5 0.68 0.65 0.57 0.36 -- 0.59 0.62 X6 0.52 0.70 0.44 0.78 0.59 -- 0.52 X7 0.64 0.42 0.52 0.50 0.62 0.52 -- 相关系数聚类法（4） 找出各列最大相关系数中的最大值 X1 X2 X3 X4 X5 X6 X7 X1 -- 0.68 0.64 X2 -- X3 -- X4 0.67 -- 0.78 X5 0.68 -- X6 0.70 0.78 -- X7 -- 相关系数聚类法（5） 合并X2、 X3、 X4、 X6。 重复上述步骤，合并X1、 X5、 X7。 X1 X5 X7 X1 -- 0.68 0.64 X5 0.68 -- 0.62 X7 0.64 0.62 -- 因子判别分析 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性判别函数。其形式如下 判别函数的建立（1） 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A 1 9 8 7 2 10 7 4 3 7 6 3 4 6 4 5 5 8 6 6 6 8 5 5 预定销售组B 7 5 3 6 8 2 4 3 9 1 4 5 10 4 5 2 判别函数的建立（2） 第一步：计算A、B两组相应指标数据平均值 判别函数的建立（3） 第二步：计算组间平均值的差。 即有 判别函数的建立（4） 第三步：计算A、B两组资料的离差矩阵。 判别函数的建立（5） 第四步：计算离差矩阵CA、 CB的共变异矩阵。 判别函数的建立（6） 第五步：计算A、B两组资料的联合共变异矩阵。 判别函数的建立（7） 第六步：求联合共变异矩阵U的逆矩阵U-1。 判别函数的建立（8） 第七步：求判别方程的系数b。 判别函数的建立（9） 第八步：根据上述系数矩阵建立判别函数。 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。 判别函数的建立（10） 第九步：求判别函数Yc临界值。 判别函数的建立（11） 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