市场调研数据的应用分析.docx

市场调研数据的应用分析纪浩然学习导航通过学习本课程，你将能够：●学会开展消费者品牌喜好分析；●做好消费者行为分析；●掌握客户细分研究的过程；●预测市场的发展态势。市场调研数据的应用分析一、消费者品牌喜好分析营销分析中一个很重要的问题就是品牌分析。品牌分析的核心问题，就是搞清楚哪些因素决定了消费者的品牌选择。品牌分析的三个问题包括：第一，是否选择该品牌；第二，多个品牌的选择问题；第三，有序品牌的选择问题，例如高端品牌、中端品牌和低端品牌。这三个问题与离散量的三种类型，即二元值、名义值和有序值恰好对应。1.二值Logistic回归图1方程中的变量操作过程如图1所示，该示例调查的是年龄、皮肤黑白程度、职业、体重、收入分级等要素对美白化妆品消费的影响。首先进入SPSS的“分析”模块，选择“回归”模型中的二元logistic回归，将是否购买放入因变量中，将年龄、皮肤黑白程度、职业等需要考虑的要素选入协变量（也即自变量）中，然后点击“确定”，输出结果。结果解读在案例处理汇总中，logistic回归是一个迭代过程，分为很多迭代步骤。在此，最重要的是商业结论。如图1所示。图1输出的结果中，R平方的数值为0.376，表明拟合程度比较一般。但是在现实中遇到这种情况时，可以稍微变通让其通过，而不会再做一遍调研。检验p值基本都大于0.05，说明模型解释情况不是太好，但是对于二元logistic回归基本都是如此。根据表中的常量，可以得出下面的回归方程：购买=3.224-0.064*年龄-0.431*皮肤黑白程度-1.506*职业-0.007*体重+2.057*收入分级与之对应的商业结论是：对化妆品购买影响程度较大的三个因素依次是收入（正相关）、职业（负相关）和皮肤黑白程度（负相关），年龄和体重的影响则不明显，其中影响最大的因素是收入。需要注意的是，当研究的因变量是一个跳跃值时，绝对不能用线性回归，而是要用logistic回归。2.名义值的Logistic回归操作过程关于购车情况的调查，直接进入值标签，可以看到作为研究对象的购车类型是跳跃值，分为家用车、工作用车和跑车三种，要分析的是性别、婚姻状况、国别、车的尺寸和年龄对于三种购车类型的影响大小，其中年龄以30岁为“割点”进行了离散化分组，小于30为“1”，大于30为“2”。这时开始进行“回归”操作，由于三种购车类型之间无明显排序，属于“名义值”，所以采用与之对应的多项logistic回归，选入购车类型，然后将性别、婚姻状况、国别、尺寸和年龄分段选进去，其他的采用默认值，点击“确定”，输出结果。结果解读输出结果显示，伪R方数值为0.259，该结果仍然具有一定的意义。如图2所示。图2模型拟合信息和伪R方图3似然比检验由于将家庭用车、工作用车和跑车分别对应“1”“2”“3”，经过模型换算，事实上是用家庭用车、工作用车分别和跑车对比，所以在模型输出时会有两个回归方程，分别对应家庭用车和工作用车。（同理：如果将工作用车当作比较对象，最后就会输出家庭用车和跑车的方程。）图4、图5分别为家用车和工作用车的输出结果。注：表格中“B”栏表示系数。图4参数估计——家用图4对应的回归方程：购买=1.054-0.38*性别1（男）-1.308*婚姻状况1（未婚）+0.206*国别1（美国）-0.992*国别2（欧洲）+3.676*尺寸1（大）+0.885尺寸2（中）-0.913*年龄超过30*1（年青）。图5参数估计——工作用车图5对应的回归方程：购买=0.163-0.22*性别1（男）-0.96*婚姻状况1（未婚）-0.193*国别1（美国）-1.343*国别2（欧洲）+3.582*尺寸1（大）-0.304*尺寸2（中）-0.498*年龄超过30*1（年青）。通过家庭用车和工作用车的对比，得出如下商业结论：家用车多数由已婚者购买，多偏向于美系车，偏向于中大尺寸车辆，30岁以上购买较多；工作车同样购买者为已婚，偏向大尺寸车，不喜欢中尺寸车，同样30岁以上购买较多；工作用车对欧洲系车的拒绝程度要高于家用车，家用车对年轻人的拒绝程度要高于工作用车。3.有序Logistic回归操作过程如图6所示，本例分析的是客户的年龄、收入、教育程度、性别等因素对于客户满意度的影响大小。由于满意度有明显的高低顺序，所以选择有序logistic回归，将满意度放入因变量，将收入、文化程度、性别、年龄放入协变量，然后“确定”，输出模型结果。图6参数估计量——满意度结果解读在结果中，R平方为0.157，效果一般，然后会得到客户满意度是1的情况，或客户满意度为2的情况两个回归方程，之后列出函数并进行对比，其操作过程与“名义logistic回归”相同。二、消费者行为分析1.最优尺度回归分析在做回归分析时，会经常遇到分类变量，例如对于收入，通常划分为1、2、3，