统计讲座(数据准备-基础分析-高级分析)公安.ppt

Euclidean distance model Dimension 1 2 1 0 -1 -2 -3 Dimension 2 1.5 1.0 .5 0.0 -.5 -1.0 -1.5 -2.0 北京申办2008年奥运会 两岸关系 中国能否加入世贸组织 国营和集体企业改组、 依法治国 教育体制改革 打假 澳门回归 行业不正之风 土地承包政策不变 乱收费 农村脱贫致富 水灾后重建 农村村务公开、民主选举 减轻农民负担 反腐败 环境保护 亚洲金融危机会否波及 人民币是否贬值 养老保险 社会治安 下岗再就业 物价涨跌 医疗改革 住房货币化改革 多维尺度分析MDS 个人利益 国家利益 农民利益 社会利益 对维尺度分析-Multidimensional Scaling 在市场研究领域主要研究消费者的态度，衡量消费者的知觉及偏好。涉及的研究对象非常广泛，例如：汽车、洗头水、饮料、快餐食品、香烟和国家、企业品牌、政党候选人等。通过MDS分析能够为市场研究提供有关消费者的知觉和偏好信息。 主要借助计算机统计分析软件，输入有关消费者对事物的知觉或偏好数据，转换为一组对象或对象特征构成的多维空间知觉或偏好图——感知图。 应用MDS，收集的数据值大小必须能够反应两个研究对象的相似性或差异性程度。这种数据叫做邻近。 所有研究对象的邻近数据可以用一个邻近矩阵表示。 反映邻近的测量方式： 相似性-数值越大对应着研究对象越相似。 差异性-数值越大对应着研究对象越不相似。 两个地点（位置）之间的实际距离。（测量差异性） 两个产品之间相似性或差异性的消费者心理测量。 两个变量的相关性测量。（相关系数测量相似性） 从一个对象过渡到另一个对象的转换概率。例如概率反应了消费者对品牌或产品偏好的变化。（测量相似性） 反映两种事物在一起的程度。例如：用早餐人们经常将两种食品搭配在一起。（测量相似性） 多维判别分析 Multiple Discrimination Analysis MDA 判别函数2 判别函数1 -1 -2 1 2 3 0 -1 -2 1 2 -3 价格水平 交货速度 产品质量 销售力度 价格弹性 总体服务 制造商形象 新用户 犹豫/转移用户 重复购买用户 判别分析是一种进行统计判别和分类的统计技术手段。它可以就一定数量的个体的一个分类变量和相应的其它多元变量的已知信息，确定分类变量与其它多元变量之间的数量关系，建立判别函数。利用这一数量关系对其他已知多元变量的信息、但未知分组的子类型的个体进行判别分组。 市场细分研究中，常涉及判别个体所属类型的问题。也常涉及不同品牌在一组产品属性之间的消费者偏好和认知概念，判别分析可以很好地对这种差异进行鉴别。并在低维度空间表现这种差异。 因变量（dependent variable)： 分组变量——定性数据（个体、产品/品牌、特征）。 自变量 (independent variable)：判别变量——定量数据（属性的评价得分）。 判别分析 确定分组变量与判别变量间的关系 建立判别函数，找到自变量的最佳区分因变量的各个类别的线性组和。 也可以确定后验概率，计算每个个体落入各个类别的概率。 确定哪些判别变量x1、x2、x3…、xk对区分类别差异的影响最大。 考察各个类别在判别变量方面是否存在显著差异。 确定判别变量是以什么形式影响因变量的， 即D是 x1 x2 x3 … xk 什么形式的函数。 根据判别变量的值对个体进行分类。 对分析的准确程度进行评价。 主要应用——判别和细分市场 用户和非用户 经常购买者和非经常购买者 新用户、流失用户和忠实用户 忠诚用户和非忠诚用户 新产品早期使用者和后期使用者 消费者心目中喜欢的品牌和不喜欢的品牌 消费者对我们的品牌和竞争品牌的不同属性偏好 偏好图 市场细分 新产品开发 A B C D E F G 价格合理性 易于服用 药效持久 有效性 对儿童有益 药性温和 感冒药品概念图/品牌图 Logistic回归模型 逻辑斯特回归 Logistic回归是一种进行统计判别和分类的统计技术手段。它可以就一定数量的个体的一个二分变量（因变量）和相应的其它多个自变量（预测变量）的已知信息，确定二分变量与其它预测变量之间的数量关系，建立Logistic非线性回归方程。利用回归方程进行预测和解释，在其他已知多元变量的信息、但未知分组的个体进行判别分组。 因变量（dependent variable)： 0-1变量 —— 二分变量（个体、产品/品牌、特征）。 自变量 (independent variable)：预测变量——定量数据或定性（属性的评价得分）。 市场细分研究中，常涉及判别个