市场研究理论与技术.ppt

研究报告研究报告分类综合性报告VS专题性报告描述性报告VS分析性报告跟踪性报告VS个案性报告紧扣研究目的；全面落实研究内容；忠实于数据；诚实，无虚假、编造；结构完整、格式正确；风格朴实。评判研究报告的一般标准封面；目录；背景介绍；技术报告；主要结论；建议；重要调查结果；附录。研究报告的一般格式研究结束才考虑怎么应用;过分怀疑以至否定；过分信任以至照搬；将调研报告当作咨询报告；过期不作废；无休止、无目的地进行“数据挖掘”。应用研究报告时常见的误区恭喜发财！附件市场研究的数据分析方法

第一节线性回归分析

一、线性回归方程的基本模型线性回归方程从样本资料出发，一般利用最小二乘法，根据回归直线与样本数据点在垂直方向上的偏离程度最低的原则，进行回归方程的参数的求解。线性回归分析是考察变量之间的数量关系变化规律，它通过一定的数学表达式——回归方程，来描述这种关系，以确定一个或几个变量的变化对另一个变量的影响程度，为预测提供数学依据。1.一元线性回归模型模型是：式中：为被解释变量（因变量）；为解释变量（自变量），是随机误差项，i为观测值下标，n为样本容量，与是待估参数，称为回归常数，为回归系数。2.多元回归模型多元线性回归模型中自变量的个数在2个以上，模型的一般形式为：i=1,2，…，n其中，为被解释变量（因变量），为解释变量（自变量），是随机误差项，i为观测值下标，n为样本容量，为k+1个待估参数，称为回归常数，称为回归系数。在应用线性回归模型时，必须满足以下假设：（1）解释变量是确定性变量，而且解释变量之间不相关。（2）随机误差项具有0均值和同方差。（3）随机误差项在不同样本点之间是独立的，不存在序列相关。（4）随机误差限于解释变量之间不相关。（5）随机误差项服从0均值和同方差的正态分布。二、线性回归方程的统计检验1.回归方程拟合优度检验2.回归方程的显著性检验3.回归系数显着性检验三、回归分析假设条件的检验1.残差分析2.多重共线性3.误差项的序列相关四、线性回归分析的基本步骤1.确定回归中的自变量和因变量2.从收集到样本资料出发确定自变量和因变量之间的数学关系，即建立回归方程3.对回归方程进行各种统计检验4.利用回归方程进行预测五、实例分析 例：CheckersPizza公司是休斯敦附近Westbury镇上仅有的从事比萨饼送货业务的两家公司之一，其直接竞争对手是欧文公司，提供相同的产品与服务。另外麦当劳也是它的一个重要竞争者。在过去的24个月中，该公司的销售量(Q)、价格(P)，小镇上居民的人均收入(M)，欧文公司产品的价格（P欧文）以及麦当劳产品的价格（P麦当劳）。假定下个月公司产品价格为9.05元，人均收入为26614元，欧文公司产品的价格10.2元，麦当劳产品的价格为1.15元，请预测该公司下个月的销售量。首先CheckersPizza公司根据资料估计下面的线性需求方程的参数：Q＝a＋bP＋cM＋dP欧文＋eP麦当劳式中：Q—比萨饼的销量P—比萨饼的价格M—小镇居民的人均收入P欧文—欧文公司产品的价格P麦当劳—麦当劳产品的价格下面是SPSS11.0的输出结果：从上面的输出结果可以看出，模型可以解释97%的比萨饼销售量的变化；模型整体非常显着，F统计的相伴概率值P=0.000；四个参数b,c,d,e非常显着，T统计的相伴概率值P都远小于0.01。所以，回归方程为：Q＝－343.748－195.895P＋0.0742M＋174.403P欧文＋81.057P麦当劳该公司下一个月比萨饼的销量为：Q＝－343.748－195.895×9.05＋0.0742×26614＋174.403×10.2＋81.057×1.15＝1730.2872