市场调研数据的应用分析---二消费者行为分析

希望对大家有所帮助，多谢您的浏览！

授课：XXX 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，但是这种人为划分并不能保证变量之间是“等距”的。SPSS 的最佳尺度回归可以较好地解决这一问题，以保证分析结果的准确性。

操作过程

图7分析的是年龄、性别和职业等因素对于客户在5种服装颜色选择上的影响，以此了解不同年龄、性别和职业客户对各种服装颜色的偏好。

进入SPSS 的“分析”，选择“回归”模型的“最佳尺度”，将颜色选为因变量，将年龄、性别和职业选为自变量，然后在颜色偏好度量中选“数字”，之所以不选“名义”或“有序”，是因为不知道它们之间的距离是否相等；在年龄中同样选“数字”；性别选“名义”；职业选“序数”，因为在本示例中对各种职业进行了排序。可见，在进行市场调研分析时，必须要具体问题具体分析，要具备很强的分析能力、较宽的知识面和清晰的思路，并结合自己的具体工作进行变量定义，而不能死记硬背模型。

结果解读

在输出结果中，R 平方是0.296。通过上述几个示例可以看出，在logistic 回归和最佳尺度回归中，R 平方的数值都不理想，一般来说在这四种回归中不必太计较R 平方值，与之相对，在线性回归分析中必须关注R 平方值。

在最佳尺度回归分析中，主要关注下面的表格。

图7 相关性和容差

如图7所示，“偏相关”是克服了其他的影响之后的估计；而“重要性”则是最佳尺度回归中最有价值的一列，表示的是各个自变量对于因变量影响的大小；最后则是“容差”，表示一个解释变量中不能被其他变量解释的比例，这一比例越高越好，比如图7中性别的容差是0.805，这就表示该因素中80.5%的解释成分是其他因素无法解释的。

2.

结合分析

希望对大家有所帮助，多谢您的浏览！

结合分析是专门针对正交设计的分析手段，SPSS目前没有专门的分析模块，需要自行输入命令行实现。结合分析是分析用户多维度倾向性的重要手段。

如图8所示，在之前出现过的牛奶消费市场调查案例的结果数据，经过结合分析可见，在重要性值中包含了外形、品牌、价格、口感、保质期等因素，通过比较可以看出其中最重要的因素是品牌（PINPAI），平均重要性得分是30.678，然后依次是外形、价格、口感和保质期。

图8 重要性值

在外形、品牌、价格、口感等各个因素下，又有各自的估计值。如图9所示。

图9 实用程序

同时，还以图示方式进行分析，如图10、图11、图12、图13、图14所示。

授课：XXX

希望对大家有所帮助，多谢您的浏览！

图10 摘要实用程序——外形

图11 摘要实用程序——品牌

授课：XXX

希望对大家有所帮助，多谢您的浏览！

图12 摘要实用程序——口感

图13 摘要实用程序——价格和保质期

授课：XXX

希望对大家有所帮助，多谢您的浏览！

（注：可编辑下载，若有不当之处，请指正，谢谢!）

授课：XXX