多變量分析

多變量分析

大多數由市場上所收集到的資料都是多元的。原因很簡單：千辛萬苦安排的可以收集數據的客觀環(huán)境，作為調研公司當然會盡量多獲取一些不同類型的有效測量數據。因此，多變量的問題自然存在。

友邦顧問自98年開始探索這些多變量分析技術，通過大量的項目積累獲得了豐富的研究經驗。下面這些多變量分析技術是我們在市場研究分析中常用的方法與模型。

1、多元回歸分析(Regression Analysis)

在對市場數據的分析中往往會看到變量與變量之間存在一定的相關關系，例如：某產品的價格和社會需求之間，服務滿意度與服務之間都有密切的關系，研究變量之間相互關系密切程度的分析為相關分析。如果在研究變量的相關分析時，把其中的一些因素作為所控制的變量，而另一些隨機變量作為它們的因變量，確定這種關系的數理方法就稱為回歸分析。它常應用于滿意度研究、消費者研究、市場預測以及一些專業(yè)技術研究等方面。

2、因子分析(Factor Analysis)

因子分析的基本目的就是用少數幾個因子去描述許多指標或因素之間的聯系，即將相關比較密切的幾個變量歸在同一類中，每一類變量就成為一個因子（之所以稱其為因子，是因為它是不可觀測的，即不是具體的變量），以較少的幾個因子反映原資料的大部分信息。常與其它技術聯合使用，應用于滿意度研究，市場細分研究中。

3、主成份分析(Principal Component Analysis)

主成份分析的目的是要對多變量數據表進行最佳綜合簡化。使用的方法是尋找這些變量的線性組合 ─ 稱之為主成份，使這些主成份間不相關。為了能用盡量少的主成份個數去反映原始變量間提供的變異信息，要求各主成分的方差從大到小排列。第一主成份最能反映數據間的差異。

4、聚類分析(Cluster Analysis)與判別分析(Discriminant Analysis)

聚類分析的目的在于辨別在某些特性上相似的事物，并按這些特性將樣本劃分成若干類（群），使在同一類內的事物具有高度的同質性，而不同類的事物則有高度的異質性。在市場研究中，聚類分析主要用于： ☆ 對消費者群進行市場細分

☆ 對產品進行分類

☆ 選擇試驗市場

☆ 確定分層抽樣的層次

☆ 分析消費者的性格特征和行為形態(tài)等方面

判別分析（Discriminant Analysis）能夠依據樣本的某些特性，以判別樣本所屬類型。與聚類分析不同的是，判別分析是在已知研究對象可用某種方法分成若干類的前提下，建立判別函數，用以判定未知對象屬于已知分類中的哪一類。在市場研究中，判別分析主要用于對一個企業(yè)進行市場細分，以選擇目標市場，有針對性地進行廣告、促銷等活動。

5、聯合分析（Conjoint Analysis）

通過聯合分析可以模擬真實購買情況下，消費者的權衡之后的選擇，消費者的回答在是綜合各種條件包括自身經濟條件做出的，反映了其潛在的權衡標準，而不會像傳統(tǒng)測試方法中得出的價格最低，性能最優(yōu)的非現實可操作的結論，也不會得到所有因素都非常重要或人