以下为《市场调研数据分析操作指导书》的无排版文字预览,完整格式请下载
下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的,下载的文档就是什么样的。
市场调研-数据分析操作模块指导书
非参数检验与参数检验
具体操作示例
非参数检验
非参数检验是统计分析方法的重要组成部分,它与参数检验共同构成统计推断的基本内容。
两者的主要区别是:
参数检验要求假定总体服从某种分布,对总体分布中一些未知的参数,例如总体均值、总体方差等进行统计推断,进行参数检验时,通常是假设总体服从正态分布,统计量构造也以此为基础,通常服从t分布。
非参数检验是对总体分布不做假定,直接从样本中发掘总体的信息,推断总体的分布,由于该方法在推断总体分布时没有涉及总体分布的参数,因此命名为“非参数”检验。
非参数方法大致可以分为两类:
1. 分布类型检验方法:也称为拟合优度检验方法,即从样本出发检验拟合总体的分布,并检验样本拟合的分布与某个期望的理论分布是否有显著的差异。例如分布比例的卡方某某法、二项分布检验法、正态分布的K-S检验法、列联表分析中的卡方某某等都属于这一类方法。
2. 分布位置检验方法:用于检验样本所在总体的分布位置/形状是否相同,其核心是用样本排序后的位置来判断总体间是否有差异。特别是SPSS中提供的独立样本和配对样本的检验方法都属于这一类方法。
非参检验方法主要运用于:
第一、检验样本是否服从某一分布;
第二、对样本和总体比例的拟合优度进行检验;
第三、当总体分布未知时通过样本比较两个总体的分布是否相同。
(1)卡方某某(拟合优度检验)
练习一:单样本分布比例的卡方某某
某***经营多年,形成了一套成熟的企业文化和管理体系,例如根据多年的运营经验发现:监察员、经理层、办事员三种职务类别人员比例大约在5: 15:80为宜,这样运行效率最高。***进行人事调整,人员结构发生变动,有人担心是否人事调整已经导致职务类型比例的失调,请利用“员工比例.sav”抽样数据来检验该问题。
建立假设
H0:目前三个职业的总体构成比仍然是5% 、 15%和80%
H1:目前三个职业的总体构成比不再是5% 、 15%和80%
第一步:打开数据文件: 员工比例.sav,选择菜单栏中的【Analyze(分析)】 →【Nonparametric Tests(非参数检验)】→【Legacy Dialogs(旧对话框)】→【Chi-Square(卡方)】命令,弹出【Chi-Square Test(卡方某某)】对话框。其中,“jobcat”变量表示职业类型, “1”表示办事员,“2”表示监察员,“3”表示经理。
第二步:选择检验变量: 在左侧的候选变量列表框中选择“jobcat”变量作为检验变量,将其添加至【Test Variable List(检验变量列表)】列表框中。
第三步:选择期望值: 在【Expected Values(期望值)】选项组中点选【Values】单选钮,以指定期望概率值。接着在Values的文本框中分别输入0.8、0.05和0.15这三个数值,并且单击【Add】按钮加以确定并完成操作。
最后,单击【OK(确定)】按钮,操作完成。(注意输入期望值比例时的顺序)
结论:不能拒绝零假设,暂时只能认为目前三个职业的总体构成比仍然是5%、15%和80%,人数的变动只是随机误差造成的,公司人员结构没有显著性改变。
练习二:
XX“智远市场***”考核了ABC***的市场占有份额,知道过去的***A的份额为30%,公司B的份额为50%,公司C的份额为20%,最近几个月,公司C开发出了一种新型改进产品并推向市场,公司C聘请***重新作市场调查,希望知***的创新产品推出是否使市场占有率发生了变化。***随机调查 内容过长,仅展示头部和尾部部分文字预览,全文请查看图片预览。 3 10 8 9 6
XXXX国际机场
10 9 6 7 8 7 9 8 10 7 8 5 7 3 5 6 8 7 10 8 4 7 8 6 9 9 5 3 1 8 9 6 8 5 4 6 10 9 8 3 2 7 9 5 3 10 9 5 10 8
对操作过程及结果进行概括性总结
回答本指导书所提出的思考题(共计六项)
四、结合课堂所学内容,谈谈你对数据分析工具及方法的认识。
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。
以上为《市场调研数据分析操作指导书》的无排版文字预览,完整格式请下载
下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的,下载的文档就是什么样的。