市场调研数据分析操作指导书

本文由用户“K2808”分享发布 更新时间:2021-11-26 06:55:01 举报文档

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:单某某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。***随机调查了200位消费者,发现实际购买频率如下:公司A,48例;公司B,98例;公司C,54例,分别为:24% , 49%, 27%请分析这一调查结果并得出结论。

(提示:将数据现场录入spss并进行加权,利用加权后的数据进行分析)





根据上面的结果,你的结论是什么?

思考回答一:同样是做卡方某某,练习一和练习二的不同有哪些?

(2)列联表分析中的卡方某某

在实际调查研究中,所得到的数据有时为定性数据,即名义或定序尺度测量的数据,此时除了需要对单个变量的数据分布情况进行分析外,还需要掌握多个变量在不同取值情况下的数据分布情况,从而进一步深入分析变量之间的相互影响和关系,这种分析就称为交叉表分析或列联表分析,这是一种以表格形式描述两个或两个以上变量的联合分布,并对之进行相关性检验与解释的分析方法,原假设 H0:X与Y无关,对立假设H1:X与Y有关。这种相关分析与相关系数不同,相关系数针对的是定量数据,列联表的相关分析采用的是类别或定序数据。由于这种分析采用的统计量一般为卡方统计量,因此有时也称为卡方某某。列联表检验中,χ2计算公式如下

Fij为列联表中第i行第J列的观察频数,Eij为列联表中第i行第J列的期望频数

练习三:列联表卡方某某

【实验步骤】请在spss中打开“某产品外观偏好原始数据”,然后点击【分析】-【描述统计】-【交叉表】,分别将性别和态度偏好两个变量移入对话框,如下图所示:

在上面的对话框中点击单元格,在观察值和期望值选项上打勾,继续,在统计量中勾选卡方,再确定,如下图:



结果如上所示,从第二张表可见无论男性女性都对该产品外观有喜欢与不喜欢的区别,相较而言女性顾客对该产品外观表示喜欢者略多于男性,表示不喜者略少于男性,检验结果为皮尔逊卡方某某6.122,对应的显著性水平为0.047(双侧)在α=0.05水平下显著,因此应当拒绝原假设(原假设为性别与态度偏好相互独立,即性别对态度无影响,拒绝原假设,表明性别与态度不独立,可以认为调查对象的性别对其态度偏好是有影响的)

注:列联表卡方某某方法能处理一个因素两项或多项分类的实际观察频数与理论频数分布是否相一致问题,或说有无显著差异问题,所以卡方表显示的概率实际是双侧概率。

思考回答二(练习四):利用产品外观设计偏好调查加权数据.sav 进行列联表卡方某某,并分析对练习四和练习三的检验过程结果进行讨论,该对比性操作对你有何启发?

单某某分布K-S检验

上面的例子都是针对离散总体的,当总体的分布是连续分布时,要检验总体分布就需要采用单某某K-S检验,它是用前苏联数学家柯尔莫哥诺夫和斯米诺夫(Kolmogorov-Smirnov)名字命名的一种非参数检验方法,该方法能够利用样本数据推断总体是否服从某一理论分布,也是一种拟合优度的检验方法,适合探索连续性总体的分布。例如,收集一批企业从成立到退出市场竞争的时间,就可以用于推断企业的生存时间是否服从指数分布或者正态分布。

原假设是:假设总体的分布与指定的理论分布没有显著差异,SPSS提供的理论分布包括正态分布、指数分布、均匀分布和泊松(Poisson)分布。 其基本思想是:根据指定的理论分布,得到相应的理论累计概率分布函数;利用样本数据计算各样本数据点的累计概率,得到经验累计概率分布函数;计算这两个分布函数在相同变量值点x上的差D(x),得到差值序列D。单某某K-S检验主要对差值D序列进行研究。

参数检验

练习五:检验XX省2007年人均固定资产投资额是否服从正态分布(打开四川人均数据.sav)。

第 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。

  1. 医学统计学概念
  2. 统计计算步骤
  3. 关于面板单位根检验的一些解释和疑问
  4. 《概率论与数理统计》复习题
  5. 统计学知识点(完整)
  6. 第一章数理统计的基本概念与抽样分布
  7. SPSS管理统计-课程设计-非参数假设检验
  8. 概率统计与随机过程期末考试卷
  9. 《概率论与数理统计》实验报告
  10. 统计名词解释

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。

图片预览