注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

数据挖掘与数据分析

个人微信:datamen 欢迎交流

 
 
 

日志

 
 

培训的日子  

2008-04-19 18:57:24|  分类: 市场调研 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |

          今天,我们公司的一个高手给我们做了一个市场细分与定位的培训!

        涉及到的方法很多,但由于时间的原因我们主要讲了因子分析和two-step聚类分析各自的原理和如何运用的几个要点,由于自己是学统计的,所以听起来感觉象大学的课堂,有种回到大学的感觉!

针对本次培训的要点我概括如下:

1、因子分析的目的

2、各中聚类分析的优势,以及现在常用的聚类方法

3、两者的集合运用(先因子分析,后根据因子得分在进行聚类分析)

4、如何通过因子分析的结果来与实际的相结合,如果因子分析的结果与实际相反或解释不了的,应该如何对变量进行选择并再次进行因子分析,直到理想的效果!

5、聚类分析的应用和以上的操作流程差不多

最后,讲的是结合分析:

1、属性的概念

2、水平

3、轮廓

4、运用正交设计算出卡片个数

5、最后与属性和水平的自由组合放在一起再做一次结合分析(市场模拟时用就OK了)

应用的领域:新产品上市前  口味测试  市场模拟

 spss中正交设计的操作:

做法如下: 设要做二因素的正交设计,A因素有三个水平,B因素有两个水平。则选择Data-->Orthogonal Design-->generate,弹出的就是正交设计窗口: Factor name框:输入A:单击ADD钮:单击Define value钮:分别在Value列的头三行输入1、2和3,单击continue钮,这样就定义好了变量A

有关因子分析和回归分析

   因子分析是一种多变量化简技术。目的是分解原始变量,从中归纳出潜在的“类别”,相关性较强的指标归为一类,不同类间变量的相关性较低。每一类变量代表了一个“共同因子”,即一种内在结构,因子分析就是要寻找该结构。

样本量

总样本量不得少于100,而且原则上越大越好

KMO统计量:0.9最佳,0.7尚可,0.6很差,0.5以下放弃

判断是否需要进行因子分析,数据是否符合要求

如果进行的是主成分分析,则将主成分存为新变量用于继续分析,步骤到此结束

如有必要,可计算出因子得分等中间指标供进一步分析使用

公因子数量的确定

特征根:大于1

因子分析时更重要的是因子的可解释性

(1)确定自变量和因变量

(3)对回归方程进行各种统计检验.

对于应用来说,更重要的问题是,各种方法都是在一定具体条件下应用的,因此如何选择恰当的方法便成为正确应用这些方法的前提。

 

总的来说,这次培训的受益非浅呀!不过以后就需要自己慢慢去领悟了。

  评论这张
 
阅读(289)| 评论(0)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017