市场调查与预测第9-10章课件

第第9 9章描述性分析章描述性分析本章重点理解相对指标的含义和功能；依据调查数据计算集中趋势；依据调查数据计算离散趋势。9.19.1相对指标相对指标9.1.1 相对指标的含义和功能1.相对指标的含义相对指标是两个有联系的指标数值的比值，它反映了事物内部或事物之间的数量关系特征。例如某项调查发放问卷1000份，回收问卷740份，将后者除以前者得到74%，这就是一个相对指标，称为问卷调查的回收率。大多数的相对指标是用无名数表示，如系数、百分比等，像收入市场份额是企业的销售收入占总体市场销售收入的百分比。也有部分的相对指标采用有名数表示，如每千人印象成本用“元”表示。2.相对指标的功能（1）相对指标主要用于对比分析通过对比不同的指标值，将营销现象数量上的绝对差异抽象掉，为那些无法直接对比的营销现象找到一个量化的可比较基础。例如每千人印象成本将一个媒体活动相对于其成功地产生的接触频次的成本进行比较，衡量了广告活动的成本所对应的广告产生的接触频次。（2）相对指标是一种量化营销现象的测量系统营销决策者可以用相对指标来解释营销现象、诊断原因和作出营销计划。例如市场占有率指标可以解释当前的销售下沉现象，消费者服务质量满意度指标可以用于诊断导致销售下降的原因。3.可比性问题可比性问题是指两个进行对比的事物是否具备比较的基础。相对指标分析本质是通过比较两个数值来揭示现象间的差异化程度对比分析要求两个指标数值具有可比性，否则就会产生错误的结论。可比性问题是一个复杂的问题，涵盖分子、分母的统计口径、计算方法、计算范围等。例如不能用某个消费者的月平均收入与另一个消费者的年度最高月收入构造相对指标，因为分子和分母的统计口径不同，一个是“月平均”概念，一个“年度月最高”概念，两者在时间周期上缺乏可比性。9.1.2 9.1.2 揭示数据结构特征的相对指标揭示数据结构特征的相对指标比例相对数计分表某个餐饮外卖服务质量的研究中，“您对本店从您下订单到收到外卖的等待时长满意吗？”答案答案类别人数（人）人数（人）百分比百分比(%)比例相比例相对数数（以（以“非常非常满意意”为1）非常不非常不满意意1260.6不不满意意60303一般一般80404满意意28141.4非常非常满意意20101合合计200100结构相对指标首先揭示了总体内部的结构状态特征，其次还说明了总体中各部分对总体的影响程度，它可以用于寻找主要影响因素。从上面这个例子可以发现，“一般”占绝大比例，可能的原因是该餐馆的外卖送餐时长只是达到行业的平均时长。比例相对指标9.1.3 9.1.3 展开比较分析的相对指标展开比较分析的相对指标2.动态相对指标9.1.4 9.1.4 统计图统计图统计图是呈现调查数据的图形。除开用统计表，相对指标还可以用统计图直观地表达数据所包含的信息。1.条形图条形图是用宽度相同的矩形的高度差异来呈现数值差异。通常条形图用于定性数据，或者说字符变量。如果类别被绘制在横坐标，称为柱状图、立式条形图；如果类别被给制在纵轴，称为横式条形图。2.饼图饼图是用圆及圆内扇形的角度呈现变量的数据分布，通常用于表示总体中各部分所占的比例或比重。9.29.2集中趋势集中趋势9.2.1 9.2.1 集中趋势分析集中趋势分析1.集中趋势集中趋势是指一组调查数据呈现出来的、向某一中心数值靠拢的特征。集中趋势度量了该组调查数据的中心位置。集中趋势分析就是对一组调查数据的集中性特征展开分析，手段是计算出一个反映该组调查数据的中心位置的数值，这个数值称为集中趋势指标。2.集中趋势指标集中趋势指标起的是代表性作用，它用一个“平均值”概括地反映某组调查数据的集中趋势，即通过消除各个单个数据点之间的个体差异来描述整体数据的总体共性。计算集中趋势的平均值要消除各个数据点的差异，就要考虑某组数据中各个数据点的类型和特征。对一组数据中各个数据点进行排序，实质就是考虑数据的数量特征；进行分组，实质就是考虑位置特征。因此，计算“平均值”的方法可以分为两类，分别是考虑数量关系的数值平均法和考虑位置关系的位置平均法。3.直方图直方图是用矩形呈现数据分布的图形。直方图的纵轴表示频率或者频次，横轴表示分组数据的组距。直方图初看和条形图类似，但两者有许多不同：（1）直方图主要展示定量数据或者等距变量、等比变量，条形图只能展示定性数据或者名义变量、顺序变量；（2）条形图的每一个矩形表示一个类别，其宽度是没有意义的，直方图的每一个矩形表示一个分组，其宽度代表数据分组后的组距；（3）条形图的各个矩形之间的断开的，直方图的各个矩形之间是连续的。9.2.2 9.2.2 数值平均法数值平均法数值平均法是指对一组调查数据的全部数值求得其平均值，依据计算平均值的方法不同，分为算术平均和几何平均。数值平均法计算平均值的过程利用了所有的调查数据点，因此每一个数据点都会影响到平均值的大小。如果该组调查数据中存在极端值，即特别大或者特别小的数据值，那么这组调查数据的平均值会偏向这个特别大或者特别小的值。当调查数据存在极端值时，平均值的代表性特征被减弱，对数据集中趋势度量的真实性也下降。1.算术平均（1）简单算术平均简单算术平均是对全部调查数据直接相加计算平均数。（2）加权算术平均加权算术平均是对全部调查数据分组后，设定各组数据的权重，对各组数据加权计算平均数。几何平均几何平均是以一组调查数据的每个数据点连乘，对乘积开数据个数次方根计算得到平均值。这个值通常称为几何平均数。它适用于比率或者增长率数据。当调查数据中有零值或者负值不宜使用几何平均。9.2.3 9.2.3 位置平均法位置平均法位置平均是根据一组调查数据中各个数据点所处的位置确定平均值，它称为位置平均数或者位置均值。不同于算术平均数（均值）的确定原则是各个数据点的数值，位置平均数的确定原则是各个数据点在整组调查数据中的位置。算术平均数（均值）的不足是易受到极端值的影响，位置平均数（位置均值）通过考虑一组数据的各个数据点的位置克服了这个不足。依据具体确定方法不同，位置平均数（位置均值）有众数、分位数等。众数中位数中位数是将一组调查数据排序后，处于最中间位置的那个数，又称二分位数。由于中位数在一组数据中所处的位置不上不下，因此它代表数据的平均大小，从位置的视角刻画了数据的集中趋势。四分位数四分位数是将一组调查数据排序后，再将数列四等分，对于各分位点上的数值，称为四分位数，或称四分位点。9.3 9.3 离散趋势离散趋势10.3.3 方差方差是一组调查数据中各个数据点与其均值（算术平均数）的差的平方的算术平均数。单个数点与该数据点所在数据组的均值的差称为离差。方差的平方根称为标准差。9.3.4 9.3.4 离散系数离散系数离散系数也称为标准差系数、变异系数，它是一组调查数据的标准差与均值的比值，消除了计量单位不同和平均水平高低的影响。第第1010章推断性分析章推断性分析本章重点本章重点1.掌握总体参数和样本统计量的概念；2理解假设检验的原理，掌握假设检验的程序；3掌握两种假设检验的方法；4针对营销现象提出原假设，并对其进行假设检验。10.110.1参数估计参数估计10.1.1 10.1.1 总体参数总体参数总体参数是采用全面市场普查方法时得到的总体数据的一些特征，比如总体数据的均值。总体参数用来描述调查人员所关心总体特征的概括性指标，常遇到的总体参数有总体均值、总体方差和总体比例。10.1.2 10.1.2 样本统计量样本统计量样本统计量是采用抽样调查方法得到的样本数据的一些特征，比如样本数据的均值。样本统计量是根据样本中各单位的数值计算的总体参数对应值。常用的样本统计量有样本均值、样本方差和样本比例。样本统计量是指对采用随机抽样方法时会得到的样本的调查数据，一般用作总体参数的估计值。样本统计量与总体参数是一一对应的10.1.3 10.1.3 统计量的抽样分布统计量的抽样分布10.1.4 10.1.4 点估计点估计点估计是利用样本信息估计总体参数，例如总体均值、总体方差，的一种方法，基本思想是样本统计量的抽样分布是围绕总体参数的一个正态分布。点估计方法是以样本统计量的值的作为总体参数的估计值。点估计直接给出总体参数估计的一个值，使用方便。10.210.2假设检验原理假设检验原理10.2.1 10.2.1 假设检验的含义假设检验的含义假设检验是利用样本的调查数据检验对总体参数的假设、估计在多大程度上可以接受的一种统计方法。某家化妆品公司定位其顾客群体（总体）的平均年龄（总体参数）是25岁（假设）。该化妆品公司通过对顾客样本的调查，样本数据表明平均年龄（样本统计量）是24岁。此时，该公司希望了解样本统计量与总体参数之间的差异是否可以接受。该结论可用于判定公司的目标顾客定位是否符合调查事实。10.2.2 10.2.2 假设检验的原理假设检验的原理1.小概率事件原理假设检验的目的是对（假设的、先验的）总体参数和样本统计量的某次取值之间的差异是否显著进行判断，所依据的原理是概率论中的小概率事件原理。小概率事件原理是指在重复试验的一次试验中，小概率事件不可能出现。小概率事件是指大量重复试验中会出现，但在一次试验中几乎不可能出现的事件。2.重复试验重复试验是指在外部条件不变或可控的前提下，可以重复进行的试验。例如一个箱子装有999个黑球和1个白球。我们可以重复地做一个有放回的摸球试验：一次从箱子中摸出一个球，看看是黑球还是白球，然后将摸出的球放回箱子。不断地重复地进行这个试验，可以预期总会在某一次摸到白球。但是，我们也可以预期到，任一次摸球中白球被摸到的可能性非常低。3.必然性和偶然性如果有一位同学第一回从这个箱子中摸球，摸出的是白球。假定我们并不知道这个箱子里白球和黑球的数量，如何解析这个现象？一种观点是摸到白球的概率虽然低，但仍然存在可能性，这位同学“偶然”地碰巧摸到了白球。另一种观点是摸到白球说明白球被摸到的可能性很高，这位同学“必然”地摸到白球。4一次试验摸一回球现在我们提出一个预设：箱子中白球个数只有一个，术语称为原假设；易知原假设的对立假设是箱子中不止一个白球，术语称为备择假设。如果这位同学第一回就摸到了白球，在“箱子中白球个数只有一个”的假设下，我们怀疑此事的必然性，因为依据主观经验，从许多黑球和一个白球之中摸一次就摸到白球是不太可能的。如果依据小概率事件在一次试验中几乎不可能出现的原理，我们就足以拒绝“箱子中白球个数只有一个”的假设，而去接受“箱子中白球个数不止一个”的对立假设。但该同学只摸了一回球，而小概率事件要求大量重复试验，所以该同学继续摸球。5.一次重复试验摸100回球如果这位同学从这个箱子中摸100次，其中4次摸到白球，96次摸到黑球。注意他每摸出一个球后需要将这个球放回箱子，再进行下一次摸球。同样地假定我们并不知道这个箱子里白球和黑球的数量。对于“箱子中白球个数只有一个”的假设,如何解析这个现象呢？我们说这100回摸球的重复试验中，任一回摸到白球的概率是0.04，即用摸到白球的数量(4个)除以总摸球回数(100回)。在“箱子中白球个数只有一个”的原假设下，任一回摸球摸到白球的概率在主观感受上是很低的，为0.04。但仍需要一个明确的准则来判断该概率是高还是低。若选择0.05作为判断准则，意思是在“箱子中白球个数只有一个”的原假设下，100回摸球中摸到白球的个数不超过5个。由于0.04小于0.05，我们接受原假设。若选择0.01作为判断准则，意思是在“箱子中白球个数只有一个”的原假设下，100回摸球中摸到白球的数量不超过1个。由于0.04大于0.01，我们不能接受原假设，而接受“箱子中白球个数不止一个”的对立假设。6.概率临界值这个0.05或者0.01的值是由研究者主观给出的，用于作为判断小概率事件的准则。在这个准则下，如果小概率事件发生，我们就不能接受原假设，转而接受对立假设。实际工作，通常选取概率小于0.01、0.05或者0.1的事件为小概率事件。例如选取0.01作为判断是否发生小概率事件的标准，那么概率0.01称为小概率事件的概率临界值。10.2.3 10.2.3 显著性水平