统计学方法的应用

统计学方法的应用

统计学方法的应用\n我学过统计学，可是我怎样用统计学解决实际问题我虽然学过统计学,但统计学中数学式子太多,我实在难以记住,更别说理解与掌握了\n重要的是理解统计学的思想!\n你会唱歌,但你懂得乐理吗?你会开车,但你懂得汽车构造吗?\n\n统计方法的分类描述性统计多选题分析列联分析卡方检验主成分分析因子分析聚类分析相关分析逻辑斯蒂回归判别分析偏相关分析回归分析(路径分析)方差分析典型相关定性变量数值变量无因果关系有因果关系\n统计方法的应用描述性统计推断性统计(多元分析)参数统计非参数统计量化研究质化研究\n描述性统计推断性统计(多元分析)参数统计非参数统计频次分析列联分析多维列联分析多重响应分析\n描述性统计推断性统计(多元分析)参数统计非参数统计均值比较信度检验方差分析多重比较多元方差分析相关分析偏相关回归分析路径分析典型相关分析逻辑斯蒂回归聚类分析判别分析主成分分析因子分析\n描述性统计推断性统计(多元分析)参数统计非参数统计2检验拟合优度检验列联表分析秩和检验正负号个数检验法Wilcoxon检验法Mann-WhitneyU检验拟合优度k-s检验法\n自变量因变量不连续连续不连续连续逻辑斯蒂回归判别分析描述统计列联分析ANOVAMANOVAT检验相关分析回归i分析路径分析典型相关分析涉及自变量和因变量的统计分析\nx1x2xny回归分析xwyz路径分析ABMY结构方程模型\n从应用的角度看因子分析与主成分分析的区别大致说来，当需要寻找潜在的因素，并对这些因素进行解释时，使用因子分析，并借助因子旋转技术来获得对因子的更好的解释。而如果想把现有的变量约简为少数几个新的变量，且要求新的变量尽可能包含原来变量的所有信息，并用新变量进行后继分析，则可以使用主成分分析。当然也可以使用因子得分来利用因子分析的结果进行后继分析，因此两者的区分并非绝对的。\n从对构念的量测来区分PCF与FAX1X2X3X4X5X6PC1PC2X1X2X3X4X5X6F1F2形成型指标（Formativeindicator）反映型指标（Reflectiveindicator）\n部分统计方法的应用回归分析方差分析判别分析列联分析因子分析聚类分析\n回归分析涉及一个数值变量受一个或多个数值或品质变量影响的关系.如在销售管理中的应用:问题因变量自变量销售员的销量是否受到拜访客户次数的影响?每时段每个销售员的销量每时段每个销售员拜访客户的次数如果广告投入加倍,销量会如何变化每时段的销量每时段广告支出、电台广告秒数或报纸广告数量仅研究广告与销量的关系是否足够,或者说价格和代理拜访对销量有无影响?每时段的销量代理拜访次数、产品单价、每时段的广告支出如何预测下个月的销售情况?t月的销量t-k月的销量如何理解广告的滞后效果?时段t内的销量时段t内的广告，时段t-1内的广告，时段t-2内的广告等若价格和广告支出同时增加10%,销量会如何变化?每时段的销量广告支出、价格、观点和认知不协调察觉到的风险,对品牌的态度和对认知不协调的反感是否是影响消费者品牌忠诚度的因素?一位消费者购买某产品时，重复购买的比例被察觉风险的评估值，观点和认知的不协调\n方差分析涉及一个或两个品质变量对一个数值变量的影响关系.例如\n判别分析可以视为多个自变量(判别变量)对一个分类因变量(分组变量)的关系.例如问题分组变量判别变量信用评级风险等级：高或低社会统计上的特征（年龄和收入等）、其他贷款数额和工作可延续时间等挑选销售人员销售业绩：好或差教育、年龄、性格特征和身体特征分析购买汽车时对品牌的选择品牌：东风日产、马自达、丰田花冠、帕赛特等对汽车品质，如外观、行车稳定性、安全性和经济性等态度选民分析政党：自民党、社会党、联盟党等对政治问题如核裁军、核能、限速、纳税等的观点对新生儿呼吸困难的诊断存活：是或否出生时的体重、性别、是否头胎、血液中PH值等新产品成功的前景经济收益：盈利或亏损产品的新颖度、公司的市场信息、性价比和技术知识创新程度扩展创新的分析对创新的态度：创新者或模仿者风险偏好、社会变动情况、收入和社会地位等\n列联分析通常用来分析两个品质变量间是否存在某种相关关系.例如\n因子分析探索数据的基本结构,分析多个指标是否可用少数几个公共因子解释,下表列举了几种成功的应用\n聚类分析对对象或指标进行分类,一些具体应用见下表\n研究案例例一：高大图书礼品公司问卷(案例来源于陈荣秋的讲义《管理科学量化研究方法》)一．您对一流的图书礼品公司的期望是：1.该公司的产品应该要物美价廉□□□□□2.该公司的产品应该要符合我的需要□□□□□3.该公司的产品应该可在各相关卖场内找到□□□□□4.该公司的产品应该要跟得上社会潮流□□□□□5.该公司的声誉应该要卓著□□□□□6.该公司应该要值我信赖□□□□□7.该公司应该经常从事社会公益活动□□□□□8.如果相关卖场没有卖该公司的产品，我会试着到别家找□□□□□9.即使我现在还没有立即需要，我还是会购买该公司的产品□□□□□10.一旦有需要，我就会购买该公司的产品□□□□□非常重要重要普通不重要非常不重要\n二．您对本公司的意见是：11.高大的产品物美价廉□□□□□12.高大的产品符合我的需要□□□□□13.高大的产品可在各相关卖场内找到□□□□□14.高大的产品所提供的新知跟得上社会潮流□□□□□15.高大公司的声誉卓著□□□□□16.高大公司能让我信赖□□□□□17.高大公司经常从事社会公益活动□□□□□18.如果相关卖场没有卖高大的产品，我会试着到别家找□□□□□19.即使我现在还没有立即需要，我还是会购买高大的产品□□□□□20.一旦有需要，我就会购买高大的产品□□□□□非常同意同意普通不同意非常不同意\n三．消费状况21.您最喜欢本公司所提供的何种产品？（可复选）1.□杂志2.□书籍3.□文具4.□礼品5.□影音22.您购买过本公司的产品吗？1.□有2.□没有(回答2者请跳答24题)23.您最近一次购买本公司产品的消费金额是多少元？____元24.整体而言，您会给本公司几分？(0至10分)_____分25.您会向别人推荐本公司的产品吗？1.□会2.□可能会3.□不会四．基本数据26.性别：1.□男2.□女27.教育程度：1.□高中(职)以下2.□大专3.□研究所以上28.年龄：1.□15岁以下2.□16-20岁3.□21-25岁4.□26-30岁5.□31-35岁6.□36岁以上\n\n\n\n自变量因变量性别(男、女)教育程度(高中、大专、研究所)顾客满意度认知产品质量您会向别人推荐本公司的产品吗？(会、可能会、不会)性别与推荐意愿是否有关?(卡方分析)教育程度与推荐意愿是否有关?(卡方分析)从顾客满意度及对本公司产品质量的认知判别其推荐意愿。(判别分析)最近一次消费金额不同性别的顾客之消费金额是否有差异?(t检验)不同教育程度的顾客之消费金额是否有差异?(方差分析)顾客满意度与消费金额的相关性有多大。(相关分析)对本公司产品质量的认知与消费金额的相关性有多大。(相关分析)由顾客满意度预测消费金额。(简单回归分析)由对本公司产品质量的认知预测消费金额。(简单回归分析)由顾客满意度与对本公司产品质量的认知预测消费金额。(多元回归分析)\n对其中第10个问题假设1：性别会影响消费者的推荐意愿H0:性別会影响消费者的推荐意愿H1:性別不会影响消费者的推荐意愿利用SPSS检验的结果:其中的交叉表为\n对交叉表进行卡方检验的结果:结论：因为p=0.079＞0.05（不显著）所以NotRejectH0，亦即性别不会影响消费者的推荐意愿。\n对其中第3个问题假设：不同教育程度的顾客之平均消费金额有显著差异统计假设:H0:μ高中=μ大专=μ研究所H1:μ高中、μ大专、μ研究所不全相等方差分析的结果由于p值小于0.05，故在显著性水平0.05应拒绝各类均值相同的假设。这表明不同教育程度的顾客之平均消费金额有显著差异。\n对第16个问题问题：消费金额与整体评分、认知的线性回归方程因变量：消费金额自变量：整体评分、认知(b11、b12、…、b20)Y=117.366(整体评分)+71.94(b13)-189.649(b15)+142.333(b20)所建立的回归方程如下，在该回归方程中仅保留了在0.05显著性水平下显著不为零的系数：修正的判定系数值为0.451利用上述回归方程可以预测消费者的消费额，例如如果整体评分为6分，b13为3，b15为4，且b20为5，则预测的平均消费金额为873元，即Y的估计值=117.366(6)+71.94(3)-189.649(4)+142.333(5)=873.当然实际上该回归方程主要用来揭示各变量之间的关系。