2022年市场调研问卷题型分析与处理单选题的分析.docx

《2022年市场调研问卷题型分析与处理单选题的分析.docx》由会员分享，可在线阅读，更多相关《2022年市场调研问卷题型分析与处理单选题的分析.docx（13页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精品学习资源学习导航通过学习本课程，你将能够： 学会对单项题进行多角度的分析； 把握多项题和排序题的分析与处理； 提升市场调研问卷的质量；市场调研问卷题型分析与处理一、单项题的分析单项题是市场调研问卷中最常用和最简洁的题型，在SPSS的分析中又是分析方法最为丰富的题型；单项题的录入方式比较简洁，基本上就是SPSS文件的一列对应一道单项题目，单项题的答案用数字表示即可；比如，单项题有6 个选项可供挑选，受访者任选其一并填写即可；如图 1 所示；需要留意的是，在单项题录入时，必需在“值标签”中为每个选项注明标签，以便后续分析；图 1值标签1. 频次分析频次分析简述频次分析，是指分析各个选项显现的次

2、数，表达的是受访者的倾向性；比如某一问题有 6 个选项，客户有的选1，有的选 3，有的选 6 等，通过统计各个选项的次数就可以看出受访者对各个选项的倾向性；频次分析示例操作过程； 在 SPSS的“描述统计”基本分析模块中，频次分析被称为“频率分析”， 例如点击“ hao123”网站进入“频率分析”后，常见的做法是将全部选项全部选中，然后欢迎下载精品学习资源在“统计量”中将数值设定得大一些，由于在做频次分析时，实际上是在进行数据探究， 所以可以选四分位数，表示数值的波动范畴较大；这里的“范畴”也称“全距”，指的是最小值和最大值的差；然后将最大值、最小值、均值的标准差以及偏度、峰度等全部选 中；在

3、“图表”选项中挑选“直方图”，由于“直方图”是一个很好的频次分析工具，同时在“直方图”上勾选“显示正态曲线”；这时对格式可以先不作处理，然后点击“确 定”并输出表格；直方图可以很好地显示数据分布的规律；如图2 所示；图 2直方图示例结果解读； 由于选中的工程许多，所以输出的表格包括有效值、缺失值、均值等多项内容可供观看，其中最重要的是要关注其中的表格，包括性别中男性、女性各12 人的数量统计，学历中大专以下3 人、大专及本科10 人、硕士以上 11 人的数量分布等，这种表格在市场调查报告中会常常显现，同时仍包括是否喝啤酒、挑选啤酒的品牌以及购买渠道等内容；在表格中，累积的百分比在数字型图表中常

4、常会显现，比如在年龄分布中，30 岁以下的人在整个受众中所占百分比为58.3%， 40 岁以下的人所占百分比是91.7%，二者之间的比例通过减法运算即可得知，这样就能反映出整个问卷这方面的状况；正所谓“看表不如看图”，在直方图中可以看到许多信息；比如，在年龄分布上20 岁的人群较多，在品牌挑选上各种品牌的分布情形，以及各种购买渠道的分布等；总而言之，频次分析是问卷数据预处理后的第一项分析工作，从中可以挖掘许多有用的信息，包括百分比、累积百分比、学历分布、品牌挑选分布等；2. 分组求均值分组求均值简述分组求均值是单项题分析中的一项重要内容，在市场调查中，常常要依据男女性别或是不同年龄段，分析客户

5、的产品挑选，这时就会用到SPSS的分组求均值；分组求均值示例欢迎下载精品学习资源示例一； 操作过程；在观看不同性别和不同学历受众的啤酒消费差别状况时，第一进入 SPSS的“分析”，然后挑选比较均值，将学历放入自变量，将是否喝啤酒设为因变量， 如图 3 所示，表格中共有学历、均值、个案数和标准差四项；需要留意的是，一般来说， Anova 表要勾选；图 3示例“是否喝啤酒学历”结果解读；进入分析后，挑选“连续”“确定”并输出结果；案例处理的摘要说明，本次操作处理了24 条数据，比例为100%，然后是不同学历受访者是否喝啤酒的挑选均值由于喝啤酒选1，不喝啤酒选 2，所以均值越小，说明喝啤酒的可能性越

6、大；之后， Anova 表会显示出“显著性”数值，这里的数值是0.781 ，将其与标准值0.05进行比较可知结果是不显著，从商业结论上而言也就意味着不同学历分组在喝啤酒上的倾向无差别；分组求均值示例一的直方图如图4 所示；欢迎下载精品学习资源图 4直方图“是否喝啤酒学历”示例二； 操作过程；进入 SPSS的“数据”模块，挑选“比较均值”“均值”，将性别选入并确定，然后将喝啤酒定为1，不喝啤酒定为2，然后在变量视图中勾选值标签，输出结果；图 5示例“是否喝啤酒性别”结果解读；如图5 所示，输出结果中男性喝啤酒的均值是1.25 ，女性喝啤酒的均值是1.5 ，由于之前设定的是1 为喝啤酒， 2 为不

7、喝啤酒，而男性的均值更接近1，也就意味着男性更喜爱喝啤酒；这里的显著性为0.223 ，大于之前显著性基本假设的标准值0.05 ，也就是男性和女性在喝啤酒喜好上的差别不明显，这一假设可以接受；这里用到的是假设检验，基本方法是大于0.05 接受假设，小于 0.05 推翻假设；图 5 对应的直方图如图6 所示；欢迎下载精品学习资源图 6直方图“是否喝啤酒性别”绘图箱图； 绘图是一种直观化的数据分析方式，第一可以挑选第一种图最简洁的箱图，比如定义想要观看不同学历的受访者是否喝啤酒的状况，详细的特点挑选均值，接着将是否喝啤酒放入y 轴，然后点击学历将其放入x 轴，这样就可以看到不同学历受访者喝啤酒的分布

8、状况；条形图； 第一挑选旧对话框中的条形图，然后挑选复式条形图，这种图包含的信息比箱图更为丰富；比如定义挑选品牌，然后在类别轴中放入性别，再定义聚类，挑选回车 键；这时输出的图看起来特别美观，横轴上是性别，然后是挑选的三种品牌的均值，此外仍包括各种学历的分布；积累面积图； 积累面积图也称为堆占图，在商业上的应用也许多；比如，点击进入后，定义为购买渠道，然后将性别和学历选入，点击“确定”；这种图形比较美观，而且可以说明许多信息，所以在市场分析汇报中常常使用；3.T 检验T 检验是指用独立样本可以快速检测两个变量之间是否有关联，是一种问卷统计分析的常用手段；T 检验示例一操作过程； 在检验性别和是

9、否喝啤酒的偏好之间是否关联时，可以挑选比较均值中的“独立样本 T 检验”，将是否喝啤酒放入检验变量，把性别放入分组变量，然后为性别定义，男 1、女 2，然后挑选“连续”，再点击“确定”；结果解读；在分组求均值中（详见图4），已经得知男性的均值为1.25 、女性为1.5 ，因此可以直接看两种假设情形：一是假设男女之间喝啤酒的方差相等；二是假设方差不相等，可以看到男性是0.452 ，女性是 0.522 ，二者的方差不相等；这时挑选假设方差不相等的一行数据，发觉检验P 值（ sig ）是 0.223 ，如图 7 所示；欢迎下载精品学习资源图 7独立样本检验由于这一数值大于0.05 ，所以可以得出结论

10、：性别和是否喝啤酒的关系不显著；T 检验示例二操作过程； 在这项独立样本T 检验中，主要是考察学历和品牌挑选之间的关系；一般来说，独立样本T 检验只能检验两组，而示例中的学历就分为三组，在这种情形下可以采纳两两分组的方法，但更高级的模型是设定一个“割点”，将其分为两组；比如，当学历分为 6 组的情形下，可以将割点定义为学历4 本科，这样就能将全部受访者分为本科以上（含本科）和本科以下两个组别；在本例中，将割点定为2，大于等于2 为一组，小于2为一组，然后挑选连续；结果解读； 在结果中可以发觉二者的方差不相等，因此挑选假设方差不相等的一行数据，发觉检验 P 值小于 0.05 ，说明不同学历的人在

11、品牌挑选上不相同，二者之间的关系显著；4. 列联表（交叉表）在市场调查中，交叉表（Cross table，又称列联表），有着特别重要的位置，应用特别广泛；交叉表是以列表方式表示两个 或多个 变量或属性共同显现的频率；它有两个主要作用：一是描述两个变量同时显现的相关状况，二是看两个变量是否相关；列联表示例一在销售报表中，包含消费量、价格、包装方式、品牌等多列内容，在这里做列联表是分析品牌和包装方式之间的关系；在某些情形下，要先加权个案，再做列联表分析；比如，某公司的可乐产品用小纸杯散装的销售量是98，换言之就是可乐和小纸杯散装之间共同显现的次数是 98，这时其权重就是98；在这里权重是起一个“秤

12、”的作用；操作过程； 在做列联表分析时，第一步是在“数据”中，找到加权个案，将各项权重选进去，点击“确定”；然后再进入“分析”“描述统计”“交叉表”，开头交叉表分析，比如将品牌放到“行”中，把包装方式放到“列”中，在“统计量”中做一个卡方分析，再在单元格中全选行、列、总计的百分比，然后做一个复式条形图并点击“确定”；结果解读； 在输出的交叉表上，“行”上列出的是品牌，“列”上就是各种包装方式，下面共有4 行内容，可以看出在各种包装方式中，卖得最好的是塑料瓶装产品，占比为 60.3%，其中雪碧所占的比例是29.5%、可乐占比为23.6%、芬达为17.7%、醒目为29.1%；欢迎下载精品学习资源图

13、 8列联表示例一条形图如图 8 所示，在各个品牌中，最流行的包装方式都是塑料瓶装，而四大品牌包装方式的分布又各不相同；从商业角度来说，包装方式对销售有很大影响，比如国内客户首选塑 料瓶装，由于这种包装便利携带，可以分多次喝完，其次是易拉罐装，对于纸杯散装就不 大习惯；在列联表分析中，零假设是行列之间无关，SPSS 将自动给出检验的相伴概率，假如相伴概率小于显著性水平0.05 ，就拒绝零假设，认为行列变量彼此相关；经过分析，得出的结论如图9 所示；图 9列联表示例一结果解读列联表示例二在本例中考察的是性别和学历之间的关系，仍旧采纳列联表分析操作：进入SPSS 的“分析”“描述统计”“交叉表”，然

14、后将性别输入“行”，将学历输入“列”，统计量中挑选卡方，选中单元格，显示复式条形图，这样就能输出交叉表；如图10 所示；欢迎下载精品学习资源图 10列联表示例二条形图由下图可知，男性和女性在交叉表中的分布没有差别，也就是性别和学历之间不相关；图 11列联表分析示例二结果解读5. 单因素、多因素方差分析方差分析就是考察不同变量的变异对于总变异的奉献大小，从而确定掌握变量对讨论对象影响力的大小；依据掌握变量的数量，可以分为单因素方差分析和多因素方差分析；单因素方差分析ANOVA单因素分析包含以下关键点，如图12 所示；欢迎下载精品学习资源图 12ANOVA单因素方差分析单因素方差分析示例一；本例分

15、析的是性别对是否喝啤酒的影响，详细操作过程：将是否喝啤酒放在因变量，将性别放在自变量，在对比中挑选多项式，挑选两两比较（LSD），在选项中挑选描述性和方差同质性检验；方差齐性检测；作为重要的分析手段，方差分析在组与组进行比较分析时，不要求均值相等，但要尽可能做到方差相等，这在统计中称为方差齐性；选好后就可以进行单因素方差分析，第一要看的是方差齐性检验，它的基本假设是两个方差是相等的，通过结果可以看出，其显著性为 0.69 ，大于 0.05 ，所以该假设可以接受，方差相等成立；如图 13 所示；图 13ANOVA是否喝啤酒性别“方差齐性检验”组间平方和描述；进行“组间平方和描述”分析，得出结果为

16、性别对是否喝啤酒影响不显著，如图 14 所示；欢迎下载精品学习资源图 14ANOVA是否喝啤酒性别“组间平方和描述”单因素方差分析示例二；示例二分析的是不同学历对啤酒品牌挑选的影响，通过单因素方差分析结果可以发觉，学历对啤酒品牌挑选的影响显著；如图15、图 16、图 17 所示；图 15ANOVA啤酒品牌学历“方差齐性检验”图 16啤酒品牌学历“多重比较”欢迎下载精品学习资源图 17ANOVA啤酒品牌学历“组间平方和描述”多因素方差分析假如讨论对象的影响变量不止一个，可以做多因素方差分析，这样可以同时考察多个变量以及变量之间的交叉作用是否对讨论对象的变异有影响；操作过程； 多因素方差分析位于“

17、一般线性模型”，挑选“单变量”模块；在示例中要分析的是学历和年龄分段及其交叉作用对品牌挑选的影响，这是典型的市场调查分析方式；其中，年龄分段采纳的是“割点”的分割方式，也就是通过连续变量的离散化，对各个年龄段进行重新编码；然后将啤酒品牌设为因变量，将学历和年龄设定为自变量，其中学历分段是 3 组，年龄分段是4 组；在该模型中，要挑选组与组之间的两两比较，由于在做品牌挑选时，需要进行客户细分分析；然后在选项中挑选方差齐性检测、描述统计，点击“确定”输出结果；结果解读； 在年龄分段中，“ 1”代表 20 岁以下，“ 2”为 20 30 岁，“ 3”为 30 40 岁，“ 4”为 40 岁以上，学历

18、的分布就分为大专以下、大专及本科、硕士以上三组；在方差齐性检验中，可以看到检验P 值（ sig ）为 0.044 ，在此可以粗略地认为方差相等；如图 18 所示；图 18误差方差等同性的Levene 检验在图 19 中展现的是主体间效应的检验，其中学历、年龄分段以及学历、年龄分段的sig值都小于 0.05 ，表示不同学历、不同年龄及其交叉成效的品牌挑选是不同的，而在影响程度上依次为年龄、学历与年龄的交叉成效和学历；欢迎下载精品学习资源图 19主体间效应的检验在两两比较中，各个学历分组以及各个年龄分段进行了比较，其中sig值小于 0.05的，均值差值的右上角就会有一个“* ”符号，表示差异显著，因此可以得到以下商业结果：在各个学历分组的比较中，大专以下组与硕士及以上组的品牌挑选不同，大专及本科组与硕士以上组的品牌挑选不同，而大专以下组与大专及本科组的品牌挑选就无差异；如图 20 所示；图 20多个比较学历在各个年龄分段的两两比较中，（1， 2）、（ 1， 3）、（ 1， 4）、（ 2， 3）之间啤酒品牌挑选不同，其他的年龄段之间无差异；如图21 所示；欢迎下载精品学习资源图 21多个比较年龄欢迎下载