市场调研问卷题型分析与处理-一单选题的分析

《市场调研问卷题型分析与处理-一单选题的分析》由会员分享，可在线阅读，更多相关《市场调研问卷题型分析与处理-一单选题的分析（12页珍藏版）》请在装配图网上搜索。

1、学习导航通过学习本课程，你将能够： 学会对单选题进行多角度的分析； 掌握多选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、单选题的分析单选题是市场调研问卷中最常用和最简单的题型，在SPSS的分析中又是分析方法最为丰富的题型。单选题的录入方式比较简单，基本上就是SPSS文件的一列对应一道单选题目，单选题的答案用数字表示即可。比如，单选题有6个选项可供选择，受访者任选其一并填写即可。如图1所示。需要注意的是，在单选题录入时，必须在“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，是指分析各个选项出现的次数，体现的是受访者的倾

2、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，常见的做法是将所有选项全部选中，然后在“统计量”中将数值设定得大一些，因为在做频次分析时，实际上是在进行数据探索，所以可以选四分位数，表示数值的波动范围较大。这里的“范围”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“图表”选项中选择“直方图”，因为“直方图”是一个很好的频次分析

3、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。由于选中的项目很多，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察，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经常出现，同时还包括是否喝啤酒、选择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经常会出现，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

4、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很多信息。比如，在年龄分布上20岁的人群较多，在品牌选择上各种品牌的分布情况，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，从中可以挖掘很多有用的信息，包括百分比、累积百分比、学历分布、品牌选择分布等。2.分组求均值分组求均值简述分组求均值是单选题分析中的一项重要内容，在市场调查中，经常要按照男女性别或是不同年龄段，分析客户的产品选择，这时就会用到SPSS的分组求均值。分组求均值示例示例一。操作过程。在观察不同性别

5、和不同学历受众的啤酒消费差别状况时，首先进入SPSS的“分析”，然后选择比较均值，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。需要注意的是，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，选择“继续”“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选择均值因为喝啤酒选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

6、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。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，选择“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为不喝啤酒，而男性的均值更接近1，也就意味着男性更喜欢喝啤酒。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

7、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。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，首先可以选择第一种图最简单的箱图，比如定义想要观察不同学历的受访者是否喝啤酒的状况，具体的特征选择均值，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状况。条形图。首先选择旧对话框中的条形图，然后选择复式条形图，这种图包含的信息比箱图更为丰富。比如定义选择品牌，然后在类别轴中放入性别，再定义聚类，选择回车键。这时输出的图看起来非常美观，横轴上是性别，然后是选择的三种品牌的

8、均值，此外还包括各种学历的分布。堆积面积图。堆积面积图也称为堆占图，在商业上的应用也很多。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，而且可以解释很多信息，所以在市场分析汇报中经常使用。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。在检验性别和是否喝啤酒的偏好之间是否关联时，可以选择比较均值中的“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，然后选择“继续”，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

9、.25、女性为1.5，因此可以直接看两种假设情况：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。这时选择假设方差不相等的一行数据，发现检验P值（sig）是0.223，如图7所示。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：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选择之间的关系。一般来说，独立样本T检验只能检验两组，而示例中的学历则分为三组，在这种情况下可以采用两两分组的方法，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组的情况下，可

10、以将割点定义为学历4本科，这样就能将所有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，然后选择继续。结果解读。在结果中可以发现二者的方差不相等，因此选择假设方差不相等的一行数据，发现检验P值小于0.05，说明不同学历的人在品牌选择上不相同，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），有着十分重要的地位，应用非常广泛。交叉表是以列表方式表示两个(或多个)变量或属性共同出现的频率。它有两个主要作用：一是描述两个变量同时出现的相关状况，二是看两个变量是否相关。列联表示例一在销售报表中，包

11、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。在某些情况下，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出现的次数是98，这时其权重就是98。在这里权重是起一个“秤”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”，开始交叉表分析，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

12、。在输出的交叉表上，“行”上列出的是品牌，“列”上则是各种包装方式，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%。图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，因为这种包装方便携带，可以分多次喝完，其次是易拉罐装，对于纸杯散装则不大习惯。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，如果相伴概率小于显著性

13、水平0.05，则拒绝零假设，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，仍然采用列联表分析操作：进入SPSS的“分析”“描述统计”“交叉表”，然后将性别输入“行”，将学历输入“列”，统计量中选择卡方，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。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贡献大小，从而确定控制变量对研究对象影响力的大小。根据控

14、制变量的数量，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。图12 ANOVA单因素方差分析单因素方差分析示例一。本例分析的是性别对是否喝啤酒的影响，具体操作过程：将是否喝啤酒放在因变量，将性别放在自变量，在对比中选择多项式，选择两两比较（LSD），在选项中选择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，首先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

15、，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13 ANOVA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，得出结果为性别对是否喝啤酒影响不显著，如图14所示。图14 ANOVA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选择的影响，通过单因素方差分析结果可以发现，学历对啤酒品牌选择的影响显著。如图15、图16、图17所示。图15 ANOVA啤酒品牌学历“方差齐性检验”图16啤酒品牌学历“多重比较”图17 ANOVA啤酒品牌学历“组间平方和描述”多因素方差分析如果研究对象的影响变量不止一个，可以做多因素方

16、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研究对象的变异有影响。操作过程。多因素方差分析位于“一般线性模型”，选择“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选择的影响，这是典型的市场调查分析方式。其中，年龄分段采用的是“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，要选择组与组之间的两两比较，因为在做品牌选择时，需要进行客户细分分析。然后在选项中选择方差齐性检测、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

17、20岁以下，“2”为2030岁，“3”为3040岁，“4”为40岁以上，学历的分布则分为大专以下、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中展示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、不同年龄及其交叉效果的品牌选择是不同的，而在影响程度上依次为年龄、学历与年龄的交叉效果和学历。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选择不同，大专及本科组与硕士以上组的品牌选择不同，而大专以下组与大专及本科组的品牌选择则无差异。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）之间啤酒品牌选择不同，其他的年龄段之间无差异。如图21所示。图21多个比较年龄友情提示：部分文档来自网络整理，供您参考！文档可复制、编制，期待您的好评与关注！12 / 12