数据分析方法

更新时间：2024-06-04 06:39:01 阅读量：综合文库文档下载

说明：文章内容仅供预览，部分内容可能不全。下载后的文档，内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的，是否完整无缺。

平衡分析法

所谓平衡就是各个互相联系的因素之间，在数量上保持一定的合理的对应关系。平衡分析法是分析事物之间相互关系的一种方法。它分析事物之间发展是否平衡，揭示出事物间出现的不平衡状态、性质和原因，指引人们去研究积极平衡的方法，促进事物的发展。统计平衡分析的主要方法有编制平衡表和建立平衡关系式。

平衡表与一般统计表的区别在于：指标体系必须包括收入与支出，来源与使用两个对应平衡的指标。平衡表的主要形式有三种，即收付式平衡表、并列式平衡表和棋盘式平衡表，前两种形式如资产负债表、能源平衡表，后一种形式如投入产出表。

平衡关系式是用等式表示各相关指标间平衡关系的式子。如，期初库存+本期入库＝本期出库+期末库存，资产＝负债+所有者权益，增加值＝总产出－中间投入。

统计中的平衡分析基本要求和特点是：平衡分析要通过有联系指标数值的对等关系来表现经济现象之间的联系；要通过有联系指标数值的比例关系来表现经济现象之间的联系；要通过任务的完成与时间进度之间的正比关系来表现经济现象的发展速度；要通过各有关指标的联系表现出全局平衡与局部平衡之间的联系。

其他数据分析方法

回归分析

研究变量之间存在但又不确定的相互关系以及密切程度的分析叫做相关分析，如果把其中的一些因素作为自变量，而另外一些随自变量变化而变化的变量作为因变量，研究他们之间的非确定因果关系，就是回归分析。

生存分析

生存分析广泛应用于生物医学，工业，社会科学，商业等领域，例如肿瘤患者经过治疗后生存的时间、电子设备的寿命、罪犯假释的时间、

婚姻持续的时间、保险人的索赔等。生存分析就是处理搜集来的数据，生存数据包括生存时间以及其相关因素。

方差分析

方差分析是检验两个或多个样本均数间差异是否具有统计意义的一种方法，例如：医学界研究几种药物对某种疾病的疗效；农业研究土壤，肥料，日照时间等因素对某种农作物产量的影响；不同饲料对牲畜体重增长的效果等，都可以使用方差分析方法来解决。其基本原理是认为：不同处理组的均数间的差别基本来源于随机误差和实验条件。

主成份分析 (Principal component analysis)

主成份分析的目的是要对多变量数据表进行最佳综合简化，也是一种降维的分析方法。基本思想就是寻找这些变量的线性组合，即主成份，使这些主成份间不相关。为了能用尽量少的主成份个数去反映原始变量间提供的变异信息，要求各主成分的方差从大到小排列。第一主成份最能反映数据间的差异。

判别分析 (Discriminant analysis)

判别分析是根据观测到的某些指标对所研究的对象进行分类的一种统计方法。进行判别分析时，通常是根据已掌握的一批分类明确的样品建立判别函数、分类的规则，然后将待分类的样本观测值代入判别函数，求出其函数值，并据此作出判断。在市场研究中可用于对决策行为预测的结果分类判别；对一个企业进行市场细分以选择目标市场。

联合分析 (Conjoint analysis)

联合分析就是通过对现实产品进行模拟，提供具有不同属性水平的组合产品，让消费者根据自己的偏好对这些产品进行评价、比较和选择，并采用统计方法将这些属性和属性水平的效用进行分离，从而得出产品

每一个属性及属性水平的重要性指标，获得消费者偏好程度最高的组合产品。联合分析还可以预测并未实际测试过的产品组合的消费者认同程度和市场份额。

对应分析 (Correspondence analysis)

对应分析通过分析有定性变量构成的交互汇总表来揭示变量间的联系。通过对应分析，可以把品牌、顾客特点以及他们之间的联系同时反映在一个二维或三维的分布图上，顾客认为比较相似的品牌在图上的分布便会彼此靠近在一起。根据顾客特点与每一品牌之间距离的远近，还可以区分顾客的哪些特点与喜好某种品牌的关系密切。常应用于品牌形象研究、产品属性与细分群体的对应关系。

多维偏好分析 (Multidimensional preference

analysis)

多维偏好分析通过降维的思想，将多元数据变成通过二维图形显示的直观结果。多维偏好分析常用于分析消费者对产品与服务的偏好倾向，在市场研究中能具体解决如下问题：确定目标消费群体、消费群体的分类和品牌评价等、相互竞争的品牌及尚未被填补的市场。

多维尺度分析 (Multidimensional scaling analysis)

多维尺度分析用于反映多个研究事物间的相似程度，通过适当的降维方法，将这种相似程度在低维度空间中点与点之间的距离表示出来，并有可能帮助识别那些影响事物间相似性的潜在因素。多维尺度分析通常用于分析商品相似性，通过分析消费者对商品的相似性评分，产生这些商品相关性的的图形，通过图形可直观地找出相似性产品（存在竞争可能性的产品）。

基准分析 (Benchmarking analysis)

为了更好地分析竞争者的情况，可以将同行业中最有竞争力的作为基准作更深入的分析。基准分析可以帮助企业在进入海外市前就可以站在较高的角度去制定市场进入策略。

动态分析法

动态分析法是以客观现象所显现出来的数量特征为标准，判断被研究现象是否符合正常发展趋势的要求，探求其偏离正常发展趋势的原因并对未来的发展趋势进行预测的一种统计分析方法。

动态分析法主要包括两个方面。第一，编制时间数列，观察客观现象发展变化的过程、趋势及其规律，计算相应的动态指标用以描述现象发展变化的特征；第二，编制较长时期的时间数列，在对现象变动规律性判断的基础上，测定其长期趋势、季节变动的规律，并据此进行统计预测，为决策提供依据。

编制时间数列是将社会经济现象某一指标在不同时间上的数值，按时间先后排列形成的数列，它由指标所属的时间和指标在某一时间的数值两个要素构成。编制时间数列要注意时间范围应该一致，但有时为了生动突出地反映某些方面的变化也可以灵活运用。观察编制好的时间数列，可以看出现象变化的大致过程和趋势，但要给予定量分析，必须计算各种动态分析指标。一类是动态比较指标，主要有增长量、发展速度、增长速度；

一类是动态平均指标，主要有平均发展水平、平均发展速度、平均增长速度。时间数列的形成是各种不同的影响事物发展变化的因素共同作用的结果。为了便于分析事物发展变化规律，通常将时间数列形成因素归纳为以下四类：

（1）长期趋势是某一经济指标在相当长的时间内持续发展变化的总趋势，是由长期作用的基本因素影响而呈现的有规律的变动。

（2）季节变动是指社会经济现象由于季节更替或社会因素的影响形成周期性变动。它周期短，规律性强，一般为一年，如某些季节性商品的销售会因季节的不同而波动。但也有以月、周、日为变动周期的，凡在一年内有反复循环周期变动，如节假日市场购货人数出现的高峰等，从广义上讲都属于季节变动分析的内容。

（3）循环波动是指变动周期在一年以上近乎有规律的周而复始的一种循环变动，如经济周期、自然界农业果树结果量有大年小年之分等。研究宏观经济的循环波动问题，需要计算扩散指数和合成指数。

（4）不规则变动是指由于意外的自然或社会的偶然因素引起的无周期的波动。

相加因素的分析方法

在社会经济现象中，有一些现象的变动是由其总体内各个组成部分（或称构成因素）变动影响的结果。如工业总产值的变动是由轻工业与重工业共同变动影响的结果。由此可见，相加因素是指现象变动是由各个组成因素变动的总和，其分析方法是采用比重法和差额法测定总体各个组成部分的变动。对现象总变动的影响程度或称拉力度。

比重法是根据某因素在基数中所占比重与该因素报告期与基期的相对离差确定某因素变动对现象总量变动的影响程度。

差额法是指某因素的报告期绝对量与基期绝对差的离差与基数对比，确定某因素变动对现象总量变动影响程度。

计算贡献率是因素分析的重要内容，对此不能沿用日常生活中对“贡献”的理解。贡献率因素分析中存在特定的涵义，是指由于某一因素的影响使总变动增长的份额占总变动的比重。有时贡献率还会出现负值，称为负贡献。

平均指标的因素分析

在统计分组的情况下加权算术平均数的大小受两个因素的制约，一个是各组标志值（或组平均数）的影响，一个是各组总体、单位数在总体中所占比重的影响，也即总体结构的影响。其关系式如下：

平均指标指数=固定构成指数*结构影响指数

（各组标志值变动）（各组单位数变动）

运用上述指数体系，借鉴“将其中一个因素固定下来，只观察另一个因素变动”的思想，分析这两个因素对平均指标变动的影响。

指数因素分析法可广泛运用于不同空间，包括不同国家、不同地区、不同单位之间的对比。运用于实际与计划的对比

因素分析法

因素分析法是用来测定受多种因素影响的某种经济现象总变动中各个因素的影响的方向和影响程度的一种统计分析方法。常用的因素分析方法主要有以下几种：

1.相关联因素的剖析。

其特点不是借助于数字模型，而是根据相关因素的性质，表明其数量变化对所研究现象变动的影响关系与制约关系，从本质上讲属于经验方法

2.指数体系及其因素分析。

在经济上有联系，在数字上存在等式关系的三个或三个以上的指数，称为指数体系。利用指数体系测定各影响因素对某种经济现象总体变动的方向和程度所产生的影响就是因素分析，主要有以下几种类型：

（1）对总量指标变动进行二因素分析

如工业总产值指数=产品产量指数*出厂价格指数

工业总产值增长量=由于产量变动而增加的产值+由于价格变动而增加的产值

销售收入指数=销售量指数*销售价格指数

销售收入增长量=由于销售变动而增加销售额+由于销售价格变动而增加的销售额

分析其中一个因素变动时，将另一因素固定下来，分别将二个因素进行分析。

（2）总量指标变动进行多因素分析

常常用根据指数原理派生出来的连锁替代法，来解决多因素指数体系编制问题，其操作过程是：第一步将影响某一经济指标的各个因素，按照它们之间的逻辑关系，并考虑计算的实际经济意义，排列成合理的顺序。即数量指标排列在先，质量指标排列在后，相邻的两个因素指标相乘或相除有实际的经济意义（等于新的指标）。第二步分析某一个因素变动对总变动的方向程度所产生的影响时，假定只有该因素变动，而其余因素都固定不变，一直分析到最后一个因素为止。

差分统计检验(Statistics Test Analysis)

统计推断最根本的目的是从抽样调查的结果中归纳出总体特征，统计判断最基本的原则是，在数学上不同的数字在统计学上可能并没有显著不同。例如，在啤酒口味测试中，52％的人偏好A，48％的人偏好B，这里实际上的差别很小，并在我们所设计的误差之内，这种统计差别是不显著的。

在数学概念上，只要数字不同就有差分。然而，这并不能说明在统计上的意义是显著的。如果一个差分大到不可能由于抽样误差或者偶然因素引起的，那么这个差分在统计学上是显著的，称为统计显著性。那么，什么程度的差分才有统计显著性呢？差分的统计检验分析即可回答这个问题。

假设检验是我们通常使用的技术方法。例如，我们事先给某一个产品目标购买人群的定位是25岁，而调查表明是28岁。那么，事先的预测准确吗？通过假设检验技术就可以得到答案。

在假设检验中，柯尔莫洛夫－斯米尔诺夫K-S模型常常被采用。一个著名的案例是：康柏电脑在FG座谈会上得知，家庭电脑用户不喜欢办公环境中传统的颜色，在调查者出示了许多颜色以后，被调查者表示喜欢棕色。接下来，进一步对6个月内会购买电脑的500潜在用户进行了问卷调查，结果表明喜欢深棕色的55人，暗棕色的45人，中等棕色的80人，浅棕色的170人，特浅棕色的是150人。通常来讲，我们可以得到这样一个结论了：用户偏好浅棕色！但是，在进行K-S检验以后发现，统计量指D为0.24，明显大于临界值0.06，所用原来棕色偏好的假设不成立。

聚类分析法

聚类分析是指把具有某种相似特征的物体或者事物归为一类的方法与技巧。聚类分析的目的在于辨别在某些特性上相似的事物，并按这些特性将样本划分成若干类(群)，使在同一类内的事物具有高度的同质性，而不同类的事物则有高度的异质性。在市场研究中，聚类分析主要用于：

☆对消费者群进行市场细分；

☆把研究对象(人，城市，品牌等)分割成为更加同质的细分群体；

☆为市场测试确定相匹配的城市； ☆在市场结构分析中去识别竞争者 ☆对产品进行分类 ☆选择试验市场 ☆确定分层抽样的层次

☆分析消费者的性格特征和行为形态等方面

因子分析方法

因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子 ( 之所以称其为因子，是因为它是不可观测的，即不是具体的变量 ) ，以较少的几个因子反映原资料的大部分信息。常与其它技术联合使用，应用于满意度研究，市场细分研究中。

在市场研究中，研究人员感兴趣的是一些研究指标的集成或者组合，这些概念通常是通过等级评分问题来测量的，每一个指标的集合 ( 或是一组相关联的指标 ) 就是一个因子，指标概念等级得分就是因子得分。

在一个只有两个因子的因子得分分析中，因子得分的计算如下： F1=0.40A1+0.30A2+0.02A3+0.05A4 F2=0.01A1+0.04A2+0.45A3+0.37A4

其中： F 为因子得分； A 为等级评分；等级评分的系数即为该变量的权数。

在实际应用中，通过因子得分可以得出不同因子的重要性指标，而管理者则根据这些指标的重要性决策需要首先解决的市场问题或者产品问题。

相关性分析

相关分析法是测定经济现象之间相关关系的规律性，并据以进行预测和控制的分析方法。

社会经济形象之间存在着大量的相互联系、相互依赖、相互制约的数量关系。这种关系可分为两种类型。

一类是函数关系，它反映着现象之间严格的依存关系，也称确定性的依存关系。在这种关系中，对于变量的每一个数值，都有一个或几个确定的值与之对应。例如圆面积

另一类为相关关系，在这种关系中，变量之间存在着不确定、不严格的依存关系，对于变量的某个数值，可以有另一变量的若干数值与之相对应，这若干个数值围绕着它们的平均数呈现出有规律的波动。例如，批量生产的某产品产量与相对应的单位产品成本，某些商品价格的升降与消费者需求的变化，就存在着这样的相关关系。实践中进行相关分析要依次解决以下问题：

1、确定现象之间有无相关关系以及相关关系的类型。对不熟悉的现象，则需收集变量之间大量的对应资料，用绘制相关图的方法做初步判断。从变量之间相互关系的方向看，变量之间有时存在着同增同减的同方向变动，是正相关关系；有时变量之间存在着一增一减的反方向变动，是负相关关系。从变量之间相关的表现形式看有直线关系和曲线相关，从相关关系涉及到的变量的个数看，有一元相关或简单相关关系和多元相关或复相关关系。

2、确定现象之间相关关系的密切程度，通常是计算相关系数R及绝对值在0.8以上表明高度相关，必要时应对R进行显著性检验。

3、拟合回归方程，如果现象间相关关系密切，就根据其关系的类型，建立数学模型用相应的数学表达式——回归方程来反映这种数量关系，这就是回归分析。

4、判断回归分析的可靠性，要用数理统计的方法对回归方程进行检验。只有通过检验的回归方程才能用于预测和控制。

5、根据回归方程进行内插外推预测和控制。其主要内容包括（1）确定现象之间有无关系（2）确定现象之间关系的密切程度（3）测定两个变量之间的一般关系值（4）测定因变量估计值和实际值之间的差异。相关性分析一种非常有用的市场研究工具，可以在2维空间内同时表达多维的属性，也可以更好的理解品牌和属性之间的关系，还可以表述一个不同市场因素的关联度。

相关分析可以帮助客户/市场决策者：

－为实施市场战略而去发现市场的空隙和优化产品的定位(对于新品牌或新产品的开发/延伸)

－发现市场上决定性的或显著的属性，例如对于选择不同品牌的重要和有显著区别的属性。

SWOT分析法又称为态势分析法

SWOT分析法又称为态势分析法，它是由旧金山大学的管理学教授于20世纪80年代初提出来的，是一种能够较客观而准确地分析和研究一个单位现实情况的方法。SWOT四个英文字母分别代表：优势（Strength）、劣势（Weakness）、机会（Opportunity）、威胁（Threat）。从整体上看，SWOT可以分为两部分：第一部分为SW，主要用来分析内部条件；第二部分为OT，主要用来分析外部条件。利用这种方法可以从中找出对自己有利的、值得发扬的因素，以及对自己不利的、要避开的东西，发现存在的问题，找出解决办法，并明确以后的发展方向。根据这个分析，可以将问题按轻重缓急分类，明确哪些是目前急需解决的问题，哪些是可以稍微拖后一点儿的事情，哪些属于战略目标上的障碍，哪些属于战术上的问题，并将这些研究对象列举出来，依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析，从中得出一系列相应的结论，而结论通常带有一定的决策性，有利于领导者和管理者做出较正确的决策和规划。

SWOT分析法常常被用于制定集团发展战略和分析竞争对手情况，在战略分析中，它是最常用的方法之一。进行SWOT分析时，主要有以下几个方面的内容：

一、分析环境因素

运用各种调查研究方法，分析出公司所处的各种环境因素，即外部环境因素和内部能力因素。外部环境因素包括机会因素和威胁因素，它

们是外部环境对公司的发展直接有影响的有利和不利因素，属于客观因素，内部环境因素包括优势因素和弱点因素，它们是公司在其发展中自身存在的积极和消极因素，属主动因素，在调查分析这些因素时，不仅要考虑到历史与现状，而且更要考虑未来发展问题。

优势：是组织机构的内部因素，具体包括：有利的竞争态势；充足的财政来源；良好的企业形象；技术力量；规模经济；产品质量；市场份额；成本优势；广告攻势等。

劣势：也是组织机构的内部因素，具体包括：设备老化；管理混乱；缺少关键技术；研究开发落后；资金短缺；经营不善；产品积压；竞争力差等。

机会：是组织机构的外部因素，具体包括：新产品；新市场；新需求；外国市场壁垒解除；竞争对手失误等。

威胁：也是组织机构的外部因素，具体包括：新的竞争对手；替代产品增多；市场紧缩；行业政策变化；经济衰退；客户偏好改变；突发事件等。

SWOT方法的优点在于考虑问题全面，是一种系统思维，而且可以把对问是的“诊断”和“开处方”紧密结合在一起，条理清楚，便于检验。

二、构造SWOT矩阵

将调查得出的各种因素根据轻重缓急或影响程度等排序方式，构造SWOT矩阵。在此过程中，将那些对公司发展有直接的、重要的、大量的、迫切的、久远的影响因素优先排列出来，而将那些间接的、次要的、少许的、不急的、短暂的影响因素排列在后面。

三、制定行动计划