SPSS分析作业.docVIP

SPSS分析作业 研究目的 第一步，通过选取A1量表中的引领潮流、追随潮流、中国制造、欧美品牌、保修条款、优惠券、昂贵商品、四处打听、便宜货、羡慕眼光等变量，即消费者的购物频度、多少和购物风格，分析出消费者可以分为几个类别和这些类别的特点，相当于市场营销市场细分的第一步：Segmentation。好! 第二步，选取人口学变量，如年龄、职业、家庭收入、个人可支配收入、文化程度等，来了解各个类别消费者的主要特征，从而通过对消费者个人特征的了解，来判断他们属于那一个类别。好! 这个判别模型将有利于Targeting. 模型选取 在整个问卷中，没有连续型变量的存在(有两个即消费次数和餐饮次数)。进行市场细分时，因为我事先不知道消费者可以分为几类，而我依据的变量是分类变量（消费次数、餐饮次数、追随潮流、中国制造、欧美品牌、保修条款、优惠券、昂贵商品、四处打听、便宜货、羡慕眼光），而且是对样本聚类，样本数据也比较大，因此我选取了两步骤聚类（Two-Step Cluster）的方法。好. 不过注意两步法既可以用于分类也可以用于连续变量! 在市场细分的基础上，我将消费者的分类情况作为一个新的变量TSC_7449，因为这个变量是一个三水平的分类变量，所以用了多峰逻辑回归的模型，来看人口学特征对消费者分类情况的预测准确度。好! 描述性分析 事前，可靠度分析的结果表明，A1量表中，“产地品牌”和“投诉”两个变量会影响分析结果，删除更好，所以，只对剩下的10个变量进行分析。好, 交待很清楚 根据变量的特点，我进行了两种描述性分析：Frequency和Cross Tables。分析的结果如下：交叉表格可以不要. 用频率分布就可以. 另外最好用一两句话总结每个表格比较好 输出结果的说明 两步骤聚类： Cluster Distribution N % of Combined % of Total Cluster 1 199 40.0% 39.3% 2 164 33.0% 32.3% 3 134 27.0% 26.4% Combined 497 100.0% 98.0% Excluded Cases 10 2.0% Total 507 100.0% 从表中可以看出，消费者可以分为三类，每一类的人数差别不是很大，但是第一类的人数最多，占到40%。 因为变量都是分类型，所以没有Centroids表格，选取几个重要的变量的Frequencies表格：好! 从以上的图表可以看出，第一类是倾向于喜欢引领潮流，对中国制造的品牌没有“歧视性”眼光，购物后不喜欢四处打听价格，也不在意别人的羡慕眼光；第二类喜欢引领潮流，不喜欢中国制造品牌，购物后喜欢四处打听商品价格，比较在意别人的羡慕眼光；第三类对潮流不太敏感，对中国品牌也没有“歧视”，购物后不喜欢四处打听价格，很不在意别人羡慕的眼光。因此，我将第一类消费者命名为时尚理性型、第二类为虚荣敏感型、第三类为购物冷感型。你的第一类是指第一丛吗? 如果是的话第一丛并没有第二丛那样喜欢引领潮流啊! 把非常同意和比较同意两类综合起来看可以知道! 从Categorical Variablewise Importance图表中可以看出，所有的变量的test statistic都超过了Critical Value，说明变量比较显著，对聚类的贡献比较大。然而，变量的test statistic值从第一个开始递减，说明前面的变量的贡献大于后面的变量。 不错. 但是可以引用一两个图在此比较好. （2）多峰逻辑回归 Model Fitting Information Model -2 Log Likelihood Chi-Square df Sig. Intercept Only 602.180 Final 508.592 93.588 36 .000 显著程度为0，说明无效假设不成立，样本比较适合作多峰逻辑回归。什么无效假设啊? 这里是测验所有自变量是否都为0. 不是检验是否适合作多峰逻辑回归问题. Goodness-of-Fit Chi-Square df Sig. Pearson 293.446 276 .225 Deviance 302.541 276 .131 同样，表中的显著度都远远大于0.05，说明模型的适合度很好。说明观察频率和模型预测频率无显著差异. Likelihood Ratio Tests Effect -2 Log Likelihood of Reduced Model Chi-Square df Sig. In