在市场研究分析中常用的方法与模型

在市场研究分析中常用的方法与模型：

1. 

回归分析

(Regression analysis) 

在对市场数据的分析中往往会看到变量与变量之间存在一定的相关关系。回归分析就是研究变量之间相互

关系，把其中一些因素作为独立变量（自变量），而另一些随机变量作为它们的依赖变量（因变量），用

因变量的变化解释和预测另一个自变量的变化。包括一元线性回归，多元线性回归，曲线拟合与非线性回

归等。回归分析常应用于满意度研究、市场预测等方面。

2. 

因子分析

(Factor Analysis) 

因子分析是通过研究众多变量之间的内部依赖关系，结合主成份分析和因子旋转，探求观测数据中的基本

结构，将多个实测变量转换为少数几个不相关的综合指标的多元统计分析方法，这些综合指标往往是不能

观测到的，但这几个综合变量更能反映事物的本质。在市场研究中，常与其他分析联合使用，比如用于回

归及聚类分析，应用于市场细分、满意度等领域。

3. 

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。

4. 

聚类分析

(Cluster analysis) 

聚类分析的原理是将性质相近的个体归为一类，性质差异较大的个体属于不同的类，使得类内个体具有较

高的同质性，类间个体具有较高的异质性。在市场研究中，涉及市场细分问题时，通常使用聚类分析加以

解决，可以描述每一类群体的内在特征，每一类群体的观点、看法、价值观、对事物的评价倾向以及对某

一特定产品的态度。