(四)聚类分析

　　聚类分析是细分市场的有效工具，同时也可用于研究消费者行为、寻找新的潜在市场、选择实验的市场，并作为多元分析的预处理。

　　聚类分析也称群分析或类分析，是对样品或变量根据相似性进行分类。对样品的分类被称为Q型聚类分析;对变量的分类被称为R型聚类分析。变量如何选择，取决于聚类的归类。变量的类型有三种尺度：

　　(1)间隔尺度，即变量用连续的量来表示，如果存在绝对零点，又称比例尺度;(2)有序尺度，即变量用有序的等级来表示有次序关系，但没有数量表示;(3)名义尺度，即变量用一些“类”来表示，这些类之间没有等级和数量关系，相似物体的集合称为类。聚类分析方法主要有系统聚类法、样品聚类法、动态聚类法、模糊聚类法、图论聚类法和聚类预报法等。

　　用一组复杂数据产生一个相当简单的类结构，必然要进行“类似度”度量。一般来说，R型聚类统计量(或度量)有夹角余弦、相似系数、同号率;Q型聚类统计量(或度量)有：绝对距离、欧氏距离、明考斯基距离、-切比雪夫距离、马氏距离、兰氏距离等。类的特征主要用类的均值、样本散布阵及样本协方差阵、类的直径等来刻画。

　　(五)判别分析

　　判别分析是根据表明事物特点的变量值和它们所属的类求出判别函数，根据判别函数对未知所属类别的事物进行分类的一种分析方法。与聚类分析不同，它需要已知一系列反映事物特性的数值变量及其变量值，根据这些值来对一个样品进行归类，看它来自哪个总体。判别分析可根据判别的组数，分为两组判别分析和多组判别分析;可根据判别函数的形式，分为线性判别和非线性判别;可根据判别时处理变量的方法不同，分为逐步判别、序贯判别等;还可根据判别标准的不同分为距离判别、Fisher判别、Bayes判别等。

　　在市场调研中，—般根据事先确定的因变量(例如产品的主要用户、普通用户或非用户、自有房屋或租赁、电视观众或非电视观众)找出相应处理的区别性特性。在判别分析中，因变量为类别数据，自变量通常为可度量数据。根据自变量的值将样本归类。

　　例：下列最适合用来进行促销策略目标选定的是( )。

　　A.结合分析

　　B.判别分析

　　C.因子分析

　　D.聚类分析

　　因子分析

　　(六)因子分析

　　基本思想是，根据相关性大小把原始变量分组，使得同组内的变量之间相关性较高，不同组的变量间相关性较低，每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构称之为“公共因子”。英国统计学家Moser

　　Scott在1961年对英国157个城镇发展水平进行调查时，原始测量的变量有57个，通过因子分析发现，只需要用5个新的综合变量就可以解释95%的原有信息。因子分析的基本步骤是：(1)确定研究变量;(2)计算所有变量的相关矩阵;(3)构造因子变量;(4)因子旋转;(5)计算因子得分。

　　因子分析在市场调研中有着广泛的应用.，主要包括;消费者使用习惯和态度研究(U&A);品牌形象和特性研究;服务质量调查;个性测试;形象调查;市场划分识别;顾客、产品及行为分类。同时，还可根据因子得分确定不同重要程度的指标，管理者则可根据这些指标的重要性来决定首先解决的市场问题或者产品问题。

　　(七)结合分析

　　也称交互分析，在欧美国家的市场调研中被广泛应用。结合分析的基本假设是，产品或研究对象是由一系列的属性所构成的，例如，电脑产品的属性为品牌、显示器、CPU、内存、硬盘等，而各属性又有一定的水平，如显示器有14英寸、15英寸、17英寸等，CPU可能有奔腾5、赛扬、K6等。消费者的购买抉择过程是基于对这些属性的权衡与考虑做出的理性选择，因而，结合分析一般步骤为：(1)确定产品或服务的属性与属性水平;(2)将产品的所有属性与属性水平通盘考虑，并采用正交设计的方法将这些属性与属性水平进行组合，生成一系列虚拟产品;(3)请消费者对虚拟产品进行评价，通过打分、排序等方法调查消费者对虚拟产品的喜好、购买的可能性等;(4)计算属性的效用、计算属性的模型和方法主要包括最小二乘法回归、多元方差分析;(5)解释结果;(6)评估信度和效度，常用的有拟合优度和t检验等;(7)市场预测与市场模拟。

　　在市场调研中，结合分析可用于如下几个方面：(1)决定各种属性在消费者选择品牌(产品)时的相对重要性，(2)估计不同属性水平的市场占有率;(3)确定最受欢迎品牌的属性水平组合;(4)根据消费者对属性水平喜好的相似性，进行消费者市场分类，(5)应用于新产品概念识别，(6)竞争分析，(7)定价研究;(8)广告研究;(9)销售分布等。