多维尺度分析ppt课件.ppt

多维尺度分析MDSMultidimensionalScaling北京广播学院新闻传播学院调查统计研究所二零零一年五月沈浩主要内容多维尺度分析MDS的基本概念多维尺度分析MDS的主要步骤如何揭示MDS感知图收集和准备数据MDS的应用实例MDS分析软件使用2020/9/24对维尺度分析-MultidimensionalScaling在市场研究领域主要研究消费者的态度,衡量消费者的知觉及偏好。涉及的研究对象非常广泛,例如:汽车、洗头水、饮料、快餐食品、香烟和国家、企业品牌、政党候选人等。通过MDS分析能够为市场研究提供有关消费者的知觉和偏好信息。主要借助计算机统计分析软件,输入有关消费者对事物的知觉或偏好数据,转换为一组对象或对象特征构成的多维空间知觉或偏好图——感知图。什么是多维尺度分析?分析研究对象的相似性或差异性的一种多元统计分析方法。可以创建多维空间感知图,图中的点(对象)的距离反应了它们的相似性或差异性(不相似性)。一般在两维空间,最多三维空间比较容易解释。可以揭示影响研究对象相似性或差异性的未知变量-因子-潜在维度。MDS的基本概念使用多维尺度可以分析什么类型的数据。如何获得测量相似性或差异性的技术。如何使用统计软件实现MDS分析的步骤。如何从MDS分析结果中,产生和解释感知图。研究对象主要指:产品的品牌、特征、不同组的消费者、地理位置等。检验邻近性-Examiningproximities应用MDS,收集的数据值大小必须能够反应两个研究对象的相似性或差异性程度。这种数据叫做邻近。所有研究对象的邻近数据可以用一个邻近矩阵表示。反映邻近的测量方式:相似性-数值越大对应着研究对象越相似。差异性-数值越大对应着研究对象越不相似。测量邻近性数据的类型两个地点(位置)之间的实际距离。(测量差异性)两个产品之间相似性或差异性的消费者心理测量。两个变量的相关性测量。(相关系数测量相似性)从一个对象过渡到另一个对象的转换概率。例如概率反应了消费者对品牌或产品偏好的变化。(测量相似性)反映两种事物在一起的程度。例如:用早餐人们经常将两种食品搭配在一起。(测量相似性)邻近数据即可以直接测量(距离),也可以通过计算得到(变量间的相关系数)。多维尺度分析MDS的主要步骤定义研究目的和对象确定相似性或差异性测量方法收集数据方法构造数据格式-相似性矩阵软件分析解释和结论感知图一个典型的MDS分析实例美国大城市之间的距离,反映了城市之间地理位置的差异性。通过MDS可以产生一个感知图,显示了城市之间的相对位置。邻近矩阵反应了城市之间的航空距离。因为距离是对称的,只要输入下对角线数据。seattleSPSS结果