数据分析前的准备工作

目录数据分析前的准备工作基本统计分析方法高级统计分析方法1数据分析前的准备工作5/8/2024数据分析前的准备工作2数据分析前的准备工作5/8/2024做数据分析前要做些什么？问卷回收后要进行质量检查对有效问卷进行编码建立数据库并录入调查数据数据查错3数据分析前的准备工作5/8/2024基本数据统计分析方法4数据分析前的准备工作5/8/2024基本数据统计分析方法频数分析——描述基础频次分布多重应答分析——多变量频次分析交叉分析——不同背景情况下的频次分布均值分析——平均得分的研究5数据分析前的准备工作5/8/2024基本数据统计分析方法频数分析—描述基础频次分布承租人频数％总体频数％日用品经营商户309521.8327417.9餐饮、住宿181112.7272214.9社区服务10027.012857.0美容美发7575.39835.4修理、刻字、冲印等5784.17133.9室内装修、改建、做家具233616.4258114.1保卫、勤杂7525.314417.9售货员、业务员11978.415388.4建房筑路5443.88974.9文化卫生体育3502.54822.6交通运输业4843.45252.9邮电通信业2241.62551.4旅游业730.51050.6咨询服务业2351.73241.8房地产业1831.32731.5金融业620.4800.4制造业/采掘业3372.45272.9洗浴/娱乐业540.4770.4印刷业/广告印刷业/广告540.4730.4计算机、工程设计630.4780.4数据来源：2005北京市朝阳区房屋出租情况调查报告出租房承租人的行业分布表6数据分析前的准备工作5/8/2024基本数据统计分析方法多重应答分析——多变量频次分析城市北京赛场青岛赛场天津赛场上海赛场秦皇岛赛场沈阳赛场香港赛场总计北京97.46.36.33.93.32.03.5122.6上海12.82.32.093.80.71.03.6116.1广州87.34.23.614.50.30.923.3134.1深圳82.34.32.17.31.52.420.4120.4沈阳31.83.70.92.82.886.52.8131.3大连65.310.81.48.12.336.05.0128.8西安92.210.52.76.45.92.32.7122.8成都96.88.79.114.62.31.40.9133.8武汉79.220.312.926.24.03.511.9157.9天津43.00.691.51.90.60.60.0138.3青岛34.997.41.04.60.71.03.3142.8香港60.08.24.222.70.90.667.9164.6浙江绍兴29.75.04.072.31.00.021.8133.7广东顺德87.29.29.224.85.51.818.4156.0山东济南华山镇67.945.38.51.90.91.91.9128.3整体66.314.911.618.12.08.213.0134.1各城市居民去各比赛城市的人群比例（多选题，中选率之和>100%）（单位：%）数据来源：2005奥运会票务需求研究报告7数据分析前的准备工作5/8/2024基本数据统计分析方法交叉分析—不同背景情况下的频次分布

总体街道居民代表社区居民代表普通居民了解备选项目73.5%85.6%72.4%31.5%了解投票结果75.1%89.6%71.2%33.3%数据来源：2008年“参与式预算”改革成效评估研究报告不同类型公众对项目选择过程，结果公开的满意程度分布8数据分析前的准备工作5/8/2024基本数据统计分析方法均值分析——平均得分的研究69.8484.0777.7374.751st家庭幸福感2nd交际幸福感3rd婚恋幸福感调查结果显示，中国人的幸福感指数总得分为69.84分；中国人的幸福感由九项指标构成，家庭、交际和婚恋幸福感得分分列前三位。数据来源：2009年中国人的幸福指数调查9数据分析前的准备工作5/8/2024高级数据统计分析方法10数据分析前的准备工作5/8/2024高级数据统计分析方法一元与多元回归分析——MultipleRegressionAnalysis主成份分析——PrincipalComponentAnalysisPCA因子分析——FactorAnalysisFA(EFA&CFA)多维判别分析——MultipleDiscriminationAnalysis多维尺度分析——MultidimensionalScalingMDSMDA多元回归——MultipleRegression对应分析——CorrespondenceAnalysisCA多元对应分析——MultipleCorrespondenceAnalysisMCA多维偏好分析——MultidimensionalPreferenceAnalysisMDPREF非线性主成份分析——（OptimalScaling)分类树——AnswerTree—CHAID&CART聚类分析——ClusterAnalysis结合分析——ConjointAnalysis离散选择模型——DiscreteChoiceModel结构方程式模型——StructuralEquationModel预测与决策模型——DecisionTime&Whatif11数据分析前的准备工作5/8/2024高级数据统计分析方法对建行的总体满意度（Rsquare＝0.321）对建行网点的总体满意度（Rsquare＝0.330）对建行的忠诚度（Rsquare＝0.249）大堂经理对客户的尊重

大堂经理能够回答客户的问题

大堂经理态度友好

大堂经理业务知识

大堂经理专业素质

大堂经理解决问题的能力

大堂经理对客户的指导

大堂经理礼貌接待客户

大堂经理积极主动

大堂经理身份的易识别性

网点安全性

网点内部秩序（排队有序）

不同网点业务手续和流程的一致性

清洁程度

业务办理时间的总体满意度

网点营业时间方便性

网点位置交通便利

V1等待时间等待时间

柜台人员态度友好

F3柜台人员礼貌接待客户

柜台人员积极主动

柜台人员对客户的尊重

ATM机摆放位置方便性

F4ATM机的正常使用情况

ATM机操作简便性

ATM机的数量

F5柜台人员专业素质

柜台人员业务知识

F6娱乐设施

网点硬件相关因子停车方便性

F7柜台人员业务办理前对业务收费的告知情况

柜台人员解决问题的能力

柜员态度相关因子自助设施相关因子柜员专业素质相关因子柜员能力和收费告知相关因子F1F2大堂经理相关因子网点内部环境、便利性、一致性和交易时间相关因子F2.网点内部环境、便利性、一致性和交易时间因子（B=0.4874)F6.网点硬件相关因子（B＝0.1921）F1.大堂经理相关因子（B=0.1856）F4.自助设施相关因子（B=0.1826)V1.等待时间（B=0.1475）F3.柜员态度相关因子（B=0.1065）F5.柜员专业素质相关因子（B=0.0571）F2.网点内部环境、便利性、一致性和交易时间（B=0.5683）F1.大堂经理相关因子（B=0.2025)V1.等待时间（B=0.1629)F6.网点硬件相关因子（B＝0.1328)F4.自助设施相关因子（B=0.1049）F3.柜员态度相关因子（B=0.0924）F2.网点内部环境、便利性、一致性和交易时间关因子（B=0.2637）F6.网点硬件相关因子（B＝0.1425）F4.自助设施相关因子（B=0.1232）F1.大堂经理相关因子（B=0.0865）V1.等待时间（B=0.0762）F3.柜员态度相关因子（B=0.0377）回归分析各因子对建行客户满意度、忠诚度及网点满意度的贡献12数据分析前的准备工作5/8/2024高级数据统计分析方法2004年4月奥运现场观众特征分析Dimension11.51.0.50.0-.5-1.0-1.5-2.0Dimension21.51.0.50.0-.5-1.0家庭月收入学历年龄段性别是否会去现场无固定收入5000元以上3001-5000元1501-3000元801-1500元800元及以下大本及以上大专高中/中专/技校初中及以下54-60岁49-53岁44-48岁39-43岁34-38岁29-33岁24-28岁18-23岁女男不会去现场会去现场资料来源：2004年4月零点调查针对北京、上海、广州、成都四市18-65岁居民所做的有关奥运参与意愿调查多元对应分析13数据分析前的准备工作5/8/2024高级数据统计分析方法联合分析（Conjointanalysis）14数据分析前的准备工作5/8/2024高级数据统计分析方法联合分析（Conjointanalysis）代号不同比赛项目比赛阶段坐席位置场馆类型单张价格内地观众偏好排名香港观众偏好排名外国观众偏好排名类型1高兴趣度项目预赛普通座位新建奥运场馆200元555类型2高兴趣度项目决赛较好座位改扩建奥运场馆200元111类型3高兴趣度项目决赛较好座位新建奥运场馆500元422类型4高兴趣度项目决赛普通座位改扩建奥运场馆1000元1177类型5高兴趣度项目预赛较好座位改扩建奥运场馆200元344类型6低兴趣度项目预赛较好座位新建奥运场馆500元141515类型7高兴趣度项目预赛普通座位改扩建奥运场馆500元666类型8一般兴趣度项目决赛普通座位改扩建奥运场馆500元899类型9一般兴趣度项目预赛较好座位改扩建奥运场馆200元7810类型10一般兴趣度项目决赛较好座位新建奥运场馆1000元151411类型11高兴趣度项目决赛普通座位新建奥运场馆200元233类型12低兴趣度项目决赛较好座位改扩建奥运场馆200元101113类型13一般兴趣度项目预赛普通座位新建奥运场馆200元91212类型14低兴趣度项目决赛普通座位新建奥运场馆200元131314类型15高兴趣度项目预赛较好座位新建奥运场馆1000元12108类型16低兴趣度项目预赛普通座位改扩建奥运场馆1000元161616

各类观众对16种门票类型的接受度排序比较15数据分析前的准备工作5/8/2024

数据来源：2004年年轻人消费文化与汽车需求研究借助对目标对象的深度访谈定性资料的定量分析手段发现九个价值观可以聚合为三个因子新的诱惑自我实现激爽心情感性选择

真我色彩松展体验不求简约

非自然韵味

归属氛围自我自由因子求新上进因子人群归属因子注：非自然韵味是自然韵味之反向价值观感性选择是理性选择之反向价值观不求简约是简约之美之反向价值观高级数据统计分析方法因子聚类分析16数据分析前的准备工作5/8/2024注：非自然选择是自然选择之反向价值观感性选择是理性选择之反向价值观不求简约是简约之美之反向价值观群体1：求新上进，不求自我求新上进因子：新的诱惑自我实现激爽心情自我自由因子：感性选择

真我色彩松展体验不求简约

人群归属因子：非自然选择

归属氛围0＋＋＋群体3：自我自由，兼顾归属———群体2：自我自由，离群而居

高级数据统计分析方法

数据来源：2004年年轻人消费文化与汽车需求研究17数据分析前的准备工作5/8/2024群体1群体2群体3求新上进，不求自我自我自由，喜欢离群自我自由，兼顾归属突出特点约占1/3约1/5约1/2群体规模

次主流群体小众群体主流群体群体规模高级数据统计分析方法

数据来源：2004年年轻人消费文化与汽车需求研究18数据分析前的准备工作5/8/2024Page19|零点研究集团求新、展现个性是目标对象的共同特点，三个细分群体实际上体现了三种对新及个性的展现方式。是内心充满激情和创新活力的一族，同时他们重视自我实现，积极上进，追求事业成功，他们将社会认同的事业成功、创新作为展现自我个性的方式，我们称之为锐之族。群体1是极端张扬真我个性的一群，他们人数不多，也不追求群体归属，以极个性的方式展现自我，我们称之为凛之族。群体2是有个性，又合群的一群，他们在保有自我个性的同时，重视群体归属，是目标对象中的主流群体，他们以追求内在心灵自由的方式表达个性，我们称之为潮之族。群体3高级数据统计分析方法19数据分析前的准备工作5/8/202420有数据、有统计、有统计分析就是定量？定量是分析趋势定量是找寻与社会相适应的一种概括角度理解数据首先要理解社会、理解人没有理解的统计只是统计学有对社会理解的才是定量分析关于统计分析的一些思考20数据分析前的准备工作5/8/202421以假当真79%高文化程度低文化程度男性男性女性女性85%21%83%20%15%17%80%外加变量男性女性喜欢阅读70%不喜欢阅读30%30%70%关于统计分析的一些思考21数据分析前的准备工作5/8/202422以真当假高文化程度低文化程度男性男性女性女性15%35%25%44%85%65%75%56%抑制变量男性女性喜欢阅读29%不喜欢阅读71%30%70%关于统计分析的一些思考22数据分析前的准备工作5/8/202423歪曲事实高文化程度低文化程度男性男性女性女性73%15%89%27%27%85%11%73%歪曲变量男性女性喜欢阅读70%不喜欢阅读30%30%70%关于统计分析的一些思考23数据分析前的准备工作5/8/202424单一条件高文化程度低文化程度男性男性女性女性85%63%17%62%15%37%83%38%条件关系男性女性喜欢阅读70%不喜欢阅读30%30%70%关于统计分析的一些思考24数据分析前的准备工作5/8/202425方向相反高文化程度低文化程度男性男性女性女性85%52%17%62%15%48%83%38%条件关系男性女性喜欢阅读70%不喜欢阅读30%30%70%关于统计分析的一些思考25数据分析前的准备工作5/8/2024数学的基本特征数学的特点：抽象性精确性应用的极其广泛性26数据分析前的准备工作5/8/2024数学的基本特征数学的抽象性数、点、直线任何学科都有其抽象性。但是数学区别于别的学科的抽象性在于

只保留了量的关系和空间形式一级一级逐步提高研究抽象概念和它们之间的相互关系不仅