论文_因子分析在市场研究中的应用
毕业论文中的数据分析方法与应用
毕业论文中的数据分析方法与应用随着信息时代的到来，数据分析方法在各个领域中的应用日益广泛。
尤其在毕业论文中，数据分析方法的选择以及正确的应用，对于论文的质量和结论的可靠性具有至关重要的作用。
本文将介绍毕业论文中常用的数据分析方法，并深入探讨它们在实践中的应用。
一、统计分析法统计分析法是毕业论文中最常用的数据分析方法之一。
它通过数学和统计学的方法，对数据进行整理、加工和分析，从而揭示数据之间的关系和规律。
统计分析法包括描述统计和推论统计两大类。
1. 描述统计描述统计是对收集到的数据进行整理和呈现的过程。
它通过计算数据的均值、中位数、众数、标准差等指标，来描述数据的特征和分布情况。
在毕业论文中，描述统计通常可以用来描述样本的基本特征，提供对研究对象的整体了解。
2. 推论统计推论统计是根据样本数据来推断总体特征或者进行假设检验的方法。
通过假设检验，我们可以判断样本之间的差异是否显著，从而得出结论。
在毕业论文中，推论统计常被用于验证研究假设、评估变量之间的关系和解释研究结果。
二、质性分析法质性分析法是一种主要通过对文字、图片、音频和视频等非数值数据的诠释和解读来获取研究结果的方法。
与统计分析法不同，质性分析法注重于对数据的深入理解和内在含义的挖掘。
在毕业论文中，质性分析法常用于研究主题较为复杂、相对主观的场景，如社会科学、教育学等领域。
1. 文本分析文本分析是质性分析法的一种重要方式，它通过对文字材料的系统分析和解读，来获取深入的理解和结论。
在毕业论文中，文本分析通常用于对书籍、采访录音、文献等非结构性数据进行定性分析，得出与毕业论文主题相关的关键观点和发现。
2. 内容分析内容分析是一种对于大量文本数据进行分类和统计的方法。
通过建立分类法和指标体系，对文本进行编码和分析，以揭示研究对象的内在关系。
在毕业论文中，内容分析可以用于系统地分析大量的文献、新闻报道、网页内容等，从而深入研究主题，并发现潜在的研究问题和模式。
hu
重庆大学本科学生毕业设计（论文）基于因子分析的重庆各区县经济排名研究学生：李静松学号：20072268指导教师：刘德强专业：统计学重庆大学数学与统计学院二O一一年六月Graduation Design(Thesis) of Chongqing UniversityBased on Factor Analysis of Each Area & County in ChongqingUndergraduate: Li JingsongSupervisor: Liu DeqiangMajor: StatisticsCollege of Mathematics and StatisticsChongqing UniversityJune 2011摘要区、县域经济是国民经济的重要组成部分，同时也客观的反应了国民经济的发展状况，因此对区、县经济状况的分析是很重要的。
本文运用因子分析方法，借用统计软件SPSS，对来自《2010重庆市统计年鉴》的有关指标数据，选取12个指标，对重庆市40个区县经济发展的近况进行了分析和客观的综合评价。
分析结果显示，40个区县的城乡统筹经济发展水平还存在较大的差异，综合测评得分位于前茅，城市经济比较发达的区县，大都位于重庆西部的主城区范围内，例如、渝中区、沙坪坝区、九龙坡区、南岸区、渝北区等，仅有少数是主城区以外的区县，如万州区、涪陵区、江津区、永川区等。
综合测评得分较低城市经济发展较为落后的区县大部分都位于老少边穷、自然条件差、交通不便、工业落后的东部山区,如巫溪县、万盛区、彭水县等。
通过分析并提出了相关改进的建议及可行的措施建议，客观评价各区县的经济综合实力及其在全市的地位，有益于各级政府或有关机构了解区县的经济情况，同时也为促进区域经济发展提供决策依据。
同时也为促进其他省市区域经济发展提供了参考价值。
关键词：重庆，区县域经济，因子分析，综合评价，改进建议ABSTRACTArea, county economy is an important part of the national economy, they also reflects the development of national economy condition objectively. So to analyze the district and county economic status is very important. This paper applies the method of factor analysis, and statistical software SPSS, to borrow from the '2010 Chongqing statistical yearbook', choosing 12 relevant index data from it. Use the index data to analyze and evaluate the economic development of 40 area county in Chongqing .The analysis results show that 40 counties of urban and rural economic development level is biggish difference, comprehensive measuring and testing score one city in a relatively developed economy, mostly located in western counties within the scope of chongqing city, for example, yuzhong district, shapingba district, jiulongpo district, nanan distract YuBeiOu etc, and only several districts and counties are out of the urban area such as WanZhouOu, FuLingOu, jiangjin district, yongchuan area. Comprehensive evaluation score lower urban economic development is comparatively backward counties are located in the most weak, natural condition is poor, traffic inconvenience, industrial backward in eastern mountainous area, WuXiXian, WanChengOu, PengShuiXian etc.Through the analysis and put forward relevant Suggestions for improvement and feasible measures, an objective evaluation of each area county economic comprehensive strength and the position in the city, beneficial to governments or relevant organization understand the economic conditions, and for promoting regional economic development to provide basis for decision-making. Also in order to promote regional economic development of other provinces and municipalities provides reference value.Key words：Chongqing, Area & County Economy, Factor Analysis, Overall Merit, Suggestions for Improvement目录摘要....................................................................................................... 错误！未定义书签。
因子分析在医学研究中的应用案例分析
因子分析在医学研究中的应用案例分析引言医学研究是一个复杂而又多样化的领域，因子分析作为一种多元统计方法，在医学研究中有着广泛的应用。
因子分析可以帮助研究人员理解医学数据之间的潜在关系，从而更好地识别和理解疾病的发展和治疗过程。
本文将通过几个真实的案例，来讨论因子分析在医学研究中的应用。
应用案例一：心理健康状况的因子分析在心理学领域，因子分析被广泛用于探索心理健康状况的多个维度。
一项研究对1000名参与者进行了心理健康状况的问卷调查，包括焦虑、抑郁、自尊、社交能力等多个方面。
通过因子分析，研究人员发现这些心理健康指标可以被划分为两个主要因子：情绪因子和社交因子。
情绪因子包括焦虑和抑郁等情绪状态，而社交因子则包括社交能力和自尊等社交因素。
这一发现为心理健康状况的评估和干预提供了重要的指导。
应用案例二：医院服务质量的因子分析在医疗管理领域，因子分析也被用于评估医院的服务质量。
一项研究对100家医院进行了服务质量评估，包括医疗技术水平、医护人员素质、医疗设施等多个方面。
通过因子分析，研究人员发现这些服务质量指标可以被划分为三个主要因子：技术因子、人员因子和设施因子。
技术因子包括医疗技术水平和诊疗效果等技术指标，人员因子包括医护人员的服务态度和专业水平等人员指标，设施因子则包括医疗设施的环境和设备等设施指标。
这一发现为医院服务质量的改进提供了重要的参考依据。
应用案例三：药物疗效的因子分析在临床医学领域，因子分析也被用于评估药物的疗效。
一项研究对1000名患者进行了药物治疗后的疗效评估，包括症状改善、生活质量提升、不良反应等多个方面。
通过因子分析，研究人员发现这些药物疗效指标可以被划分为两个主要因子：症状因子和生活因子。
症状因子包括症状改善和不良反应等症状指标，生活因子则包括生活质量提升和日常功能恢复等生活指标。
这一发现为药物的疗效评估和副作用监测提供了重要的依据。
结论以上案例表明，因子分析在医学研究中有着广泛的应用。
论文写作中的统计数据分析方法
论文写作中的统计数据分析方法统计数据分析是论文写作过程中不可或缺的一部分。
通过合理运用统计方法，可以对数据进行深入分析，揭示出数据背后的规律和趋势，为论文的论证和结论提供科学依据。
本文将介绍几种常用的统计数据分析方法，并以实例说明其在论文写作中的应用。
一、描述性统计分析描述性统计分析是对数据进行整理、总结和描述的方法。
通过计算数据的均值、中位数、众数、标准差等指标，可以直观地了解数据的集中趋势、离散程度和分布形态。
在论文写作中，描述性统计分析常被用于描绘样本特征、总结研究对象的基本情况，或对比不同组别之间的差异。
例如，在研究某种新药物的疗效时，我们可以收集一组患者的生存时间数据，并计算其均值、中位数和标准差来描述疗效的整体效果和数据的分散情况。
将描述性统计结果纳入论文中，可以直观地向读者展示药物的临床应用价值。
二、假设检验假设检验是用于检验研究假设是否成立的统计方法。
通过对样本数据进行分析，我们可以判断研究结果是否具有统计学上的显著性，从而得出结论是否支持或拒绝原始假设。
在论文写作中，假设检验常被用于验证理论推断、比较不同组别之间的差异，或判断实验结果的显著性。
例如，在研究某个产品市场效果时，我们可以随机抽取两组样本进行比较。
通过对两组数据进行假设检验，我们可以判断两组间是否存在显著性差异，并进一步解释市场策略的有效性。
在论文中引入假设检验结果，可以增强实证研究的可靠性和说服力。
三、回归分析回归分析是用于探究变量之间关系的统计方法。
通过建立数学模型，我们可以研究自变量对因变量的影响程度和方向，并预测因变量在不同自变量取值下的数值变化。
在论文写作中，回归分析常被用于解释变量之间的因果关系、预测结果的变化趋势，或提供政策决策的依据。
例如，在研究气候变化对粮食产量的影响时，我们可以收集多年的气温、降水和粮食产量数据，建立回归模型来估计温度和降水对粮食产量的贡献率。
通过回归分析的结果，我们可以判断气候变化对粮食生产的影响，并提供合理的政策建议。
【精品论文】基于SPSS的阜平县旅游游客满意度因子分析
现代经济信息基于SPSS的阜平县旅游游客满意度因子分析李莉 南开大学商学院企业管理专业2008级硕士 300071一、引言河北阜平天生桥国家地质公园位于河北省西部的阜平县西部的高中山区，距县城西约25公里。
植被覆盖率95%以上，同时也是国家级森林公园，享有“五台东门户，京津西花园。
华北古基石，绿水济平川”的盛名。
阜平天生桥国家地质公园集地质、地貌、泉水资源、生态系统、人文历史等旅游资源融为一体，它具有较高的科学价值、观赏价值、生态保护示范价值。
然而，与河北省许多旅游城市相比，阜平县旅游业近几年的发展速度还是比较滞后的。
加强对阜平旅游市场游客满意度的调查和研究工作，有利于系统了解阜平县旅游市场的游客构成、选择偏好和消费行为，也有利于全面掌握阜平县旅游业基础设施的建设水平和服务质量状况，采取相应的改进措施，更好地做好阜平县旅游市场的市场定位和目标市场的选择及市场营销工作，最终促成阜平县良好旅游环境的建设和良好城市旅游形象的塑造。
二、研究综述马秋芳、杨新军、康俊香等选取西安欧美客源为研究对象，运用期望差异模型，对入境旅游游客满意度作出测定和比较；涂玮、任黎秀、吴兰桂、谢雯等在游客市场调查的基础上，运用灰色系统模型计算了处于成熟发展阶段的中山陵园风景名胜区游客满意度并对满意度计算结果给予验证和分析，提出了中山陵园风景名胜区提升游客满意度的措施；王群、丁祖荣、章锦河等运用美国顾客满意度指数(AcsI)模型，从环境感知、旅游期望、游览价值、游客满意度、游客忠诚和游客抱怨等六大影响模块建立了旅游环境游客满意度指数(TSI)测评模型，并对黄山风景区进行实证分析，得出黄山游客总体满意度指数较高的结论；李欠强和陈秋华对满意度与游客满意度的概念进行界定，给出了游客满意度的两种表示方式，提出了研究方法，并选取福州国家森林公园作为实例进行调查研究。
三、研究方法(1)数据采集在2009年春节黄金周期间在阜平县车站、主要宾馆酒店和旅游景点共发放调查问卷400份，收回问卷345份，回收率86.25％，其中有效问卷325份，有效率达到了94.20％。
论文中数据分析方法的详解和示例
论文中数据分析方法的详解和示例在当今信息爆炸的时代，数据已经成为各个领域研究的重要组成部分。
无论是科学研究、商业决策还是社会调查，数据都扮演着至关重要的角色。
而在论文中，数据分析方法的选择和运用更是至关重要，它直接关系到研究结果的可靠性和说服力。
本文将详细解析一些常见的数据分析方法，并给出相应的示例，旨在帮助读者更好地理解和运用数据分析方法。
一、描述性统计分析描述性统计分析是对数据进行整体的概括和描述，它通过计算各种统计量来揭示数据的特征和规律。
常见的描述性统计量包括均值、中位数、方差、标准差等。
例如，某研究人员想要研究某地区居民的平均年龄，可以通过计算该地区居民年龄的均值来得到结果。
二、相关性分析相关性分析用于研究两个或多个变量之间的关系。
它可以帮助研究者了解变量之间的相互影响程度。
常见的相关性分析方法包括皮尔逊相关系数和斯皮尔曼相关系数。
例如，某研究人员想要研究学生的学习成绩与他们每天花在学习上的时间之间的关系，可以通过计算这两个变量的相关系数来判断它们之间的相关性。
三、回归分析回归分析是一种用于研究因变量与自变量之间关系的方法。
它可以帮助研究者预测因变量的取值，并揭示自变量对因变量的影响程度。
常见的回归分析方法包括线性回归、多元回归等。
例如，某研究人员想要研究某种药物对患者血压的影响，可以通过线性回归分析来建立血压与药物剂量之间的关系模型。
四、因子分析因子分析是一种用于研究变量之间关系的方法。
它可以帮助研究者发现潜在的因子并解释变量之间的关系。
常见的因子分析方法包括主成分分析和因子旋转等。
例如，某研究人员想要研究消费者对某种产品的态度，可以通过因子分析来确定影响消费者态度的主要因素。
五、时间序列分析时间序列分析是一种用于研究时间序列数据的方法。
它可以帮助研究者预测未来的趋势和变化。
常见的时间序列分析方法包括移动平均法和指数平滑法等。
例如，某研究人员想要预测某种商品未来一年的销售量，可以通过时间序列分析来建立销售量与时间的关系模型。
数据分析中的因子分析和主成分分析
数据分析中的因子分析和主成分分析在数据分析领域，因子分析和主成分分析是两种常用的多变量分析方法。
它们可以用来处理大量的数据，找出数据的内在规律，并将数据简化为更少的变量。
本文将介绍因子分析和主成分分析的定义、应用以及它们在数据分析中的区别和联系。
一、因子分析因子分析是一种用于研究多个变量之间的潜在因素结构及其影响的统计方法。
它通过将多个观测变量转化为少数几个无关的因子，来解释变量之间的相关性。
因子分析的基本思想是将多个相关观测变量归因于少数几个潜在因子，这些潜在因子不能被观测到，但可以通过观测变量的变化来间接地推断出来。
因子分析通常包括两个主要步骤：提取因子和旋转因子。
提取因子是指确定能够解释原始变量方差的主要共性因子，常用的方法有主成分分析法和最大似然估计法。
旋转因子是为了减少因子之间的相关性，使得因子更易于解释。
常用的旋转方法有正交旋转和斜交旋转。
因子分析的应用非常广泛，可以用于市场研究、社会科学调查、心理学、金融等领域。
例如，在市场研究中，因子分析可以用来确定消费者购买行为背后的潜在因素，从而更好地理解市场需求。
二、主成分分析主成分分析是一种通过线性变换将原始变量转化为一组线性无关的主成分的统计方法。
主成分是原始变量的线性组合，具有较大的方差，能够尽可能多地解释原始数据。
主成分分析的主要思想是将原始变量投影到一个新的坐标系中，使得新坐标系上的第一主成分具有最大方差，第二主成分具有次最大方差，以此类推。
通过选择解释原始数据方差较多的前几个主成分，我们可以实现数据的降维和主要信息提取。
主成分分析在数据降维、特征提取和数据可视化等领域有广泛的应用。
例如，在图像处理中，主成分分析可以用来压缩图像数据、提取重要特征，并且可以在保留图像主要信息的同时减少存储空间的需求。
三、因子分析和主成分分析的区别和联系因子分析和主成分分析在某些方面有相似之处，但也存在明显的区别。
首先，因子分析是用于研究多个观测变量之间的潜在因素结构，而主成分分析是通过线性变换将原始变量转化为一组线性无关的主成分。
应用因子分析法构建高职教育人才质量评价模型研究论文
应用因子分析法构建高职教育人才质量评价模型的研究摘要：高职教育就是就业教育，为培养更多满足社会就业的需要，所以高职教育人才质量尤为重要，而建立从多角度去评价高职教育人才质量模型更是关系到高职教育培养人才工作实际。
本文用定量的方法分析-因子分析法建立一套高职教育人才质量评价模型。
关键词：人才质量因子分析评价模型中图分类号：f253.3 文献标识码：a 文章编号：正文：当前高职教育的数量增多，高职教育的办学规模也逐渐扩大，各个高职教育都会根据自己的特点开设一些有特色的专业，人才培养的差别使各自拥有一定的特色和优势，从而对于具有一定偏好的用人单位来说，某些学校作为生产者可能在短期内占有一定的垄断优势。
与此同时，由于各个学校培养的人才具有较强的可替代性，这就使各个院校之间存在着明显的竞争关系，使得原来占优势的学校可能失去已有的竞争优势。
这都要求高校管理者树立质量意识，树立竞争危机感。
而人才培养的质量如何必须要有一定的考核评价机制，因此，如何在可行性上进行考核体系构建的思路，成为一个极度重要而又日益迫切的问题。
一、高职教育人才质量评价模型的提出(一)建立高职教育人才质量评价模型决定因素高职教育人才质量决定因素保障指政府、社会为高职院校人才培养提供人、财、物、信息、空间、政策等方面支持。
主要涵盖以下方面：(1)高校教育思想、办学理念与学校定位。
(2)教学资源投入。
如教育经费、教学设施、图书及图书流通、师资队伍建设等。
(3)教学改革。
学校要按照社会主义的办学要求，积极进行课程设置、教学内容和教学方法的改革。
在教材编写上应体现专业特色，根据“精选”、“渗透”、“跟踪”的原则，对传统课程实行删、减、组、并、改，改革实践教学体系。
(4)学生综合素质。
如学生的学习成绩、学习能力、思想品德、身体素质、用人单位对毕业学生的满意度等。
（二）处理好高职教育大众化阶段质量与数量的关系在国内外高校人才培养过程中，质量与数量的矛盾是一个共性的难题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
嘉应学院本科毕业论文（设计）（2009届）题目：因子分析在市场研究中的应用姓名：吴启英学号： 2050122135系别：数学系专业：信息与计算科学指导老师：张乐申请学位：学士学位嘉应学院教务处制摘要本文对因子分析的基本理论做了详细的论述与探讨，并对因子分析与其他分析的概念的区别作了比较。
文中描述了因子分析的数学模型与意义，并分析了因子分析应用的步骤。
在实际市场研究中，运用因子分析法对中国14家上市银行2007年的盈利状况进行了分析。
运用SPSS软件，得出了评价上市银行“盈利性综合实力”的三项因子，分别命名为：盈利性因子、投资回报因子和成长性因子。
然后通过回归得到14家银行三项因子的得分系数并从银行规模和利润增长模式两个不同的角度进行分析，得到了各样本的综合得分和排名，并从各行具体经营状况的角度进行总评。
关键词：因子分析，因子载荷矩阵，因子旋转，因子得分，利润增长模型AbstractThis article has made the detailed elaboration and the discussion to factorial analysis's elementary theory, and has made the comparison to the factorial analysis with other analysis's concept's difference. In the article described the factorial analysis mathematical model and the significance, and has analyzed the factorial analysis application step. In the actual marketing research, the utilization factor analytic method 2007 profit condition has carried on the analysis to the Chinese 14 on city banks. Using the SPSS software, has obtained in the appraisal the city bank “the profit making synthesis strength” three factors, the distinction naming is: Profit making facto r, investment repayment factor and expanding factor. And then get 14 banks three terms factor score modulus by return and increase pattern different two angles go along analysis from bank scale and profit, have got every synthetical sample book score and row and have carried out an overall appraisal from every concrete business performance of bank angle.Keywords:factor analysis, the factor matrix, the factor rotates , factor score , profit increase model目录摘要........................................................................................................................................................ Abstract .................................................................................................................................................. 目录........................................................................................................................................................1.绪论 (1)1.1因子分析与其他分析的概念与区别 (1)1.1.2主成分分析 (1)1.1.3聚类分析 (2)1.1.4判别分析 (2)1.1.5对应分析 (2)1.1.6典型相关分析 (2)1.1.7多维尺度分析 (3)1.2.因子分析与因子分析法 (4)1.2.1.因子分析模型 (4)1.2.2.模型中具有统计意义的指标说明 (5)1.2.3.因子载荷的估计与因子旋转 (6)1.2.4.因子得分 (7)1.2.5. 因子分析的步骤 (8)1.3.因子分析的应用 (8)2.因子分析在银行风险中的应用 (10)2.1基本假设与变量初选 (10)2.1.1基本假设 (10)2.1.2变量初选 (10)2.2模型建立和求解 (11)2.2.1运用KMO检验和Bartlett检验对变量进行筛选 (11)2.2.2提取因子 (12)2.2.3使因子更具有可解释性 (14)2.2.4计算因子得分并排名 (15)2.2.5银行盈利性综合实力得分及排名 (17)2.3结果报告与分析 (17)2.3.1对各因子得分排名的解读 (17)2.3.1.2．投资回报因子 (18)2.3.1.3.成长性因子 (19)2.3.2对银行盈利性综合实力排名的解析 (19)3．结论 (20)参考文献 (21)1.绪论1.1因子分析与其他分析的概念与区别1.1.1因子分析因子分析的基本思想是通过对变量相关系数矩阵内部结构的研究,找出能控制所有变量的少数几个随机变量去描述多个变量之间的相关关系,并依据相关性的大小将变量分组,使得同组内的变量之间相关性较高,不同组的变量相关性较低。
每组代表一个基本结构,这个基本结构称为公共因子。
对于所研究的问题试图用最小个数的不可观测的所谓公共因子的线性函数与特殊因子之和来描述原来可观测的每一个变量。
1.1.2主成分分析主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。
主成分分析一般很少单独使用：a，了解数据。
b，和集束分析一起使用。
c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。
d，在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。
1.因子分析中是把变量表示成各因子的线性组合，而主成分分析中则是把主成分表示成个变量的线性组合。
2.主成分分析的重点在于解释个变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。
3.主成分分析中不需要有假设，因子分析则需要一些假设。
因子分析的假设包括：各个共同因子之间不相关，特殊因子之间也不相关，共同因子和特殊因子之间也不相关。
4.主成分分析中，当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候，的主成分一般是独特的；而因子分析中因子不是独特的，可以旋转得到不同的因子。
5.在因子分析中，因子个数需要分析者指定（spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析），而指定的因子数量不同而结果不同。
在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。
和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。
大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。
而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析，则可以使用主成分分析。
当然，这中情况也可以使用因子得分做到。
所以这中区分不是绝对的。
在算法上，主成分分析和因子分析很类似，不过，在因子分析中所采用的协方差矩阵的对角元素不在是变量的方差，而是和变量对应的共同度（变量方差中被各因子所解释的部分）。
1.1.3聚类分析聚类分析是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类的分析技术。
在市场研究领域，聚类分析主要应用方面是帮助我们寻找目标消费群体，运用这项研究技术，我们可以划分出产品的细分市场，并且可以描述出各细分市场的人群特征，以便于客户可以有针对性的对目标消费群体施加影响，合理地开展工作。
1.1.4判别分析判别分析的任务是根据已掌握的1批分类明确的样品，建立较好的判别函数，使产生错判的事例最少，进而对给定的1个新样品，判断它来自哪个总体。
根据资料的性质，分为定性资料的判别分析和定量资料的判别分析；采用不同的判别准则，又有费歇、贝叶斯、距离等判别方法。
费歇判别思想是投影，使多维问题简化为一维问题来处理。
选择一个适当的投影轴，使所有的样品点都投影到这个轴上得到一个投影值。
对这个投影轴的方向的要求是：使每一类内的投影值所形成的类内离差尽可能小，而不同类间的投影值所形成的类间离差尽可能大。
贝叶斯判别思想是根据先验概率求出后验概率，并依据后验概率分布作出统计推断。
所谓先验概率，就是用概率来描述人们事先对所研究的对象的认识的程度；所谓后验概率，就是根据具体资料、先验概率、特定的判别规则所计算出来的概率。
它是对先验概率修正后的结果。
距离判别思想是根据各样品与各母体之间的距离远近作出判别。
即根据资料建立关于各母体的距离判别函数式，将各样品数据逐一代入计算，得出各样品与各母体之间的距离值，判样品属于距离值最小的那个母体。
1.1.5对应分析对应分析是一种用来研究变量与变量之间联系紧密程度的研究技术。
运用这种研究技术，我们可以获取有关消费者对产品品牌定位方面的图形，从而帮助您及时调整营销策略，以便使产品品牌在消费者中能树立起正确的形象。
这种研究技术还可以用于检验广告或市场推广活动的效果，我们可以通过对比广告播出前或市场推广活动前与广告播出后或市场推广活动后消费者对产品的不同认知图来看出广告或市场推广活动是否成功的向消费者传达了需要传达的信息。