（市場分析）因子分析在市場調(diào)研中的應(yīng)用

應(yīng)用。礎(chǔ)。里的少數(shù)幾個(gè)隨機(jī)變量是不可觀測的，通常稱之為因子。本質(zhì)上，組內(nèi)的變量之間關(guān)聯(lián)性較高，但不同組的變量關(guān)聯(lián)性較低。由此，），題的壹個(gè)方面，或者說壹個(gè)維度。），其中，lij為第i個(gè)變量于第j個(gè)因子上的載荷，稱為因子負(fù)載（factorload）。通常對(duì)隨機(jī)變量Fj和ei進(jìn)行如下假定：子模型。這也是因子模型中應(yīng)用最為廣泛的壹類模型。除此之外，實(shí)際應(yīng)用且不多見。分析正是基于變量間的方差-協(xié)方差矩陣（關(guān)聯(lián)-協(xié)關(guān)聯(lián)矩陣，對(duì)標(biāo)準(zhǔn)化的隨機(jī)變量而言二者是壹致的）的壹種公共因子來盡可能的解釋變量間的這種關(guān)系。于正交因子模型中，我們具有如下的協(xié)方差結(jié)構(gòu)：度，speciality）表出；度、選擇和評(píng)價(jià)公共因子等方面提供了依據(jù)。計(jì)算過程更為重要。壹個(gè)完整的因子分析過程應(yīng)當(dāng)包含如下方面：這包括定義壹個(gè)因子分析的問題且確定實(shí)施因子分析的變量。驗(yàn)、理論或者研究者自己的判斷而被選擇。但非常重要的壹點(diǎn)是，的4—5倍。2、計(jì)算且檢驗(yàn)協(xié)方差（關(guān)聯(lián)）矩陣聯(lián)，或者關(guān)聯(lián)性很小，那么因子分析將不是壹種合適的分析方法。驗(yàn)方法。巴特利特球體檢驗(yàn)（Bartlett’stestofsphericity）能夠用來著檢驗(yàn)結(jié)果的顯著性，因此能夠拒絕原假設(shè)，能夠進(jìn)行因子分析，否則應(yīng)該慎重考慮。行，而于0.7之上則是令人滿意的值。者主要考慮變量的全部方差，而后者則著重考慮共同方法。因此，則先將計(jì)算出的協(xié)方差陣的對(duì)角線元素替換為壹個(gè)估計(jì)的共同度，法，同時(shí)這也是應(yīng)用比較廣泛的壹類方法。數(shù)目的選取也就比較講究。子數(shù)目。差。定因子數(shù)目的方法，但且不常用。來了困難。因子旋轉(zhuǎn)（rotationoffactors）為因子解釋提供了便利。因子“不可識(shí)別性”決定了因子旋轉(zhuǎn)的可行性。軸的正交性（成直角），即因子之間的不關(guān)聯(lián)性，因此使用最多，考慮斜交旋轉(zhuǎn)。行。經(jīng)過因子旋轉(zhuǎn)后的因子負(fù)載陣能夠大為提高因子的可解釋性。小，則通常予以舍棄。算各公因子的因子得分。即給出各因子于每上，既然各觀測變量能夠表為各公因子的線公因子也能夠表為各觀測變量的線性組合：其中：Wij為第i個(gè)因子于第j個(gè)變量處的因子得分系數(shù)。注便利。而進(jìn)行。建立，有了因子負(fù)載后，我們就能夠計(jì)算的觀測變量的方差-協(xié)方差陣，這種由公因子再生的方差-協(xié)方差陣（residualsmatrix）是我們判斷模型適合度的重要依據(jù)。如果殘差量的方差-協(xié)方差關(guān)系，模型是合適的。于研究者而言更為重要。于市場調(diào)研的各個(gè)領(lǐng)域中有著廣泛的應(yīng)用。的。于這里，基本因子于消費(fèi)群的細(xì)分中具有基礎(chǔ)性社會(huì)認(rèn)可；6）品牌試驗(yàn)者/社交飲用者。產(chǎn)生五個(gè)細(xì)分市場。2、生活形態(tài)研究（life-style）對(duì)生活方式（life-