logo
分析技术
友邦顾问-首页 我们的公司 我们的服务 我们的业绩 我们的主张 与我们交流 加盟我们 在线互动 english
市场研究概述
研究领域
研究方法
抽样设计
分析技术
研究模型
质量控制
项目流程
资质认证
行业经验
市场研究-研究案例
市场研究-市场情报
首页 > 我们的服务 > 市场研究 > 分析技术
差分统计检验(Statistics Test Analysis)
 

统计推断最根本的目的是从抽样研究的结果中归纳出总体特征,统计判断最基本的原则是,在数学上不同的数字在统计学上可能并没有显著不同。例如,在啤酒口味测试中, 52 %的人偏好 A , 48 %的人偏好 B ,这里实际上的差别很小,并在我们所设计的误差之内,这种统计差别是不显著的。

在数学概念上,只要数字不同就有差分。然而,这并不能说明在统计上的意义是显著的。如果一个差分大到不可能由于抽样误差或者偶然因素引起的,那么这个差分在统计学上是显著的,称为统计显著性。那么,什么程度的差分才有统计显著性呢?差分的统计检验分析即可回答这个问题。

假设检验是我们通常使用的技术方法。例如,我们事先给某一个产品目标购买人群的定位是 25 岁,而研究表明是 28 岁。那么,事先的预测准确吗?通过假设检验技术就可以得到答案。

  在假设检验中,柯尔莫洛夫-斯米尔诺夫 K-S 模型常常被采用。一个著名的案例是:康柏电脑在 FG 座谈会上得知,家庭电脑用户不喜欢办公环境中传统的颜色,在研究者出示了许多颜色以后,被研究者表示喜欢棕色。接下来,进一步对 6 个月内会购买电脑的 500 潜在用户进行了问卷研究,结果表明喜欢深棕色的 55 人,暗棕色的 45 人,中等棕色的 80 人,浅棕色的 170 人,特浅棕色的是 150 人。通常来讲,我们可以得到这样一个结论了:用户偏好浅棕色!但是,在进行 K-S 检验以后发现,统计量指 D 为 0.24 ,明显大于临界值 0.06 ,所用原来棕色偏好的假设不成立。

联系我们 最新招聘 网站地图 网络中心 版权说明  
友邦顾问:公关公司 - 品牌咨询 - 品牌策划 - 品牌推广 - 营销咨询 - 营销策划 - 网络传播 - 公关策划 - 活动策划 - 展览策划 - 公关活动策划
     战略规划 - 企业改制 - 风险管理 - 集团管控 - 企业文化 - 流程管理 - 区域规划 - 上市服务 - 供应链管理 - 人力资源管理