市场营销专业实习数据报告分析

《市场营销专业实习》数据报告分析

一、概述

（一）课程名称：市场营销专业实习

（二）实习时间：

（三）实习地点：

（四）指导老师：XXX

（五）数据来源：05级营销系XXX《基于消费者视角的品牌竞争力调查》

二、实习心得

这次专业实习的主要目的是进一步学习如何使用SPSS软件。掌握这款软件，以便于日后在进行市场调研时可以利用数据分析可能获得的各种信息。众所周知，数据是最具说服力的语言。SPSS软件正是以数字为基础结合图像、文字形成的数据分析。它不仅能像Excel一样分析得出一些基本信息，还可以挖掘出深层次的信息。

此次我的实习对象是《基于消费者视角的品牌竞争力调查》，也就是对它进行数据分析。我最早接触SPSS是在市场研究课上杨老师进行数据分析演示时，尤其印象深刻的是因子分析如何提取公因子，这样我对SPSS软件就有了初步的了解。在本次的专业实习中，老师特别强调回归分析、相关分析、方差分析和因子分析这四种深度分析。因此，我对这四种分析了解相对较深。尤其是因子分析，它通过旋转提取公因子，能够正确把握总体的分类特征，进一步挖掘各数据中有价值的信息。

这次短学期虽然只有四天，而且主要以自学为主，但我基本掌握了SPSS软件的运用，这是一款很值得学习的软件。这其中我也碰到不少问题，比如说相关分析和方差分析我反复做了很多次都不满意，但就像老师说的掌握SPSS的分析方法才是重点，结果并不是最重要的。

三、数据分析

（一）多选题频数分析

由表1可以得出，在100个有效的观测中，各种类型一共被选择了195次，其中“洁白健齿”被选择了53次，占总次数的27.2%，是消费者最喜欢的牙膏类型；而“清醒口气”46次，占总次数的23.6%，是消费者的第二选择；而“防止蛀牙”和“多效合一”都被选择了33次，并列第三，占了总选择次数的16.9%。

表1 喜欢哪种类型的牙膏

（二）多变量交叉频数分析

由表2中不同年龄、不同性别、不同收入的被访者的频数的显著差异可以得出，21~40岁的女性被访者占绝大多数，月收入在0~2000元之间；而男性被访者主要集中在21~40岁的月收入在1001~4000元之间。其中，女性被访者的数量大于男性。

表2 多变量交叉频数表

月收入* 年龄* 性别Crosstabulation

（三）平行变量频数分析

由表3可以看出，中华和佳洁士之间，消费者愿意向朋友推荐为“同意”的分别占30.8%，和32.8%，说明消费者更愿意向朋友推荐佳洁士；消费者牙膏的第一选择为“一般”的两者都占了41.0%，说明两者在选择上基本持平；而中华牙膏的品牌升级为“不同意”的占23.1%，佳洁士占19.7%，说明中华的品牌升级要比佳洁士困难。

表3 平行变量频数报表

（四）单样本均值检验分析

由表4-2显示的结果来看，该变量均值假定为93，t检验的显著水平Sig＜0.05，表示均值与假定水平不相等，均值差的点估计为-89.04，表示与之前相比，该品牌并非物有所值。此外，该表还给出了均值差异的95%置信区间。

表4-1 单样本均值检验的样本统计量

One-Sample Statistics

表4-2 单样本均值检验结果表

One-Sample Test

（五）饼图分析

由图5可以看出，购买牙膏时，首先考虑的因素是“品牌”，占55%；其次是“功能”， 占了33%；再其次是“价格”，占了10%，主要考虑这三个因素，其中品牌是首选因素，从 可以看出消费者对于品牌的重视。

图5 购买牙膏的首选因素

（六）分层条形图分析

由图中可以得出，受访者中女性与男性相比，高中以下的学历男性百分比比女性要高； 而专科学历女性百分比比男性百分比高；本科学历也是女性百分比比男性百分比高。

P e r c e n t

图6 分层条形图

（七）方差分析

由表7-1显示的数据结果看，Sig＜0.05，表示方差不齐，最好用非参数检验。

由表7-2显示的数据结果看，Sig＜0.05，表示方差主要来自组间，即不同教育程度的人使用固定牙膏品牌存在显著差异。

由表7-3显示的数据结果看，教育程度越高的人越倾向于使用固定品牌的牙膏，反之，教育程度不高则会更换。

表7-1 方差齐性检验结果表

表7-2 单向方差检验结果表

表7-3 分组均值对比表

（八）相关分析

由表8可以看出，与月收入显著相关的是教育程度，P＜0.05。其它均无显著差异。

表8 相关分析表

（九）因子分析

1. KMO检验表

由表9-1显示的数据来看，KMO=0.820>0.7，表示变量之间相关程度差别不大，Sig<0.05，表示变量之间独立性检验是显著的，即变量之间不是独立的，总的来看，因子分析将会有比较好的效果。

表9-1 KMO and Bartlett's Test

2. 共同度表

由表9-2显示的数据来看，用重构的6个因子，对原来10个因素的方差解释程度都超过了85.9%，解释效果好。

表9-2 munalities

Extraction Method: Principal ponent Analysis.

3. 特征值表

由表9-3显示的数据来看，提取6个公因子，其对应的各个公因子的特征值在0.510以上，累计方差解释能力为86.739%，这表示提取6个因子是恰当的，6个因子从原始数据中提取的信息比较充分。

Extraction Method: Principal ponent Analysis.

4. 主成分系数表

由表9-4显示的数据来看，第一个公因子主要由经常看到广告、周围的人常提起两个项目构成，该因子可简称为广告提起率；第二个公因子主要由款式和多系列供选择两个项目构成，该因子可简称为多系列款式；第三个公因子主要由有能力推出新产品、使用很舒适两个项目构成，该因子可简称为新产品使用情况；第四个公因子为信誉；第五个公因子为品牌；