SPSS常用商业数据分析方法及案例

SPSS常用商业数据分析方法7种，包含聚类分析、相关分许、回归分析、主成分分析、因子分析、DEA分析等。

SPSS常用商业数据分析方法及案例

• 1.数据预处理
  • 描述：收集数据后，需进行数据预处理才可进入模型分析阶段，预处理部分包括筛出极端值、处理缺失值，简单操作、数据标准化等
  • 拆分文件
    • 输入：选择【数据】-【拆分文件】-勾选【比较组】，【按分组变量排序文件】
    • 输出：SPUT FILELAYERED BY （变量名） ，【即为操作完成】
  • 合并文件
    • 输入：选择【数据】-【合并文件】-置入外部.sav文件-【添加个案(样本)】【添加变量(指标)】
• 数据描述
  • 数据标准化
    • 目的是让原始数据统一量纲，也就是统一衡量标准/单位，从而体现为显现一个以均值为0，标准差为1正态分布的数据。尤其是商业调研数据，不同个体对同一事物的判断标准不同，尽管结果一样但单位不一致，例如销售数据结果都是10件商品，但可以是1天销售量，也可以是1秒销售量，所以需要先做【数据标准化】才可以进一步分析。
    • 【zscore标准化】，也叫【0-1标准化】
      • 输入：选择【分析】-【描述】-选择变量-勾选【将标准化得分另存为变量】
      • 输出：【数据标准化处理】表单中的E(x)=0，标准差=1
  • 描述性统计：连续变量统计【均值、标准差】，离散变量统计【频数】【百分比】
  • 信度分析
    • 说明：用来判断此份数据通过分析得到的结论是否可靠，关键看【克隆巴赫系数】，0.8以上即为可靠，越接近1越好
    • 输入：【分析】-【质量】-【可靠性分析】选题目-statistics-勾选【项/平均值/相关性】
    • 输出：《可靠性统计》表单-克隆巴赫系数（越接近于1，信度越好，一般(0.8以上就合格)，说明题目设计的比较科学）
  • 效度分析
    • 说明：用来判断此份数据是不是可靠，表示是否测到了想测的内容，关键看【KMO】，0.8以上即为可靠，越接近1越好
    • 输入：【分析】-【降维】-【因子分析】勾选全部变量
    • 输出：1.《相关系数矩阵》表单【显著性(单尾)】接近0，表示显著相关；2.《KMO和巴赫利特检验》表单【KMO】>0.8说明效果合格，越接近1越好；3.《总方差解释》用来看有几个因子，共解释XX%；4.《成分矩阵》表单用来判断那些题目对应哪个因子，在哪个主成分上得分更高，就属于哪个主成分。
• 聚类分析
  • 聚类分析用于将样本进行分类处理,通常是以定量数据作为分类标准;用户可自行设置聚类数量,如果不进行设置,系统会提供默认建议;通常情况下,建议用户设置聚类数量介于3~6个之间。
  • 案例1：根据网购满意度情况判定,当前市场上共有几类人群?比如满意度差,一般,满意度高三类人群
  • 案例2：RFM Clustering用户细分模型
    • RFM模型用于分析客户价值，它需要提供三项数据，分别是最近一次消费 (Recency)，消费频率 (Frequency)，和消费金额 (Monetary)。最近一次消费指研究时间点减去用户最近一次消费的时间，得到的gap时间值，单位上是天或月或周或年均可，以实际业务情况为准。消费频率是研究数据范畴内用户的消费次数，消费金额指研究数据范畴内用户的消费总计金额。RFM的原理在于将RFM这三项数据进行分类，首先是分成1~5分计分方式，然后接着将1~5分计分方式按平均值大小分成两类群体（高价值和低价值群体）。最后RFM分别为两类群体即2*2*2=8种组合，8种组合对应着8类价值人群，最终结合此8类价值人群提供有针对性的营销策略。
    • 第1步是将数据转换成1~5分计分方式（转化后分值越高代表价值越高），SPSSAU默认是按20%/40%/60%/80%分位数将数据计为1~5分。第2步是将1~5分值，按分别对应的平均值进行划分，划分为0和1，数字0代表低价值群体，数字1代表高价值群体。最后将RFM的组别建立组合，共计2*2*2=8种组合，即8种用户类型，
• 差异检验
  • T检验
    • 独立样本T检验
      • 理论：t 检验时研究X对Y的差异性，其中X为定类数据，Y为定量数据。t 检验时分析时，首先分析p 值，如果此值小于0.05，说明呈现出差异性；具体差异再对比平均值即可。如果p 值大于0.05则说明没有差异性产生。t 值属于中间过程值，想要计算p 值，一定要先计算t 值，
      • 案例：不同群体对同一指标的差异
        • • 使用t 检验去研究性别分别与“淘宝客服服务态度”，“淘宝商家服务质量”这两项的差异关系，结果显示，不同性别群体样本对于“淘宝客服服务态度”，“淘宝商家服务质量”均呈现出显著性差异(p <0.05)。具体对比可知：不同性别人群对于“淘宝客服服务态度”呈现出0.01水平的显著性差异差异态度（t =-6.86,p =0.00 <0.01）,具体通过平均值对比差异可知：相对男性群体，女性群体对于 “淘宝客服服务态度”的认可态度会越高。不同性别人群对于““淘宝商家服务质量”” 呈现出0.01水平的显著性差异（t =-6.13,p =0.00 <0.01）,具体通过平均值对比差异可知：相对男性群体，女性群体对于，他们对于““淘宝商家服务质量””的认可态度会越高。
    • 单样本T检验
      • 单样本T检验是比较某个题项的平均得分是否与某数字(例子是与3进行对比)有着明显差异，如果呈现出显著性差异，即说明明显该题项平均打分明显不等于3.
  • 方差分析
    • 说明：根据X的不同，方差分析可进行细分。X个数为1个时，称之为单因素方差；X为2个时为双因素方差；X为3个时则称作三因素方差，依次下去。当X超过1个时，统称为多因素方差。
  • 卡方检验
    • 概念：用于分析定类数据与定类数据之间的关系。例如研究人员想知道两组学生对于手机品牌的偏好差异，则应该使用卡方分析。卡方是通过分析不同类别数据的相对选对频数和占比情况，进而进行差异判断，单选题或多选题均可以使用卡方分析进行对比差异分析。
    • 案例：研究化妆情况(全妆，淡妆，不化妆)与外出情况(出，不出)之间的差异性，调查100个样本。
• 相关分析
  • 概念
    • 相关分析使用相关系数表示分析项之间的关系;首先判断是否有关系(有*号则表示有关系,否则表示无关系);接着判断关系为正相关或者负相关(相关系数大于0为正相关,反之为负相关);最后判断关系紧密程度(通常相关系数大于0.4则表示关系紧密);
    • 分类：1.【按程度】分为：完全相关、(完全)不相关、不完全相关；2.【按方向】分为：正相关、负相关；3.【按形式】分为：线性相关、非线性相关
    • 重点：p 值（也称显著性值或Sig值），对于相关分析，一般规范的表格格式是：p 值使用*号表示（标识在相关系数的右上角），p < 0.01使用2个*号表示；p < 0.05使用1个*号表示
  • 案例
    • 案例1：客户满意度
      • 例如想研究“客服服务态度”，“商家服务质量”分别与“商家满意度”，“客户忠诚度”之间的关系情况，此句话中明显的可以看出“客服服务态度”，“商家服务质量”这两项为X ；而“商家满意度”，“客户忠诚度”这两项为 Y
      • • 结果分析：商家满意度”分别与“客服服务态度”，“商家服务质量”之间均呈现出显著性(p <0.01)，并且相关系数值均高于0.7，说明“商家满意度”分别与“客服服务态度”，“商家服务质量”之间均有着非常紧密的正向相关关系。类似的，“忠诚度”分别与“客服服务态度”，“商家服务质量”之间也会有着非常紧密的正相关关系，相关系数值分别是0.673和0.606。
    • 案例2：营销组合矩阵
      • 用于确定市场归因，计算每个市场营销渠道的预计影响，试图衡量不可估量的营销渠道（如电视、广播和报纸）的影响。
      • 相关矩阵表明，电视和销售额之间存在很强的相关性 (0.78)，广播和销售额之间存在中等相关性 (0.58)，而报纸和销售额之间存在弱相关性 (0.23)。
• 时间序列
  • 线性回归[连续变量适用]
    • 概念：首先要F 检验，如果F 值右上角有*号，说明回归分析通过F 检验，即说明这个回归分析有意义可以做。然后通常需要看以下几个指标：R ²这个值在0~1之间，越大越好，它代表回归方程模型拟合的好坏，如果为0.5，说明有50%的点的都掉在回归方程上面，这个值没有好坏之分，一般只是希望越大越好。同时VIF值代表多重共线性，所有的VIF值均需要小于10，相对严格的标准是小于5。接着分析具体X对Y的影响关系，首先判断有没有呈现出显著性，即p 值是否小于0.05，如果P <0.05则说明有影响关系，反之则说明没有影响关系。在说明已经有影响关系的前提下，具体是正向或是负向影响关系，则是通过“非标准化系数”或者“标准化系数”进行判断，大于0则说明是正向影响，反之则说明为负向影响。
    • 案例：客户忠诚度影响因素及公式
      • 背景：想研究“客服服务态度”，“商家服务质量”分别与“商家满意度”，“忠诚度”之间的关系情况，此句话中明显的可以看出“客服服务态度”，“商家服务质量”这两项为 X；而“商家满意度”，“忠诚度”这两项为 Y。
      • • 结果分析：模型通过F 检验(p <0.01)，意味着研究模型具有意义，“客服服务态度”，“商家服务质量”这两项中至少一项，会对“忠诚度”产生影响关系。模型 R ²值为0.509，意味着“客服服务态度”,“商家服务质量”这两项可以解释“忠诚度”的50.9%变化原因。以及模型公式为：忠诚度=0.723 + 0.505*客服服务态度 + 0.312*商家服务质量。另外，针对模型的多重共线性进行检验发现，模型中VIF值全部均小于5，意味着不存在着共线性问题，模型较好。具体分析可知：“客服服务态度”的回归系数值为0.505，并且呈现出0.01水平的显著性(p <0.01)，意味着“客服服务态度”会对“忠诚度”产生显著的正向影响关系。以及“商家服务质量”的回归系数值为0.312，并且呈现出0.01水平的显著性（ p <0.01），意味着“商家服务质量”会对“忠诚度”产生显著的正向影响关系。总结分析可知：“客服服务态度”，“商家服务质量”这两项全部均会对忠诚度产生显著的正向影响关系。
  • ARIMA
    • 移动平均自回归模型，是最常见的时间序列预测分析方法。利用历史数据可以预测前来的情况。
    • 案例
      • 当前已经有阿里“双十一”历年（2009~2019年）的销售数据，现希望通过历史数据预测2020年阿里“双十一”的销售额情况
      • 上表格展示本次模型构建结果，包括模型参数、Q统计量和信息准则共三项。本次模型构建时，SPSSAU自动构建出模型为：AR(3)，其模型公式为：y(t)=5008.364+1.168*y(t-1)+0.623*y(t-2)-0.816*y(t-3)。除此之外，SPSSAU还输出Q统计量值，AIRMA模型构建后一般要求模型残差为白噪声，即残差不存在自相关性，可通过Q统计量检验进行白噪声检验（原假设：残差是白噪声）；比如Q6用于检验残差前6阶自相关系数是否满足白噪声，通常其对应p值大于0.1则说明满足白噪声检验（反之则说明不是白噪声），常见情况下可直接针对Q6进行分析即可；从Q统计量结果看，Q6的p值为0.987大于0.1，则在0.1的显著性水平下不能拒绝原假设，模型的残差是白噪声，模型基本满足要求。
• DEA分析
  • 理论：数据包络分析DEA是一种多指标投入和产出评价的研究方法，其应用数学规划模型计算比较决策单元（DMU）之间的相对效率，对评价对象做出评价。比如有10个学校(即10个决策单元DMU,Decision Making Units)，每个学校有投入指标（比如学生人均投入资金），也有产出指标（比如学生平均成绩，学生奥数比赛比例等），有的学校投入多，有的学校投入少，但是投入多或少，均会有对应的产出，那么具体那个学校的投入产出更加优秀呢，诸如此类投入产出的优劣问题，则可使用数据包络DEA模型进行分析。最常见的DEA模型为CCR和BCC，此两种模型的区别在于是否假定‘规模报酬可变’，其对比如下：
  • 案例：判断(某段时间/年)企业的投入产出比更有效
    • 当前希望对天津市的城市可持续发展情况进行研究，共收集1990~1999共计10年的相关指标数据。具体说明如表格：
    • 有效性分析是指决策单元DMU的总体有效性情况，本案例使用BCC模型进行分析。从上表可以看出：1997，1998和1999这三年的数据均为‘DEA强有效’，即相对于其它年份（DMU）来讲，此3年的投入产出达到相对最有效率。
• 因子分析
  • 理论：因子分析(探索性因子分析)用于探索分析项(定量数据)应该分成几个因子(变量),比如20个量表题项应该分成几个方面较为合适;用户可自行设置因子个数,如果不设置,系统会以特征根值大于1作为判定标准设定因子个数。因子分析通常有三个步骤;第一步是判断是否适合进行因子分析;第二步是因子与题项对应关系判断;第三步是因子命名。因此分析往往是预处理，后续要根据研究目的进一步分析，如回归、聚类等等
  • 说明：因子分析分为：探索性因子分析(EFA)、验证性因子分析(CFA)。EFA是找出潜在因子(变量个数)和降维；CFA是验证对应关系
  • 探索型：【分析】-【降维】-【因子分析】-选变量，主成份分析-【抽取】特征值>1,可抽取为公共因子
  • 案例：通过因子分析，得到少量因子反应N个题目
    • 输入
    • KMO>0.6，Bartlett检验对应P值小于0.05，说明适合做因子分析；当最终确定提取的因子与题目对应后，可对提取的因子命名
  • 验证型：【分析】-【降维】-【因子分析】-描述，statistic（单变量描述，原始分析结果）相关性矩阵(系数，显著性水平)-抽取，勾选(主成份，相关性矩阵，未旋转的因子解，碎石图，特征值>1)
• 主成分分析
  • 理论：主成分分析用于对数据信息进行浓缩，比如总共有20个指标值，是否可以将此20项浓缩成4个概括性指标。除此之外，主成分分析可用于权重计算和综合竞争力研究。主成分(pca)分析通常有三个步骤；第一步是判断是否适合进行主成分(pca)分析；第二步是主成分与分析项对应关系；第三步是主成分命名.
  • 案例1：权重计算
    • 权重计算是主成分的一类应用场景，其原理在于使用方差解释率进行权重计算，方差解释率是指概括性指标(即主成分)，对应提取的信息量。如下表详细讲述：
    • 上表格显示：共10个分析项进行分析，最终提取得到三个主成分【主成分数量可自行设置】，此3个主成分方差解释率分别是58.563%,9.988%,6.558%，累积方差解释率为75.109%。即说明三个主成分，分别提取出共10项的信息量分别是58.563%,9.988%和6.558%，累积三个主成分表达10个分析项共计75.109%的信息量。通常情况下，权重加和均为100%，但这里为75.109%，此时即需要进行加权处理，即默认理解三个主成分完全表达10个分析项。加权处理方法为：方差解释率 除 累积方差解释率。本例子，三个主成分对应的加权后方差解释率即权重依次为：58.563/75.109=77.97%；9.988/75.109=13.30%；6.558/75.109=8.73%。即如果是计算权重，三个主成分的权重分别是77.97%，13.30%和8.73%。
  • 案例2：计算综合得分
    • 主成分分析还有一类非常重要的应用场景即计算综合得分，利用综合得分去对比综合竞争力情况，综合得分值越高，此时综合竞争力越强。此类应用常见于经济、管理类研究，比如上市公司的竞争实力对比。综合得分是利用“成分得分系数矩阵”，以及方差解释率进行进一步计算而得到。
• 指标相关性：经营管理
• 数据预测：战略策略预期
• 效果评估：ROI复盘、策略优化
• 群体差异：客户运营
• 找出N个核心因子并命名，再进行后续分析
• 计算竞争力综合得分
• 客户分类