消费者行为研究方法的基本内容

研究是探寻消费者行为规律、消费行为发生的原因、影响因素以及消费者行为之间的关系,研究不是毫无目的的收集消费行为方面的事实和信息,也不是不加解释地拼凑和记录消费行为的事实和信息 而我们消费者行为研究的目的是去发现,去系统的收集数据资料、并系统的收集解释数据资料

现代消费者行为研究(市场调查doc.guandang.net中的一个重要环节)以实证主义方法为主流，实证主义的研究方法源于自然科学，包括实验、调查、观察法，其结果是对比较大的总体进行描述、检查和推理，收集的数据是量化的实际数据，并利用计算对它进行统计分析。

研究是探寻消费者行为规律、消费行为发生的原因、影响因素以及消费者行为之间的关系，研究不是毫无目的的收集消费行为方面的事实和信息，也不是不加解释地拼凑和记录消费行为的事实和信息 而我们消费者行为研究的目的是去发现，去系统的收集数据资料、并系统的收集解释数据资料。 我们如何设计研究方法

要定义所需要的信息有哪些，进而思考和说明测量工具的设计程序；设计调查问卷、访谈表、或者其它数据资料收集表格，并进行预测调查；最后我们要制定数据分析计划。

数据资料收集的具体方法有：调查法、观察法、实验法

消费者行为研究方法分析

1、 聚类分析：

根据研究对象间的相似性进行分类，对市场进行分层，寻找竞争对手

从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如SPSS、SAS等。 从机器学习的角度讲，簇相当于隐藏模式。聚类是搜索簇的无监督学习过程。与分类不同，无监督学习不依赖预先定义的类或带类标记的训练实例，需要由聚类学习算法自动确定标记，而分类学习的实例或数据对象有类别标记。聚类是观察式学习，而不是示例式的学习。 从实际应用的角度看，聚类分析是数据挖掘的主要任务之一。而且聚类能够作为一个独立的工具获得数据的分布状况，观察每一簇数据的特征，集中对特定的聚簇集合作进一步地分析。聚类分析还可以作为其他算法（如分类和定性归纳算法）的预处理步骤。

2、 回归分析：

寻找某些事物的影响因素及其描述其影响程度。还可用于对某些事物的预测。

回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

3、 因子分析：

从众多的观测变量中找到具有本质意义的少量的因子，更加明确的把握事物变化的原因。

因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。

4、 相关分件：

研究各变量间关系的密切程度。

相关分析（correlation analysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。

5、差异性检验和方差分析：

分析和检验不同类别或变量间是否存在显著差异

方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显著影响的变量。