对于探索性研究的数据分析存在着多种方法。我们之前学习到的是依赖方法（dependencetechniques）,它是基于检査一个变量或更多变量间的相关关系而进行数据分析的。还有些方法称为相互依赖方法（interdependencetechniques）,相互依赖方法是检查一组变量间的相互关系，且没有基于谁影响谁的假设。使用相互依赖方法就是要检查一组变量间到底有多少是相互关联的，进而把变量组缩减成几个变量，这也就是为什么一些人也把因子分析、聚类分析、维度分析等称为数据简化方法。
我们会简要地看一下因子分析、聚类分析和多维尺度法，这三种方法在市场调研和社会调研中都很有用［值得注意的是，哈里斯（1981）指出，聚类分析不应该被列为相互依赖方法，而应该属于一个单独的分类］。因子分析和聚类分析尤其在市场调研中受到欢迎,因为它们可以帮助营销者进行市场细分。市场细分是营销者在识别市场规模的基础上，按照一定的标准把消费者分成不同的组别，营销者据此可以定位自己的目标市场并更有效地进行营销活动，这个标准可能是人口统计因素、地理人口统计因素、行为因素、态度因素等。
1.因子分析
因子分析的目标在于把一大堆变量整合成几个因子，此外因子分析也广泛用于检验变量间的相关关系。例如，在一份针对消费者对电信公司所提供服务的认知感知的调研中，回答者被要求就服务的16个属性进行评级打分。因子分析就是要检验所有变量间的相关关系，并把这些变量总结成几个大的变量，这样我们就会得知到底什么是这项服务的主要感知决定因素。
因子分析也可以用于其他问题，包括产品测试研究、市场细分研究等。因子分析的目的不是用于解释或说明什么，用于因子分析的变量要求是可计量变量，但现实中，也经常使用到定序变量。
扫码关注调研家公众号，随时随地获取调研家观点
关注公众号
调研家将为您提供
一对一专业服务，根据您的项目情况，为您定制专属解决方案
Copyright © 2023 SurveyPlus 瀚一数据科技（深圳）有限公司 粤ICP备18114013号
粤公网安备44030502004015号
