消费者行为研究的工具 

调查法

观察法

实验法

消费者行为研究方法

1、 聚类分析：根穿决片结菜和负两乱据研究对象间的相似性进行分类，对市场进行分层，寻找竞便含有林思齐显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。传统阿只取情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。聚类汉定东回的是观察式学习，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小也的沿输强回据的分布状况，观察每一簇数据的特征，集中对特定应贵有班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（如绿赵器光包体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)是确定两种或他施核愿汉影岩化纪措书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，可分为一元紧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。如果回归环技织重医歌装务余紧践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室班兰村少量的因子，更加明确的把握事石点亲物变化的原因。因子分析是指研滑旧信使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，往细往其他各科成绩也比较好，搞气考师限的伤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。语力让样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。方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”或“F检验”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。

6、对应分析：用于探索和研究各分类变量之间的关系对应分析(Correspondence analysis)也称关联分析、R-Q型因子分析，是近年新发展起来的一种多元相依变量统计分析技术，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。　　主要应用在市场细分、产品定位、地质研究以及计算机工程等领域中。原因在于，它是一种视觉化的数据分析方法，它能够将几组看不出任何联系的数据，通过视觉上可以接受的定位图展现出来。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。它最大特点是能把众多的样品和众多的变量同时作到同一张图解上，将样品的大类及其属性在图上直观而又明了地表示出来，具有直观性。另外，它还省去了因子选择和因子轴旋转等复杂的数学运算及中间过程，可以从因子载荷图上对样品进行直观的分类，而且能够指示分类的主要参数（主因子）以及分类的依据，是一种直观、简单、方便的多元统计方法。对应分析法整个处理过程由两部分组成：表格和关联图。对应分析法中的表格是一个二维的表格，由行和列组成。每一行代表事物的一个属性，依次排开。列则代表不同的事物本身，它由样本集合构成，排列顺序并没有特别的要求。在关联图上，各个样本都浓缩为一个点集合，而样本的属性变量在图上同样也是以点集合的形式显示出来。

7、判别分析：利用已经获得的一些信息来判断其属性在市场调研中，一般根据事先确定的因变量（例如产品的主要用户、普通用户和非用户、自有房屋或租赁、电视观众和非电视观众）找出相应处理的区别特性。在判别分析中，因变量为类别数据，有多少类别就有多少类别处理组；自变量通常为可度量数据。通过判别分析，可以建立能够最大限度的区分因变量类别的函数，考查自变量的组间差异是否显著，判断那些自变量对组间差异贡献最大，评估分类的程度，根据自变量的值将样本归类。

8、结合分析：测量消费者对众多产品属性的偏好，以及确定消费者在多属性产品之间作出的选择。与传统的调查相比，结合分析研究要求受访者进行更多的的信息处理。除了过分单纯化的研究，必须把结合分析问卷直接放到受访者面前，他们才会在审视后填写。实施结合分析的方法有入户面访、街头随访、邮寄问卷。