嗨嗨~~我是準備今年五月再次衝刺iPAS品牌企劃師考試的Haruhii！
這個系列篇章是我刷題後發覺自己比較容易混淆、記錯的知識領域，也是預備考前再次快速瀏覽的記憶點。如果你也正在準備這個考試，一起來攻克考試難點吧！高階統計應用
- 定義： 在行銷研究中，用於處理多變數資料、縮減數據複雜度或進行預測的進階數學模型，包含因素分析、集群分析、迴歸分析與多元尺度分析 (MDS)。
- 脈絡來源： 源於企業面對大量消費者調查資料（如生活型態問卷）時，無法僅憑單一變數進行決策，需透過統計技術找出「潛在構面」或「市場區隔」。
- 相關詞條：
- 因素分析 (Factor Analysis)：用於「化繁為簡」，將數十個問項縮減為少數關鍵因素。
- 集群分析 (Cluster Analysis)：用於「市場區隔」，將受訪者依特徵歸類。
- 迴歸分析 (Regression Analysis)：主要目的在於探討自變數（獨立變數，X）對依變數（反應變數，Y）的影響力與解釋力。
- 多元尺度分析 (MDS)：是一種將受訪者對標的物（如品牌）的知覺或偏好，轉化為空間位置的技術，常用於建立品牌知覺定位圖 (Perceptual Map)。
- 方便記憶的訣竅： 「因素」縮減變數，「集群」凝聚人群，「迴歸」虛擬要-1，MDS做地圖。。
- 實例： 品牌經理將 30 個生活型態問項先進行因素分析得出三個維度，再依此分數進行集群分析將顧客分為「冒險型」與「保守型」兩群人。
【練習題】
- 若欲分析「地區（北、中、南、東四區）」對購買量的影響，在迴歸分析中應設定幾個虛擬變數？ (A) 1 個 (B) 3 個 (C) 4 個 (D) 無法使用。
答案：(B) - 關於統計技術的應用順序，下列何者最常被用來作為「集群分析」的準備工作？ (A) 利用迴歸分析預測銷售 (B) 利用因素分析產生的分數作為準則變數 (C) 先做卡方檢定 (D) 先做 t 檢定。
答案：(B)
不想再零散亂亂讀？250題實戰刷題簿，讓你一次補齊 iPAS品牌企劃師 關鍵考點
補充1：回歸分析(Regression Analysis)
- 核心功能與類型：
- 解釋與預測：分析如年齡、所得等連續變數是否能「顯著解釋」消費者購買某一品牌產品的行為。
- 簡單線性迴歸：僅有一個自變數（如：y=a+bx），用於計算預測值。
- 複迴歸分析：包含多個自變數，若判定係數 (R2) 越高，代表模式的配適度越好。
- 多項式羅吉斯迴歸：當依變數為類別變數（如：最常購買的品牌）時適用。
- 關鍵操作與假設：
- 最小平方估計法：其原理是尋求一組迴歸係數，使「觀察值」與「估計值」之間的誤差平方和最小。
- 三大假設：分析前需符合變數常態性、變異數同質性（一致性）以及時間獨立性。
- 虛擬變數 (Dummy Variables)：處理類別資料（如：性別、地區）時需編碼為 0 與 1。虛擬變數的個數應為「類別數 k−1」。
補充2：多元尺度分析 (MDS)
- 核心功能與資料來源：
- 視覺化定位：將品牌以「點」的形式標示在平面圖中，點與點之間的距離越近，代表兩品牌在消費者心中的相似度越高。
- 資料格式：可處理受訪者對「兩兩品牌喜愛程度」的比較資料。
- 屬性軸：圖中由原點射出的軸線代表評估準則（如：價格、品質）。若兩偏好軸夾角為 90 度，代表兩屬性相互獨立。
- 應用限制與辨析：
- 無需區分變數類型：與迴歸分析不同，MDS 不必將研究變數分為應變數及自變數。
- 適用範圍：適用於分析市場區隔、評估廣告是否達成定位目標；但不適用於分析「價格是否會影響購買意圖」，後者應使用迴歸分析或變異數分析。
感謝您耐心看到這
如果這篇文章對你有幫助，可以用「請我喝珍奶」給予一些支持鼓勵喔！祝您考試順心！
