按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
录像机回答者数量（个）百分比（％ ）
有 185 37 无 315 63 总和 500 100
EMBED Word。Document。6 s（2 ）平均值分析。对有些问题特别是有关被调
查者态度的问题的回答常需用某个简单数据，如样本平均值来进行描述。表5。4
中描述了人们对与录像机有关问题的看法的平均情况。问题中使用了赖克梯量度
（完全同意7 ——完全不同意1 ）。第一栏数据给出了500 位被调查者回答的总
平均值。
结果表明，总的来说被调查者认为家庭需要录像机；录像机目前的价格太贵
；对国产录像机的质量稍有不信任感。而按家庭是否有录像机来分，被调查者的
回答又有一定差别（见表中其它几栏数据）。与家庭没有录像机的被调查者相比，
有录像机的被调查者偏向于认为录像机是必需品，不那么认为录像机价格太贵。
对国产录像机的评价也较高。
平均值总平均差别陈述有录像机无录像机1。录像机是必需品 4。6 5。6 4。0 1。6
2。目前录像机价格太贵 5。3 4。1 6。0 …1。9 3。国产录像机质量尚可 3。9 4。2 3。7
0。5 样本大小 500 185 315
在对每个问题进行分析时是使用频率分布分析还是平均值分析，视具体情形
而定。一般来讲频率分布分析能提供较多的信息，而平均值分析只能以一个数据
表达总的综合情况而反映不了某些回答的极端情况。因此在计算平均值时也常要
求计算出标准差。频率分布分析在对潜在的顾客进行分类或市场分片时很有用。
另外对使用类别尺度的问题也只能使用频率分布分析。而平均值分析则多用于对
态度测量问题的分析。
2。多问题和多因素的综合分析——横列表法资料分析的第二步是对每个单个
问题针对不同的被调查者类型（或其它不同因素进行分解分析，因为在比较的情
况下会使对结果的分析更有意义。
对被调查者的分类有各种方法，如按产品的使用者与非使用者，高等收入、
中等收入与低等收入，不同教育程度，乡下与城市等对顾客进行分类。
如果最初的分析涉及到频率分布分析，则进一步的分析应使用横列表法。下
面对横列表法进行介绍。
横列表法的开始就是形成一维的数据，然后把这些数据分成两个或多个类目。
所使用的类目必须基于研究的目的。当然有些类目也可能是出于研究者直觉上的
考虑以便寻求某些可能的联系。下面是一个描述横列表法应用的例子。
（1 ）横列表法的应用举例。某保险公司对影响保险户开车事故率的因素进
行调查，并对各种因素进行了横列表分析。从初始表（表5。5 ）中可以
看出有61％的保险户在开车过程中队未出现过事故。
表5。5 驾车者的事故率
百分比（％ ）
开车时无事故 61 开车时至少经历一次事故 39 样本数量（人） 17800
然后在性别基础上分解这个信息，判断是否在男女驾车者之间有差别。这样
就出现了下面这种二维的表（表5。）。6 表5。6 男女驾车者的事故率男（％ ）女
％ 开车时无事故 56 66开车时至少有一次事故 44 34样本数量（人） 9320 8480
这个表的结果令男士懊恼，因为他们的事故率要高，也表明女士驾驶车时涉
及事故的人数较男的要少。但人们会提这样的疑问而否定上述判断的正确性，即
男的事故多，是否因为他们驾驶的路程较长。这样就引入第三个因素“驾驶距离”
（表5。7 ）。
表5。7 不同驾驶距离下的事故率男（％ ）女（％ ）
驾驶距离＞1 万公里＜1 万公里＞1 万公里＜1 万公里开车时无事故51 73
50 73 开车时至少49 27 50 27 有一次事故样本数量（人） 7170 2150 2450 6050
表5。7 的结果表明，男驾驶者的高事故率是由于他们的驾驶距离比女的长，
并没有证明男的或者是女的驾驶得更好或更仔细。结果仅证明事故率只跟驾驶的
距离成正比而与驾驶者的性别无关。
（2 ）横列表中使用因素的选择。上面的例子说明横列表使用的成功，取决
于研究者选择关键因素以及根据这些因素组成横列表的能力。使用的因素的类型
和数量随着研究的性质而变化。在简单的事实收集研究中，要考虑的因素是已知
的，研究者只不过是把资料按需要的形式组合。如研究武汉市拥有彩电的家庭，
要使用的因素比较明确，即彩电的拥有与家庭人员的年龄、收入、职业的关系。
在描述性的研究中，研究者有较大的范围来选择这些因素。例如某大公司想
判断有哪些关键因素影响着它的销售人员的能力。这些因素可能包括销售员的年
龄、经历，或许还有在学校里学的课程、参加社交活动的次数等等。
在这种情况下，横列表中要用的因素取决于研究委托人的要求和研究者直观
的探索。
在探索性的研究中，研究者可凭直觉选择所有的用于横列表的因素。例如在
研究消费者时，研究者自由选择那些可能会景响购买偏好的因素（年龄、性别、
生活方式、收入、教育等）。
但不管研究者有多大的自主权来选择用于横列表中的因素，这些因素的选择
都应当在资料收集之前就已决定。这并不是说其它因素不可增加进去，只是因为
横列表分析只能基于有数据基础的因素上进行。
（3 ）从横列表里发现含义。使用横列表的目的是发现可能存在于某些因素
之间的联系。下面再举例说明。
假设一研究课题为调查某小镇居民看电影的习惯而选择了1000个居民样本
（年龄大于12岁）作为调查对象。研究结果表明26。7％的人是有规律的看电影者
——每月两次以上（见表5。8 ）。
表5。8 居民看电影的习惯百分比（％ ）样本量（人）％ 常看 26。7 267 不常
看 73。3 733 总和 100 1000
已假设大学生与非大学生居民相比是常看电影者。因此这些资料可以分解为
下面的表格（表5。9 ）。表5。9 大学生与非大学生居民看电影的习惯大学生非大
学生常看 37％ 21％不常看 63％ 79％样本量（人） 350 650
表5。9 表明大学生看电影和习惯与非大学生居民不同。但在我门接受这个结
论之前，还要问“年龄对看电影的习惯是否有影响？”表5。10列出了年龄对看电
影习惯的影响。
表5。10年龄对看电影习惯的影响≤23岁＞23岁常看 35％ 20％不常看 65％ 80％
样本量（人） 450 550
当引入年龄这个因素时，就很明显地发现年龄是影响看电影习惯的关键因素，
即常看电影的多是年轻人。这义涉及到下面的问题“大学生是因为年轻而多看电
影还是由于年轻人进大学才多看电影？”（见表5。）。11
≤23岁＞23岁样本量（人）
大学生非大学生大学生非大学生常看 36％ 34％ 22％ 20％ 267不常看 64％ 66％
78％ 80％ 733 样本量（人） 270 180 77 473 1000
上表表明大学生常看电影是因为大学生年龄多在23岁以下。而进大学与年龄
相比是影响看电影频率的第二位因素，年龄是决定看电影习惯的关键因素。
（4 ）同步分析与顺序分析。表5。9 和表5。10中提出的资料是顺序分析的例
子，即一次解释一个因素的影响。而表3。11则提供了同步分析的例子，即同时分
析两个以上的因素。顺序分析常会引起令人误解的结果而同步分析则可辨别上述
这些误解。
下面要谈谈相关性问题。当一个因素自然地影响到另个因素时，相关性就存
在。例如企业研究职工婚姻状况与旷工次数的关系。第一个横列表分析可能会发
现结婚的妇女比单身女工更容易旷工，第二个分析则可能表明另一关键影响因素
是妇女的家务事即孩子、家务活等。所有这三个因素可以放在一起，即结婚的妇
女比单身的妇女有更多的家务责任，并且有较多家务责任的妇女有较高旷工率。
用符号表示就是F1（婚姻）→F2（家务事）→F3（较大旷工率）。这种转变关系
是真正的相关关系，但这个过程不能倒过来，即较高的旷工率并不导致较多的家
务责任。
而在前面讨论的学历、年龄与看电影频率的例子中，这种过程就不存在，因
为上大学并不能导致年龄。而年龄是决定看电影次数和上大学的关键因素。假关
系涉及到多重方向，从而使某些关系具有假相关性。
（5 ）横列表的局限性。横列表法有两个局限性。一是如果有好几个因素要
考虑，就需要相当大的样本；二是很难确保所有的有关因素已进行了分析。如果
因素选择得不适当，就会得出错误的结论。即使是因素选择得正确，研究者也许
会使用不当，从而也不能找到真实的关系。
□计算百分率百分率的第一个用处在表示一种关系，例如市场调查结果显示，
在2000个家庭中，有500 个拥有彩色电视机，在调查报告中，如只列出500 个家
庭的数字，事实上并无多大意义，只有列出在2000个家庭中拥有彩色电视机数目
的百分率（即25％）时，才具有意义，使读者对彩色电视机的拥有率具有清晰概
念：百分率的第二个用处乃在比较两类与两类以上资料间的相对关系，例如：表
5。12拥有彩色电视机住户数目的分布
拥有24吋彩色拥有19吋彩区 ％ ％电视机住户数目电视机住户数目Ⅰ 4，000
4。4 8 ，000 8。6 Ⅱ 8，000 8。9 10，000 10。7Ⅲ 14 ，000 15。6 20 ，000 21。5
Ⅳ 26 ，000 28。9 30 ，000 32。3Ⅴ 38 ，000 42。2 25 ，000 2。69
90，000 100。0 93，000 100。0
在上表中，如果要比较24时与19时彩色电视机�