全國統一熱線:400-650-6508
千訊報告庫 > 研究方法

 PEST分析模型
    PEST 是一種企業所處宏觀環境分析模型,所謂PEST即Political(政治),Economic(經濟),Social(社會)和Technological(科技)。這些是企業的外部環境,一般不受企業掌握,這些因素也被戲稱為“pest(有害物)”。

 SWOT分析法
    SWOT是一種戰略分析方法,通過對被分析對象的優勢、劣勢、機會和威脅的綜合評估與分析得出結論,通過內部資源、外部環境有機結合來清晰地確定被分析對象的資源優勢和缺陷,了解所面臨的機會和挑戰,從而在戰略與戰術兩個層面加以調整方法、資源以保障被分析對象的實行以達到所要實現的目標。
    SWOT分析法又稱為態勢分析法,也稱波士頓矩陣,它是由舊金山大學的管理學教授于20世紀80年代初提出來的,是一種能夠較客觀而準確地分析和研究一個單位現實情況的方法。
    SWOT分別代表:strengths(優勢)、weaknesses(劣勢)、opportunities(機會)、threats(威脅)。

 波特五力分析模型
    五力分析模型是邁克爾·波特(Michael Porter)于上世紀80年代初提出,對企業戰略制定產生全球性的深遠影響。用于競爭戰略的分析,可以有效的分析客戶的競爭環境。五力分別是: 供應商的討價還價能力、購買者的討價還價能力、潛在競爭者進入的能力、替代品的替代能力、行業內競爭者的競爭能力。

 時間序列分析法
    時間序列法是一種定量預測方法,亦稱簡單外延方法。在統計學中作為一種常用的預測手段被廣泛應用。時間序列通常有以下三種方法:
    1、方法一:把一個時間序列的數值變動,分解為幾個組成部分,通常分為:
    (1)傾向變動,亦稱長期趨勢變動T;
    (2)循環變動,亦稱周期變動C;
    (3)季節變動,即每年有規則地反復進行變動S;
    (4)不規則變動,亦稱隨機變動I。
    最后再把這四個組成部分綜合在一起,得出預測結果。
    2、方法二:把預測對象、預測目標和對預測的影響因素都看成為具有時序的,為時間的函數,而時間序列法就是研究預測對象自身變化過程及發展趨勢。
    3、方法三:根據預測對象與影響因素之間的因果關系及其影響程度來推算未來。與目標的相關因素很多,只能選擇那些因果關系較強的為預測影響的因素。

 回歸分析法
    所謂回歸分析法,是在掌握大量觀察數據的基礎上,利用數理統計方法建立因變量與自變量之間的回歸關系函數表達式(稱回歸方程式)。
    回歸分析中,當研究的因果關系只涉及因變量和一個自變量時,叫做一元回歸分析;當研究的因果關系涉及因變量和兩個或兩個以上自變量時,叫做多元回歸分析。此外,回歸分析中,又依據描述自變量與因變量之間因果關系的函數表達式是線性的還是非線性的,分為線性回歸分析和非線性回歸分析。通常線性回歸分析法是最基本的分析方法,遇到非線性回歸問題可以借助數學手段化為線性回歸問題處理。回歸分析法預測是利用回歸分析方法,根據一個或一組自變量的變動情況預測與其有相關關系的某隨機變量的未來值。進行回歸分析需要建立描述變量間相關關系的回歸方程。根據自變量的個數,可以是一元回歸,也可以是多元回歸。根據所研究問題的性質,可以是線性回歸,也可以是非線性回歸。非線性回歸方程一般可以通過數學方法為線性回歸方程進行處理。

 因子分析法
    因子分析的基本目的就是用少數幾個因子去描述許多指標或因素之間的聯系,即將相關比較密切的幾個變量歸在同一類中,每一類變量就成為一個因子(之所以稱其為因子,是因為它是不可觀測的,即不是具體的變量),以較少的幾個因子反映原資料的大部分信息。運用這種研究技術,我們可以方便地找出影響消費者購買、消費以及滿意度的主要因素是哪些,以及它們的影響力(權重)運用這種研究技術,我們還可以為市場細分做前期分析。

 相關分析
    相關分析(correlation analysis),相關分析是研究現象之間是否存在某種依存關系,并對具體有依存關系的現象探討其相關方向以及相關程度,是研究隨機變量之間的相關關系的一種統計方法。

 聚類分析
    聚類分析指將物理或抽象對象的集合分組成為由類似的對象組成的多個類的分析過程。它是一種重要的人類行為。聚類分析的目標就是在相似的基礎上收集數據來分類。聚類源于很多領域,包括數學,計算機科學,統計學,生物學和經濟學。在不同的應用領域,很多聚類技術都得到了發展,這些技術方法被用作描述數據,衡量不同數據源間的相似性,以及把數據源分類到不同的簇中。
    從統計學的觀點看,聚類分析是通過數據建模簡化數據的一種方法。傳統的統計聚類分析方法包括系統聚類法、分解法、加入法、動態聚類法、有序樣品聚類、有重疊聚類和模糊聚類等。采用k-均值、k-中心點等算法的聚類分析工具已被加入到許多著名的統計分析軟件包中,如SPSS、SAS等。
    從機器學習的角度講,簇相當于隱藏模式。聚類是搜索簇的無監督學習過程。與分類不同,無監督學習不依賴預先定義的類或帶類標記的訓練實例,需要由聚類學習算法自動確定標記,而分類學習的實例或數據對象有類別標記。聚類是觀察式學習,而不是示例式的學習。
    從實際應用的角度看,聚類分析是數據挖掘的主要任務之一。而且聚類能夠作為一個獨立的工具獲得數據的分布狀況,觀察每一簇數據的特征,集中對特定的聚簇集合作進一步地分析。聚類分析還可以作為其他算法(如分類和定性歸納算法)的預處理步驟。

老神马马圈免费