如何创建用户模型:问卷调查与数据分析(2)_数据分析师考试
二、数据处理 数据的常规处理
对于刚才得到的数据,可以进行常规的处理。即求出平均值或者份额进行相应比较分析,所得到的结果如下。
对于样本量为10的上述调查结果经计算,细心护理型占50%,粗放型30%,异常数据20%。
变量性问题平均值:
对于各个角色均值数据如下:
从上述数据结论可知,对呀B1-B4问题,两个用户角色观点相差不大。但是对于B5(产品交互)问题粗放型用户比细心护理型用户更为重视。
经过对建议性问题分析结果可以得到如下图表:
由此可得出结论,细心护理型用户对email的要去较为强烈;粗放型的用户倾向与写信的方式。对于添加的服务项,这两种角色均有需求。
综上所述,我们只是举了一个非常非常2b又简单的例子来说明构建用户模型的方法,实验的样本量也很小。这个简单的例子可以说明基本方法,要真正应用到自己的case中,还需要认真研究分析。
多元回归方法分析用户模型
对于数学好的童鞋,可以给出一种多元回归统计的方法来分析我们得到的数据。这里写的并不详细,也没听提供假设检验,望高手多多指点交流。我们仅用多元回归方法来分析变量性问题的结果。
我们的例子提出了5个变量性问题,所以要回归的线性方程具有5个变量,形式如下:
Y=b0+b1x1+b2x2+b3x3+b4x4+b5x5
我们的目的就是要对b0、b1、b2…b5计算出估计量。
写成矩阵的形式为Y=BX
其中Y为综合满意度数据
使用MATLAB中的regress(y,x)可以对B进行多元回归,结果如下:
(这里没有进行假设检验等,大家可以自行完善)
>> y=load('C:\Users\ydbj0017\Desktop\y.txt')
y =
90
85
77
81
70
78
89
91
90
80
>> x=load('C:\Users\ydbj0017\Desktop\x.txt')
x =
1 80 95 79 78 67
1 87 66 60 89 78
1 97 77 87 69 90
1 88 98 65 75 68
1 78 83 63 73 76
1 73 75 88 80 95
1 78 98 63 66 97
1 77 74 87 66 69
1 90 88 67 87 78
1 88 78 67 79 60
>> regress(y,x)
ans = %这个就是估计矩阵B
51.4213 %b0
-0.0868 %b1
0.2210 %b2
0.1407 %b3
0.2041 %b4
-0.0671 %b5
b0为常数,对变量没有影响,剩余对应相应的变量问题。由此可见B2问题是全部用户对整体评价中权重最大的因素。
数据分析咨询请扫描二维码