
21. 如果研究有实验设计和研究设计,所以实验设计,包括所谓双盲实验、正交设计、 拉丁方格等,确定样本分组是非常精细的,有助于研究品质;但设计缺陷会造成降 低品质; 22. 处置组和对照组的设计,主要应用在传播效果、广告效果研究上,需要有设计原则 23. 实验设计也强调对其它影响因素的控制, 也就是 X 对 Y 的影响, 要控制住 Z 的干扰, 更能提高研究品质 24. 被访者的参与度(你的激励方式)也重要,一分钱一分货;我们是花钱买信息 25. 任何理由都是可解释的,但这里主要是要用术语,越专业越说行话,别人更相信, 所以解释样本量的科学性,有时候要用科学,也就是理论; 26. 因为有理论,显得有水平,因为有水平就有话语权,就有执行力!所以权威部门的 设计或出面,客户就相信了! 27. 研究过程,不断修正,比如追加样本也是解决问题的办法 28. 连续性研究,也会解决或减少对样本量的需求 29. 广告效果研究经常采用 rolling data 的方式,因为广告效果有延迟效应,每周 50 个样本,4 周一个分析,就是 200 样本,第五周分析前 4 周,第六周分析 2-5 周 数据,进行比较和检验,这是常有方法;
如何在 Excel 里实现一张图显示多系列直方图
我们在分析的时候,经常需要设计模拟器,特别是在结合分析和离散选择模型中,通过模拟 分析市场份额进行测算!当然,有时候我们特别希望根据不同的选择显示不同的数据结果, 特别是图表结果! 例如: 下面是在模拟某个汽车品牌市场竞争环境的效用值分析用到的方法, 通过选择不同的 属性,可以在统一视图下看到各个属性的水平效用值!
首先我们假设有这样一个结合分析需求(Conjoint Analysis):
通过市场调查和结合分析得到某个类别的特定效用值:
现在我们需要采用直方图(条形图)方式给出效用值图,但是如果能够整合在一起,用一 张图表述就非常方便啦!有没有解决方法呢? 其实,只要我们把这组数据进行重新排列和组合,让后利用 Vlookup 函数,就可以方便 实现! 首先,我们把数据重新组合排列: 注意:因为不同属性的水平不同,也就意味着不同直方图系列长度不一,我们需要恰当分 配和布局
然后,在蓝色单元格里分别写 Vlookup 函数语句
红色单元格,主要目的是把 0 值转换成空格,=IF(单元格=0,""该单元格) 接下来,针对红色单元格,画直方图,Lable 用前半部分,数值取后半部分,图标用最后 一列! (这要求大家在画图的时候,能够细致调整具体内部和格式) 最后,大家设计一个单选按钮选择,从视图——>窗体——>工具栏(单选按钮),将单 选按钮的链接单元格设定为 A1,上图左上角黑色的位置!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29