统计学方法在房地产市场调查中的运用.doc

统计学方法在房地产市场调查中的运用目前统计分析方法在各类市场调查中应用虽然很广泛，但技术含量大都不高，没有真正发挥各种统计方法，尤其是多元统计分析在数据挖掘、产品定位、市场细分中的重要作用。本文试通过两个实例，阐述多元统计分析方法在房地产市场调研中的实际运用。 现下国内的市场调研当中，对统计分析方法应用的结果要求不是很高，一般比较常规的消费者市场调查在数据处理上很大程度上仅限于简单而粗浅的频数分析，稍微用得多一点的是列联表分析，也即常称的交叉分析或交互分析。虽然通过这两种分析已经可以得到所想要的80的结论，但如果要做深入的项目产品定位、客户市场细分等，就必须要对调研的数据进行深入的挖掘，就得用到一些高级统计分析方法，特别是多元统计分析，如回归分析、因子分析、聚类分析、对应分析等，应用非常广泛。本文将通过两个调研实例，阐述多元统计分析方法在房地产市场调研中的实际应用。 实例1：因子、聚类分析在消费者生活形态研究中的应用 在房地产市场研究中，潜在购房者的消费观念和生活方式与他们对产品的选择是密切相关的，通过研究购房人群的行为特征，将有利于目标客户细分，以及为项目市场定位提供技术指导。本文以深圳某房地产项目前期市场调查为例对这一应用作实证分析。 一、问卷设计 为研究潜在购房者的产品消费和使用观念，我们采用通常的心理描述测试法。即采用一系列关于购房需求、生活习惯等内容的陈述，请潜在购房者根据自己的情况做出判断。经事先的小样本测试筛选，最终的测试语句为： 1，无论如何，拥有一套属于自己的房产都是必需的2，我觉得小户型住宅在未来的3-5年内比较适合我3，如果知名开发商如万科进入XX开发房地产，我肯定会购买或者提前购买4，我经常在家里招待我的朋友5，如果我能筹足首期款，我一定会去购房的6，能够有一套自己的住房，我会感到很有成就7，如果首期款低一点，我会提前买房了8，我非常在意将来孩子的教育，买房时我很看重这一点9，我很在意邻居和同一小区的住客是些什么人10，小区的物业管理公司必须是知名公司11，小区有没有花园，我不会很在乎12，如果我能买了房子，我会把我的父母接来同住13，我的亲戚朋友如果来访，通常我会为他准备好房间14，我一定要在较大的社区（500户以上）购买住房15，选择本地开发商开发的楼盘我会更加慎重16，我一直在等待XX出现适合我的住房17，如果总价超出预算，我会考虑降低房子的面积18，如果总价超出预算，我会考虑减少房间的数量19，我喜欢一大家人住在一起，显得热闹些20，我只在意产品价格和质量，开发商是谁我不会很在乎21，即使我有足够的资金支付全部房款，我仍然会考虑按揭贷款22，一旦我有经济能力，我会提前还清银行贷款23,住宅面积不需太大，实用就可 注：调查中采用5分评价法， 1分表示非常不赞成，2分表示比较不赞成，3分表示不赞成也不反对，4分表示比较赞成，5分表示非常赞成。 二、基本研究思想 基本模型 生活形态变量因子分析生活形态因素聚类分析生活形态群检验/频数/列联表/方差分析等各细分市场特征差异 经过科学合理的抽样调查，我们收集到382 份有效数据。根据这些数据，我们采用一系列的多元统计方法进行处理，主要思想是： 1）、通过因子分析，将测试语句进行分组。即：将这一系列的语句进行综合，根据潜在购房者的回答情况，将这些语句分为几大类，根据实际情况，找出每一类型中的共同因子，对这些类型的含义进行合理解释。 2）、用因子分析的结果，对样本的回答按照新的类型进行重新评估打分，然后根据这些评价进行聚类分析，根据统计原则以及在现实中容易解释的原则，确定最终采用的分类个数。 3）、根据分类结果对每一样本判别其所属类别，对各类型潜在购房者的背景特征进行列联表分析，并且分析不同类型购房者的产品需求特点。 以上所有分析运算过程均可以在统计分析软件 SPSS中完成，关于SPSS的操作，本文不再多述。 三、因子分析 由于测试的语句实际上是一系列相关因素的陈述，很多语句之间存在一定的相关性，我们不能采用简单的回归方法进行分析。而通过因子分析则可以将系列相关因素综合为一个因子，因此，研究中我们首先采用因子分析来对 23个陈述进行分析。 利用统计软件对数据进行标准化，然后进行因子分析，我们发现：这些陈述可以综合为 5个因子。为了进一步发现其中每一个因子的实际含义，我们对因子进行正交旋转，最终形成 5个组合因子，这些因子其实是23个陈述的一个线性组合。对于每一组合因子，选取其中对因子呈现较强相关（相关系数大于 0.5）的陈述共17个，其余的陈述予以剔除，以便较一目了然地发现因子的实际意义。仔细考察这 5个因子中所包含陈述的实际意义，我们对每一个因子进行解释或命名，以便实际分析时方便引用。 组合因子 因子中包含的陈述（相关系数大于0.5） 因子含义 因子1 3、6、8、10、14、16、20 对楼盘质素的要求 因子2 4、12、13、19生活居家习惯 因子3 2、23 对户型面积的需求 因子4 5、7首期款对购房的影响 因子5 15、21对购房风险的考虑 四、聚类分析 因子分析中的每一因子可以表示为一系列陈述语句的线性函数，因此我们首先利用这些因子函数，根据潜在购房者对各陈述的评价，求出他们对每一因子的评价。然后根据潜在购房者对因子的评价，对样本进行聚类分析，从而按照不同产品消费和使用观念对潜在购房者进行分类。实际研究中，在模型通过统计检验的情况下，我们根据聚类的实际含义，最后选择了有2个中心的聚类分析，也就是说按照产品消费和使用观念的不同将潜在购房者分为 2类。这2个聚类中心（类别）如下： 因子 类别 1 21、对楼盘的质素要求比较高 0.31337 -0.203312、喜欢招待朋友和亲人 0.27524 -0.178573、偏向于选择小户型 -0.59161 0.383834、首期款的对购房的影响大 -0.71408 0.463285、比较注重购房风险 0.1599 -0.10374类别的实际意义： 类别1：喜欢在家招待亲朋，需求较大的户型，首期款对购房的影响不是特别大，对楼盘的质素要求较高 类别2：对户型面积选择偏小，首期款的高低是购房的重要考虑因素，对楼盘素质要求相对不高 潜在购房者分类 居家型 过渡型所占比例 39.3% 60.7%注：表中数据的得分值越高，表示潜在购房者对该指标的认同程度越高，0表示中性 五、研究结果的应用分析 在得到潜在购房者生活方式的分类以后，我们对各类型人群的背景资料以及他们对产品的不同需求进行分析，以判断这些分类是否符合我们通常的认识类别，进而对目标客户进行细分研究。以下是我们的实际统计结果： 1）、背景特征 特征 居家型 过渡型 年龄 3135岁比例较高年轻人较多，2530岁比例占了61.5 学历大专以上学历占18.8 大专以上学历占23.4 职业中高层人员和自由职业者比例较高 基层员工比例较高 收入以中高收入人群为主 以中高收入人群为主 婚姻状况已婚有小孩的比例显著较高 未婚比例占了39.2 居住情况自购房的比例较高 租农民房的比例较高 2）、产品需求特点 产品需求居家型过渡型 平均支付总价29.5万元 26.68万元 选择户型三房是绝对主力户型 两房选择比例显著较高 选择的平均面积105.56平方米 98.82平方米 根据分类研究的数据，结合统计检验结果，我们发现居家型和过渡型两类潜在购房者在背景特征和产品需求上有显著的差异。这些结论在项目的产品定位、客户市场细分上将起到非常重要的作用。 实例2：多元回归分析应用和认知图的绘制 除了因子分析和聚类分析以外，多元回归也是一种最常用的统计分析方法，它反映的是一个随机变量和多个变量之间的线性关系。 本文仍然以某房地产项目的前期调查数据为例，运用多元回归分析，通过绘制认知图的方式对项目地块各组成要素作出SWOT分析，将地块的优劣势、机会和挑战非常直观地反映在象限图上，为研究人员和项目负责人作出判断和决策提供基础的信息。 这种分析方法的基本思想是： 1）、根据实际情况将项目地块的组成要素分为 1个综合指标和9个分类指标，让潜在购房者对这10个指标作出评分； 2）、求出各类指标的平均分值； 3）、以综合指标为因变量、各个分类指标为自变量，作多元回归分析，通过统计检验后，以各自的回归系数作为各分类指标的权重系数； 4）、绘制认知图，把权重系数和平均分值作为坐标值，把各个分类指标在象限图上标示出来，并根据各指标的实际含义作出解释。 一、地块各要素的平均分值 地块各要素平均分值 交通便利性和通达性的评价3.75 地理位置的评价3.66 商业购物环境的评价3.47 生活方便程度的评价3.37 学校教育设施的评价3.21 居民素质的评价2.98 社区规划的评价2.79 自然环境的评价2.49 社区治安环境的评价1.98 综合的评价3.18 （1分为最低分，5分为最高分）潜在购房者对项目地块的评价以交通便利性和通达性最高，分值为 3.75，其次为地理位置、商业购物环境、生活方便程度、学校教育设施，分值分别为 3.66、3.47、3.37、3.21；而对治安环境与自然环境的评分最低，分值仅为1.98和2.49。综合评价为3.18分。 二、地块各要素的权重系数 为了进一步分析了解潜在购房者对项目地块各要素的评价，我们以综合评价为因变量，其余各要素为自变量，运用多元回归分析方法对以上数据进行整合分析，得出如下方程： Y=0.155*X1-0.038*X2-0.049*X3+0.072*X4+0.026*X5+0.161*X6+0.063*X7+0.087*X8+0.292*X9+0.718 （Y为综合评价，X1为地理位置，X2为交通状况， X3为治安环境，X4为教育设施，X5为商业环境，X6为生活便利程度，X7为自然环境，X8为社区规划，X9为居民素质） 各自变量的重要性即权重，由回归系数得知，分别如下： X1X2 X3 X4 X5X6 X7 X8 X9 0.155-0.038-0.0490.0720.0260.1610.0630.0870.292 （其中X5的回归系数没有通过统计t检验，此处为了绘制图表方便，没有删掉，但对该指标不作任何解释） 三、知觉图的绘制和实际含义解释 指标要素 XY X1 地理位置 0.65307 1.00395 X2 交通状况 -1.159051.15914 X3 治安环境 -1.26233-1.89295 X4 教育设施 -0.12623 0.228 X5 购物环境 -0.55814 0.67633 X6 生活便利0.70941 0.50389 X7 自然环境 -0.21074 -1.01353 X8 社区规划0.01461 -0.49623 X9 居民素质1.9394-0.1686 我们把各要素的平均分值与其权重相对应，经过数据标准化，组合成9个点，在坐标轴上描绘出来： 机会（右上角）包括地理位置和生活便利程度。这些要素得分较高，并且对项目地块综合评价影响非常大，应该继续提升这些优点。 优势（左上角）包括交通状况、教育设施。这些要素得分较高，对项目地块综合评价的影响程度略低，是项目地块的优势所在，应该继续完善。 挑战（右下角）包括居民素质和社区规划。这些要素极大地影响潜在购房者对项目地块的综合评价，大力提高这类要素的质素，提高社区档次，可以大幅提高人们对项目地块的评价。 弱势（左下角）包括自然环境和治安环境。这些要素是项目地块的弱势，应该加以规避，在大环境不佳的条件下，尽量改善社区内的小环境。 四、多元统计分析方法的应用总结 随着市场研究行业的发展，单个变量的分析已经远远不能满足研究的需要，多元统计分析必将得到越来越广泛的应用，但是在实际运用各种方法的时候还需要注意一些问题： 1、数据的真实可靠性是分析研究的基础 数据的真实性是市场研究的基础和保障，若是数据出现虚假或偏差，再科学合理的分析方法都无法得到任何有用的结论，甚至得到错误的结论，这在房地产行业中的风险就更加突出，每个项目都是巨额资金投入，任何开发商都不敢轻易冒这个险，因此调研数据是否真实可靠，对总体的代表性如何是所有开发商最关心的问题。在现实的调查中，由于许多主客观因素的影响，完全精确可靠的数据几乎是不可能得到的，如何最大限度地保证数据的真实性和可靠性是市场调查公司的重要任务之一。 2、多元统计分析方法的应用对问卷设计提出了较高的要求 问卷调查是市场研究中应用最广泛的一种数据收集方式，因此问卷设计水平的高低直接决定了所收集数据的有效程度有多高。而多元统计分析方法由于技术性要求较高，其应用效果与问卷的质量更是紧密相连，所以必然对问卷设计提出了较高的要求。如上述两个实例所示，所设计的都并非常规的选择题，例一中各条测试语句的设计非常考验研究人员的功底，必须经过反复的揣摩和验证，才能使结论更科学有效。 3、方法选用不是越复杂越好，关键在于能否得出有用的结论 虽然高级的分析方法能得出一些常规分析无法得到的数据和结论，但是在选用各类统计方法时，不要误认为方法越复杂、公式越深奥，就越有用。我们在做研究时，首先明确要达到什么样的目的，得到什么样的结论，然后根据事先确定的目标去选择分析方法。方法仅仅是研究的工具，方法的选用不在于其复杂性，关键是能否得出有用的结论，并有利于解释现实中的各种现象。若是运用了一大堆谁也看不懂的繁琐的公式和模型，表面上看非常科学，但如果仅仅得出的是一些现实中无法解释和运用，甚至完全不通的结论，则所有的努力都是徒劳的。我们在房地产市场研究中一个经常遇到的问题是：在研究的产品或服务中，具有哪些特征的产品最能得到消费者的欢迎。一件产品通常拥有许多特征如价位啦、管理费、面积啦、朝向啦、景观啦、房间数量、装修的层次、付款方式的选择等，那么在这些特性之中，每个特性对消费者的重要程度如何？在同样的（机会）成本下，产品具有哪些特性最能赢得消费者的满意？ 要解决这类问题，传统的市场研究方法往往只能作定性研究，而难以作出定量的回答。现向大家介绍一种叫做交互分析或联合分析（Conjoint Analysis）的市场研究和分析技术，令房地产开发商可以轻易把握和预测购买者的需求。 一、联合分析的基本原理与步骤 联合分析是通过假定产品具有某些特征，对现实产品进行模拟，然后让消费者根据自己的喜好对这些虚拟产品进行评价，并采用数理统计方法将这些特性与特征水平的效用分离，从而对每一特征以及特征水平的重要程度作出量化评价的方法。 联合分析的基本假定 我们的联合分析假定分析的对象-我们的项目，是由一系列的基本特征（如：户型，区域，房间数量，价格）以及产品的专有特征（如绿化面积，朝向，景观等）所组成的；消费者的抉择过程是理性地考虑这些特征而进行的。 联合分析的主要步骤 联合分析通常由以下几部分组成： 1 确定产品特征与特征水平：联合分析首先要对产品或服务的特征进行识别。这些特征与特征水平必须是显著影响消费者购买的因素。 一个典型的联合分析包含67个显著因素。确定了特征之后，还应该确定这些特征恰当的水平，例如户型类型是楼盘产品的一个特征，而目前市场上楼盘的户型类型主要有：单别墅，联排，花园阳房等，这些是户型特征的主要特征水平。特征与特征水平的个数决定了分析过程中要进行估计的参数的个数。 2 产品模拟：联合分析将产品的所有特征与特征水平通盘考虑，并采用正交设计的方法将这些特征与特征水平进行组合，生成一系列虚拟产品。在实际应用中，通常每一种虚拟产品被分别描述在一卡片上。 3 数据收集：请受访者对虚拟产品进行评价，通过打分、排序等方法调查受访者对虚拟产品的喜好、购买的可能性等。 4 计算特征的效用：从收集的信息中分离出消费者对每一特征以及特征水平的偏好值，这些偏好值也就是该特征的效用。 5 市场预测：利用效用值来预测消费者将如何在不同产品中进行选择，从而决定应该采取的措施。 二、联合分析的一个实例 以下用一个例子来说明联合分析的基本方法。 假定某某公司想做一个以中高档为主的楼盘，公司计划推出一款新产品，定价在6000元左右，以便与市场上的主要中高档产品抗衡。公司决定采用联合分析对产品配置进行分析。 1。筛选产品特征与特征水平。 以前的研究表明，楼盘的户型，区域，房间数量是影响消费者选购楼盘的最主要因素。因此我们需要模 拟的特征是价格、房间数量、户型、面积。 确定特征水平：XX楼盘目前的主要竞争对手为A楼盘与B楼盘；同时XX楼盘是面向中高档楼盘消费者的，目前市场上的中高档楼盘价格多在50007000之间，因此可以考虑的定价为5000，6000，7000；户型类型上，目前较普遍的中高档楼盘为联排，别墅，花洋；面积常见的有200，300，400，因此最终选择的特征水平为： 价格 房间数量 户型 面积 5000 5 别墅 200 6000 6 联排 300 7000 7以上 花洋 400 2。建立虚拟产品 利用上述特征与特征水平可以组合起81种虚拟产品（3333）。如果受访者对所有81种虚拟产 品 进行一一评价，那将是十分麻烦的。联合分析采用数理统计中的正交设计来减少虚拟产品数量。在本例 中，通过正交设计，所需要测试的虚拟产品可以减少到9种。以下是正交设计的一个方案： 虚拟产品 房间数量 价格 户型 面积 A 7房间 5000 花洋 200 B 5房间 7000 别墅 200 C 6房间 5000 别墅 300 D 6房间 6000 联排 200 E 7房间 6000 别墅 400 F 6房间 7000 花洋 400 G 7房间 7000 联排 300 H 5房间 6000 花洋 300 I 5房间 5000 联排 400 3。通过调查收集数据： 联合分析通过让受访者回答一些经过精心设计的抉择型问题，以揭示出受访者对各特征的重视程度。本 例中我们采用如下提问： 请问您有多大可能会购买以下楼盘（请采用9分法评价，1表示完全不可能，9表示非常可能） 产品A（7房间牌楼盘,价格5000元，花洋，面积200） 1 2 3 4 5 6 7 8 9 完全不可能 非常可能 假定通过调查得到某一消费者对9种产品的评价如下： 虚拟产品序号 A B C D E F G H I 购买的可能性 8 2 6 8 4 7 5 6 9 4。计算特征的效用： 计算特征的效用是联合分析的关键步骤。其基本模型是： (1) 其中：U(x)=所有特征的效用；ki =特征I的水平数目 m=特征个数；ij表示特征i的第j个水平的效用。 由效用函数可以产生一个衡量每一特征重要程度的指标：相对重要程度Wi 其中Ci为特征i的效用变动范围： 为了估计以上模型(1)中的参数ij,，通常采用哑元法来减少参数，使用最小二乘法估计模型参数。实际应用中，模型的估计几乎完全计依赖于计算机软件。对于本例数据，我们采用SPSS中的Conjoint模块进行分析，得到如下结果： 特征 特征的相对重要程度 特征水平 特征水平的效用 价格 34.62% 5000 1.556 6000 -0.111 7000 -1.444 房间数量 15.38% 6房间 0.889 5房间 -0.444 7房间 -0.444 户型 38.46% 别墅 -2.111 联排 1.222 花洋 0.889 面积 11.54% 300 -0.444 200 -0.111 400 0.556 上表中：相对重要程度栏表示该特征在消费者购买选择中所关心的程度。 可见，对该消费者而言，户型类型是消费者最关心的，相对重要程度为38.46，其次是产品的价格(34.62)，该消费者对产品的房间数量并不十分重视。 特征水平的效用栏表示该特征水平对于该消费者而言的效用。效用越高，则表示该特征水平的越受欢迎。如在该消费者心目中：6房间房间数量比其他2种房间数量要好。 市场预测与决策 联合分析的迷人之处在于她可以对产品的前景进行预测。在得到产品特征的效用函数后，我们可以对产品的各种特征组合进行模拟决策。在本例中，假定我们的问题是：在价格为6000元时，应该推出何种配置的7房产品，才能战胜目前市场上的主流产品：6房间别墅(7000元,200米，简称Y产品)以及5房间花洋（6000,400，简称Z产品）。7房间楼盘列入考虑的楼盘配置主要有三种，即：X1产品（花洋400）；X2（别墅400）；X3（别墅300）。 为此我们分别计算出Y、Z以及X1，X2，X3产品对消费者的效用： U(Y)=U(价格房间数量户型面积)=-1.444+0.889+1.222+(-0.111)=0.556 U(Z)=(-0.111)+(-0.444)+0.889+0.556=0.889 U(X1)=-0.111+(-0.444)+0.889+0.556=0.889 U(X2)=-0.111+(-0.444)+1.222+0.556=1.223 U(X3)=:-0.111+(-0.444)+1.222+(-0.111)=0.556 可见：U(X2)U(Z)，U(X1)U(Y)，U(X3) 因此很明显，7房间楼盘的产品要战胜6房间与5房间，必须采用X2产品：户型为别墅，同时面积400的配置。 通过这个简单的例子，可以很容易地推广到更多的特征、更多的特征水平。而对于更多的受访者，在计算出消费者个人的效用函数后，通过聚类分析，可以将消费者划分为不同的消费群体，然后将这些群体作为同质个体处理。 三、联合分析的应用与前景 联合分析采用了一系列的现代数理统计方法，如正交设计、回归分析等，这些方法的计算量巨大，只有通过电脑才能实现。因此实际的市场研究中，必须有专门的软件来实现从虚拟产品设计到估计效用模型、预测等一系列过程。 联合分析是对人们购买决策的一种现实模拟。因为在实际的抉择过程中，由于价格等原因，人们要对产品的多个特征进行综合考虑，往往要在满足一些要求的前提下，牺牲部分其他特性，是一种对特征的权衡与折衷(Trade-off)。通过联合分析，我们可以模拟出人们的抉择行为，可以预测不同类型的人群抉择的结果。因此，通过联合分析，我们可以了解消费者对产品各特征的重视程度，并利用这些信息开发出具有竞争力的产品。 联合分析目前已经广泛应用于消费品、工业品、金融以及其它服务等领域，同样在我们房地产定价和定位方面可以用这种方法。在我们开发的各个方面，如新楼盘的概念筛选、开发，竞争分析，产品定价，市场细分，广告，分销，品牌等领域，都可见到联合分析的应用。 数据的建立和DISCRIPTIVES，MEANS的初步分析 现下的中国的市场调研当中统计方法应用的结果要求并不是很高的，因为在一个行业的起步阶段我们并不会对市场分析要求很高的精度，而是要求有一个总体的了解即可。 但是，任何一个成熟的行业都必然是一个专业型很强的结合体，房地产行业亦然。随着将来房地产行业的不断整合和专业化，定性分析占主导地位必定要被定量分析占主导地位的 分析方法所取代，经验的重要性将逐渐被统计分析所弱化。为什么呢？因为统计分析就是对以往获得的经验的定量分析而已，所不同的是：统计是绝对理性化的，统计数据不会说谎的！其实现在的发达国家的决策主要已经考统计分析来说话了，但是大到我们整个国家，小到我们成都地区的房地产行业，统计分析还只是在一个初级应用阶段，技术水平也不高，也不被重视。我们需要用统计数据去分析消费者心理，分析楼盘的价格，分析楼盘的定位等等，那么最直接的方法就是用现在最广泛应用的SPSS去分析。 那么作为并非是统计专业人士的我们，怎样去学习和应用呢？我准备用一些很具体的例子和模块来给大家一步一步讲解，我尽量完全无误的操作一遍： 1.1 数据的输入和保存 1.1.1 SPSS的界面 当打开SPSS后，展现在我们面前的界面如下： 请将鼠标在上图中的各处停留，很快就会弹出相应部位的名称。 请注意窗口顶部显示为“SPSS for Windows Data Editor”，表明现在所看到的是SPSS的数据管理窗口。这是一个典型的Windows软件界面，有菜单栏、工具栏。特别的，工具栏下方的是数据栏，数据栏下方则是数据管理窗口的主界面。该界面和E购买面积CEL极为相似，由若干行和列组成，每行对应了一条记录，每列则对应了一个变量。由于现在我们没有输入任何数据，所以行、列的标号都是灰色的。请注意第一行第一列的单元格边框为深色，表明该数据单元格为当前单元格。 对数据表界面操作不熟悉的可先温习一下E购买面积CEL的操作（因为它的帮助是中文的），也可以尝试用10.0的中文版操作。我们现在主要用SPSS11.5来操作，因为它的功能更强大，而且现在已经普遍用12.0版本了。 我们当前用的11.5，10.0的SPSS系统打开时会出现一个导航对话框，请单击右下方的Cancer按钮，即可进入上面的主界面。 1.1.2 定义变量 我们需要建立很多个变量，因为我们的调查表有很多问题，我先来定义几个变量：（操作） 界面最左方为变量名，；往下是变量情况描述，可以看到系统默认该变量为数值型，长度为8，有两位小数位，尚无缺失值，显示对齐方式为右对齐；现在系统默认新变量为数值变量；最下方则依次是确定、取消和帮助按钮。 好，先来建立变量家庭人数。请将变量名改为家庭人数，然后单击OK按钮。 在绝大多数情况下，SPSS给出的默认数据类型和数据精度完全可以满足需要，只是不太好看而已。至于标签等比较花哨的选项，反正我也很少用。现在我们才刚刚入门，一切从简。 第一列的名称已经改为了“家庭人数”，这就是我们所定义的新变量“家庭人数”。 现在我们来建立变量购买面积。单击第二行第一列的单元格，同样，将变量名改为购买面积，然后确认。（操作）是分组型的 我们现在再来定义购房单价。同样：（操作）注意是数值型 1.1.3 输入数据 我们先来输入变量购买面积的值，请确认一行二列单元格为当前单元格，弃鼠标而用键盘，输入第一个数据1：（操作） 用类似的输入方式，我们将家庭人数的数目输入完毕：（略） 然后开始输入单价的数据：（略） 1.1.4 保存数据 选择菜单File=Save，由于该数据从来没有被保存过，所以弹出Save as对话框如下： 单击保存类型列表框，可以看到SPSS所支持的各种数据类型，有DBF、Fo购买面积Pro、E购买面积CEL、ACCESS等，这里我们仍然将其存为SPSS自己的数据格式（*.sav文件）。在文件名框内键入潜在消费者数据并回车，可以看到数据管理窗口左上角由Untitled变为了现在的消费者数据。 为什么这里的对话框会出现汉字？是这样的，需要从编程的角度来解释：SPSS在弹出该对话框时会调用Windows系统的公用函数，由于我们用的是中文Windows系统，所以调用出来的就是中文。 1.2 数据的预分析 1.2.1 数据的简单描述 首先我们需要知道数据的基本情况，如均数、标准差等。选择Analyze=Descriptive Statistics=Descriptives菜单，系统弹出描述对话框如下：（操作） 如果按SPSS标准的叫法，这里应该是调用了Descriptives（应该叫描述，或则描述统计学吧。）过程，为了避免太生硬，我们称为调用对话框，等大家熟悉SPSS了以后，在统计分析中可能两种称呼会混用。 该对话框可分为左右两大部分，左侧为所有可用的侯选变量列表，右侧为选入变量列表。我们只需要描述希望单价，用鼠标选中希望单价，单击中间的 ，变量希望单价的标签就会移入右侧，注意这时OK按钮变黑，表明已经可以进行分析了，单击它，系统会弹出一个新的界面如下所示： Descriptive Statistics N Range Minimum Maximum Sum Mean Std. Deviation Variance 计划单价 55 3700 1800 5500 140800 2560.00 876.356 768000.000 Valid N (listwise) 55