【SPSS】基于因子分析法对水果茶调查问卷进行分析

🤵‍♂️ 个人主页:@艾派森的个人主页

✍🏻作者简介:Python学习者
🐋 希望大家多多支持,我们一起进步!😄
如果文章对你有帮助的话,
欢迎评论 💬点赞👍🏻 收藏 📂加关注+


目录

1.项目背景

2.项目简介

2.1数据集介绍

2.2技术工具

3.算法理论

4.实验过程

4.1数据探索

4.2因子分析

4.3因子命名

5.总结


摘要

        随着时代的发展,人们对生活品质的要求不断提高,更加追求健康的生活方式。近年来,随着水果茶消费需求激增,将年轻消费者喜爱的水果饮品与中老年消费者偏好的茶以一种喜闻乐见的方式结合起来,开辟了传统茶饮的新市场。在传承与创新中,水果茶饮接受着消费浪潮的助推迅速崛起,越来越成为符合人群消费需求的新饮品品类。但目前水果茶饮品市场为使得水果茶茶饮从视觉效果上看起来更富有层次感,使口感和味道更加丰富,多数传统现制茶饮通过简单“堆料”来吸引消费者;且为了压缩原料成本,商家多使用水果罐头等水果加工品而不采用新鲜水果,使得消费者出于对原生本味和天然健康的追求难以被满足。本次实验使用因子分析对水果茶调查问卷中的一道量标题进行分析,最终用两个因子品质追求型和品牌效益型来表示量表题的9个因子。

1.项目背景

1.中国水果茶文化背景

   中国是茶的故乡,无论是文人骚客的“琴棋书画诗酒茶”,还是普通百姓的“柴米油盐酱醋茶”,茶都是必不可少的。在中国饮食历史上,茶和果有着密切的联系。早在魏晋南北朝时期就出现了“茶果”这一名词,既指饮茶时以果为茶食,也指以果入茶的茶叶饮用方式。饮茶时用各种果品作为茶食在历代典籍中多有记载。《晋书》载,东晋桓温“每宴惟下七奠,拌茶果而已”。吴兴太守陆纳招待谢安将军时也只是“所设惟茶果而已”。唐代以后以果佐茶更为普遍,如韦应物“茶果邀真侣,觞酌洽同心”,陆游“瓜冷霜刀开碧玉,茶香铜碾破苍龙”都描述了以茶待客,以果伴茶的情景。以果入茶的茶叶饮用方式在魏晋南北朝就已形成,这是现代水果茶的雏形。以果品入茶的记载在元代杂剧中频繁出现,有茶中放乌梅煎制的“梅茶”、茶汤中加杏仁等果干的“杏汤”、加木瓜的“木瓜茶”、用荔枝调制的“荔枝膏茶”、以橙子的果肉调制的“金橙茶”等。可以说,元代用各种果品调制茶汤已经相当普遍。以果入茶的饮茶方式一直流传至今,果品越来越丰富,茶饮形式也越来越多样,逐渐形成现在的新式水果茶。      

2.水果茶饮品已成为当代潮流

        随着时代的发展,人们对生活品质要求不断提高,追求更加健康的生活方式,而饮品作为一种生活消费的必需品,也被人们赋予了更高要求与期望。在传承与创新中,新式茶饮接受着消费浪潮的助推迅速崛起,越来越成为符合人群消费需求的新饮品品类。而水果茶饮品因其以鲜果及原叶茶作为原材料的特点,极大满足了人们对饮品的口感丰富、原料健康的预期要求,受到了大量消费者的喜爱与追捧。

        水果茶的大热也在于它打破了以往新老消费者市场的明显界限,将年轻消费者喜爱的水果饮品与中老年消费者偏好的茶以一种喜闻乐见的方式结合起来,开辟了传统茶饮的新市场。水果茶不仅将茶饮转变成为了一种“续命神器”,更让其成为了一种消费热点、社交文化。喜茶、奈雪、茶颜悦色等全国知名茶饮店不断推陈出新,开辟出一系列高颜值、好口感的水果茶产品板块,如以霸王桶装水果茶作为产品核心的凝萃水果茶,无一不在将水果茶推向潮流顶端,无一不在改变着人们对于茶饮的传统认知。现在,水果茶饮品在人们的生活中已经越来越常见、越来越受欢迎,甚至成为了中老年人尝鲜的首选饮品与年轻人“养生局”的必备饮品。针对消费市场的高需求,水果茶的品质也将面临更高考验,因此水果茶原料的品质以及新鲜程度严重影响着水果茶行业的发展。如何选择质优量大价格优惠的果品、茶品也成为了水果茶商家关注的核心问题。

2.项目简介

2.1数据集介绍

本次数据集来源于天池网,数据集是一份关于水果茶调查问卷中的一道量表题数据 ,共有1381条数据, 9个维度,每个维度值范围为1-5,具体信息如下表:

属性名称

数据类型

名称

Int整数类型  值范围1-5

包装

Int整数类型  值范围1-5

品质

Int整数类型  值范围1-5

价格

Int整数类型  值范围1-5

口味

Int整数类型  值范围1-5

制作过程透明

Int整数类型  值范围1-5

服务态度

Int整数类型  值范围1-5

网络热度

Int整数类型  值范围1-5

品牌效应

Int整数类型  值范围1-5

2.2技术工具

SPSS数据分析软件

3.算法理论

        因子分析(Factor Analysis)是一种数据简化的技术。它通过研究众多变量之间的内部依赖关系探求观测数据中的基本结构,并用少数几个假想变量来表示其基本的数据结构。这几个假想变量能够反映原来众多变量的主要信息。原始的变量是可观测的显在变量,而假想变量是不可观测的潜在变量,称为因子。

        例如,在企业形象或品牌形象的研究中,消费者可以通过一个由24个指标构成的评价体系评价百货商城的24个方面的优劣。但消费者主要关心三个方面,即商店的环境、商店的服务和商品的价格。因子分析方法可以通过24个变量找出反映商店环境、商店服务水平和商品价格的3个潜在的因子,对商店进行综合评价。3个公共因子可以表示为:

1.因子分析与主成分分析的区别

主成分分析仅仅是变量变换,而因子分析需要构造因子模型。

因子分析:潜在的假想变量和随机影响变量的线性组合表示原始变量。

主成分分析:原始变量的线性组合表示新的综合变量,即主成分。

因子分析数学模型

假设有P个变量X,有m个因子(m≤p),则因子分析的数学模型可以表示如下:

2.因子旋转

    若因子分析中得出的各个因子有明确的含义,则因子分析的模型会更加易于解释和有实际意义。在因子分析中可以对因子载荷矩阵进行旋转,使每个变量仅在一个公共因子上有较大的载荷,而在其余的公共因子上的载荷比较小。通过旋转,因子可以有更加明确的含义。常用的一种方法是方差最大旋转。

3.因子得分及其计算

    前面我们主要解决了用公共因子的线性组合来表示一组观测变量的有关问题。如果要使用这些因子做其他的研究,比如把得到的因子作为自变量来进行回归分析,对样本进行分类或评价,就需要计算每个个体在每个因子上的得分。

要计算因子得分,需要估计以下表达式:

4.因子分析的步骤

因子分析解决的3个基本问题:

因子载荷阵A的估计

当因子难以得到合理的解释时,对因子载荷阵进行正交变换,即因子旋转。对因子的实际意义做出合理的解释。

给出每个变量(或样品)关于m个公共因子的得分,通常表示为原始变量的线性组合,即因子得分函数。对公共因子做出估计。

因子分析的步骤:

(1)根据问题选取原始变量。

(2)求其相关阵R,探讨其相关性,

(3)从R求解初始公共因子F及其因子载荷矩阵A(主成分法)。

(4)因子旋转,分析因子的含义。

(5)计算因子得分函数。

(6)根据因子得分值进行进一步分析(例如综合评价)。

5.因子分析与主成分分析的区别和联系

(1)因子分析、主成分分析都是重要的降维方法(即数据简化技术),因子分析可以看作主成分分析的推广和发展。

(2)主成分分析不能作为一个模型来描述,它只能作为一般的变量变换,主成分是可观测的原始变量的线性组合。因子分析需要构造因子模型,公共因子是潜在的不可观测的变量,一般不能表示为原始变量的线性组合。

(3)因子分析是用潜在的、不可观测的变量和随机变量的线性组合来表示原始变量,即通过这样的分解来分析原始变量的协方差结构(相依关系)。

4.实验过程

4.1数据探索

首先使用SPSS软件打开数据集如下:

查看数据描述性统计

从描述性统计中我们可以看出每个变量的个数总计、最大最小值、合计总数、均值、标准差、方差、偏度和峰度等信息。

4.2因子分析

结果如下:

从描述性统计结果中我们可以看见每个变量的平均值、标准偏差、个案数等信息。

从相关性矩阵中可以看到,每个变量与每个变量之间的相关性高。如从表中可以看到包装与名称的相关系数是 0.530。从显著性值可以看每个变量与每个变量之间是否显著相关。如包装和名称的显著性0.000<0.05,说明这两个变量相关性显著。从表中发现全部的概率P值都是小于 0.05的,说明这些变量之间相关性显著。

 KMO 检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。主要应用于多元统计的因子分析。KMO 统计量是取值在01之间。0.9 以上表示非常适合;0.8 表示适合;0.7 表示一般;0.6 表示不太适合;0.5 以下表示极不适合。对于此实验的KMO值为0.846说明数据适合做因子分析。从巴特勒球形检验看出显著性水平为0,小于0.05,拒绝原假设,综合这两个结果,说明此数据很适合做因子分析。

 从公因子方差表中可以看到提取值都比较高,表明变量中大部分信息能被因子所提取,说明因子分析结果有效。

总方差解释图表,也称主成分列表。一个因子所解释的方差比例越高,这个因子包含原有变量信息的量就越多。第一个成分的初始特征值为4.443能解释的方差比例为49.363%,第二个特征 值为1.326,能解释的方差比例为14.729。其余成分都小于1,说明这几个成分的解释力度还不如直接引入原变量大。这九个变量只需要提取出头两个成分即可。

碎石图中,从第二个成分以后的特征值就降得非常低。第二个成分就是这一图形的拐点。在这一实例中,只需要提取两个主要成分就行了。 

表中列出未使用旋转方法时使用因子能解释的各个变量的比例(各变量的信息被主成分提取了多少)

 表中列出了使用旋转方法后因子能解释的各个变量的比例。和上面未旋转对比可以看出,旋转后,原先较大的比例值仍然大,较小的比例则变得更小。

成分转换矩阵表,用来说明旋转前后主成份间的系数对应关系。

 从旋转后的空间中的组件图中可以看到,网络热度、名称、品牌效应、包装属于一类成分,其余属于另外一类。

4.3因子命名

通过以上的因子分析,我们可以看出,品质、价格、口味、制作过程透明、服务态度归属到一类因子,我们可以命名为品质追求型;将名称、包装、网络热度、品牌效应命名为品牌效益型

5.总结

通过本次因子分析实验,我们将一份关于水果茶调查问卷中的一道量表题9个维度的数据,最终用了两个因子来表示,用品质追求型因子来表示品质、价格、品味、制作过程透明和服务态度这几个因子,用品牌效益型来表示名称、包装、网络热度、品牌效应这几个因子。

资料获取,更多粉丝福利,关注下方公众号获取

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/336046.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【4.vi编辑器使用(下)】

一、vi编辑器的光标移动 二、vi编辑器查找命令 1、命令&#xff1a;:/string 查找字符串 n&#xff1a;继续查找 N&#xff1a;反向继续查找 /^the 查找以the开头的行 /end 查找以 查找以 查找以结尾的行 三、vi编辑器替换命令 1、语法: : s[范围,范围]str1/str2[g] g表示全…

ABAP 在增强中COMMIT

前言 呃&#xff0c;又是很磨人的需求&#xff0c;正常情况下是不允许在增强中COMMIT的&#xff0c;会影响源程序本身的逻辑&#xff0c;但是这个需求就得这么干… 就是在交货单增强里面要再调用一次交货单BAPI&#xff0c;通过SO的交货单自动创建STO的交货单&#xff0c;如果…

【算法】决策单调性优化DP

文章目录 决策单调性四边形不等式决策单调性 形式1法1 分治法2 二分队列例题 P3515Solution 形式2例题 P3195Solution 形式3例题 CF833BSolution 形式4例题Solution 后话 决策单调性 四边形不等式 定义: 对于二元函数 w ( x , y ) w(x,y) w(x,y)&#xff0c;若 ∀ a , b , …

【Linux】简单模拟C语言文件标准库FILE

&#x1f466;个人主页&#xff1a;Weraphael ✍&#x1f3fb;作者简介&#xff1a;目前正在学习c和算法 ✈️专栏&#xff1a;Linux &#x1f40b; 希望大家多多支持&#xff0c;咱一起进步&#xff01;&#x1f601; 如果文章有啥瑕疵&#xff0c;希望大佬指点一二 如果文章对…

windows 安装 使用 nginx

windows 安装 使用 nginx nginx官网下载地址&#xff1a;https://nginx.org/en/download.html 下载稳定版本即可 下载压缩包解压到即可 进入文件夹中&#xff0c;打开命令行窗口&#xff0c;执行启动命令 start nginx.exe验证&#xff08;默认是80端口&#xff09;&#x…

OrangePi AIpro 快速上手初体验——接口、样例和目标检测

​ 一、 开发板简介 OrangePi AIpro开发板是香橙派联合华为精心打造的高性能 AI 开发板&#xff0c;其搭载了昇腾 AI 处理器&#xff0c;可提供 8TOPS INT8 的计算能力&#xff0c;内存提供了 8GB 和 16GB两种版本。可以实现图像、视频等多种数据分析与推理计算&#xff0c;可…

猫狗分类识别模型建立②模型建立

一、导入依赖库 pip install opencv-python pip install numpy pip install tensorflow pip install keras 二、模型建立 pip install opencv-python pip install numpy pip install tensorflow pip install kerasimport os import xml.etree.ElementTree as ETimpor…

[双指针] --- 快乐数 盛最多水的容器

Welcome to 9ilks Code World (๑•́ ₃ •̀๑) 个人主页: 9ilk (๑•́ ₃ •̀๑) 文章专栏&#xff1a; 算法Journey 本篇博客我们分享一下双指针算法中的快慢指针以及对撞双指针&#xff0c;下面我们开始今天的学习吧~ &#x1f3e0; 快乐数 &#x1f4d2; 题…

LabVIEW中实现Trio控制器的以太网通讯

在LabVIEW中实现与Trio控制器的以太网通讯&#xff0c;可以通过使用TCP/IP协议来完成。这种方法包括配置Trio控制器的网络设置、使用LabVIEW中的TCP/IP函数库进行数据传输和接收&#xff0c;以及处理通讯中的错误和数据解析。本文将详细说明实现步骤&#xff0c;包括配置、编程…

分享10个我常逛的技术社区

多逛社区&#xff0c;了解新鲜的事情和技术&#xff0c;或许会有意想不到的观点给你灵感&#xff01; 国外技术交流网站合集&#xff08;30个类别&#xff09;的github地址: https://github.com/sdmg15/Best-websites-a-programmer-should-visit 这里收集了超过200个程序员应该…

K8s 小白入门|从电影配乐谈起,聊聊容器编排和 K8s

来听听音乐 电影&#xff0c;是我们生活中的重要调味剂。 配乐&#xff0c;是电影中不可或缺的一部分。 有的时候&#xff0c;配乐可以跟剧情共振&#xff0c;让你按捺不住自己的情绪&#xff0c;或眼含热泪、或慷慨激昂、或人仰马翻、或怅然若失&#xff1b; 有的时候&…

美团拼好饭小程序mtgsig1.2分析(补环境分析)

声明 本文章中所有内容仅供学习交流使用&#xff0c;不用于其他任何目的&#xff0c;抓包内容、敏感网址、数据接口等均已做脱敏处理&#xff0c;严禁用于商业用途和非法用途&#xff0c;否则由此产生的一切后果均与作者无关&#xff01;wx a15018601872 本文章未…

【AI绘画Stable Diffusion】单人LoRA模型训练,打造你的专属模型,新手入门宝典请收藏!

大家好&#xff0c;我是灵魂画师向阳 本期我将教大家如何进行LoRA模型训练&#xff0c;打造你的专属模型&#xff0c;内容比较干&#xff0c;还请耐心看完&#xff01; 随着AIGC的发展&#xff0c;许多传统工作岗位正逐渐被AI取代。同时&#xff0c;AI变革也在创造前所未有的…

【C++】---二叉搜索树

【C】---二叉搜索树 一、二叉搜索树概念二、二叉搜索树操作&#xff08;非递归&#xff09;1.二叉搜索树的查找 &#xff08;非递归&#xff09;&#xff08;1&#xff09;查找&#xff08;2&#xff09;中序遍历 2.二叉搜索树的插入&#xff08;非递归&#xff09;3.二叉搜索树…

三十三、openlayers官网示例Drawing Features Style——在地图上绘制图形,并修改绘制过程中的颜色

这篇讲的是使用Draw绘制图形时根据绘制形状设置不同颜色。 根据下拉框中的值在styles对象中取对应的颜色对象&#xff0c;new Draw的时候将其设置为style参数。 const styles {Point: {"circle-radius": 5,"circle-fill-color": "red",},LineS…

P2341 受欢迎的牛

题目描述 每一头牛的愿望就是变成一头最受欢迎的牛。现在有 N 头牛&#xff0c;给你 M 对整数&#xff0c;表示牛 A 认为牛 B 受欢迎。这种关系是具有传递性的&#xff0c;如果 A 认为 B 受欢迎&#xff0c;B 认为 C 受欢迎&#xff0c;那么牛 A 也认为牛 C 受欢迎。你的任务是…

UVa11604 General Sultan

UVa11604 General Sultan 题目链接题意分析AC 代码 题目链接 UVA - 11604 General Sultan 题意 给出一些0和1组成的模式串&#xff0c;问是否存在一个串使得有多种方案将这个串分解成模式串。    给一个包含n&#xff08;n≤100&#xff09;个符号的二进制编码方式&#xff…

基础—SQL—DQL(数据查询语言)基础查询

一、引言 1、介绍&#xff1a; 分类全称描述DQL英文全称&#xff1a;Data Query Language(数据查询语言)主要是学习对数据库表中的记录进行查询的语句 2、讲解 日常的开发中或者对于一个正常的业务系统中&#xff0c;对于查询的操作次数是远远多于数据的增删改的频次。例如…

Ansible自动化运维中的Setup收集模块应用详解

作者主页&#xff1a;点击&#xff01; Ansible专栏&#xff1a;点击&#xff01; 创作时间&#xff1a;2024年5月22日13点14分 &#x1f4af;趣站推荐&#x1f4af; 前些天发现了一个巨牛的&#x1f916;人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xf…

ABB 控制柜

1&#xff0c;主计算机&#xff1a;相当于电脑的主机&#xff0c;用于存放系统和数据&#xff0c;需要24V直流电才能工作。执行用户编写的程序&#xff0c;控制机器人进行响应的动作。主计算机有很多接口&#xff0c;比如与编程PC连接的服务网口、用于连接示教器的网口、连接轴…