お問い合わせ

Multivariate analysis

多変量解析

多変量解析について

定量調査の分析は、クロス表による性年代などの属性別が主です。しかし、単にデモグラフィック特性だけはなく、複数の変数を組み合わせて、互いに関係のある多変量(多種類の特性値)のデータが持つ特徴を要約し、目的に応じて分かりやすくまとめることで、気づきが得られます。日本インフォメーションでは、統計や多変量解析に長けたリサーチャーが多数在籍しており、リサーチ課題や目的に応じて、最適な提案をいたします。

多変量解析

以下に主な多変量解析の手法についてご紹介いたします。各案件での活用については、営業担当者までお問い合わせください。

重回帰分析

予測する

クロス集計だけでは、全体評価(購入意向など)にどの要因がどの程度寄与されているのか分からない・・・

予測

複数の要因(説明変数)とそれによって変動する結果(目的変数)の関係を重回帰式によって解析し、
それぞれの要因が結果に与える影響度・重要度を算出します。

算出

Point

重回帰分析のほかに、分析目的および数量データ・質的データ、クロス表など解析対象となるデータの形態に応じて
「判別分析」「数量化Ⅰ類・Ⅱ類」など各種解析手法での分析もおこなえます。

主成分分析・因子分析

要約する

調査で様々な項目について評価したり、対象者の特性について色々調べたものの、
個々の結果だけでは情報量が多すぎて全体像を把握しにくい。

 

主成分分析や因子分析を使って、たくさんの情報・データを要約・集約し、
少ない要素で、わかりやすく説明できるようにまとめることができます。

主成分分析・因子分析のイメージ

因子分析のアウトプットイメージ①

商品に対して様々な評価を聞いたものを・・・
アウトプットイメージ1
 
因子分析で要約し、いくつかの因子にまとめ、わかりやすくする
アウトプットイメージ1グラフ

アウトプットイメージ2グラフ

 

アウトプットイメージ2グラフ

因子分析のアウトプットイメージ②

因子分析の結果を因子軸上の空間にマッピングすることで、自社商品や競合商品などのポジショニング を視覚的に把握できます。

商品のポジショニングは・・・

商品のポジショニング1

 

商品のポジショニング2

Point

主成分分析・因子分析のほかに、数量データ・質的データ、クロス表など解析対象となるデータの形態に応じて
「数量化Ⅲ類」「コレスポンデンス分析」「MDS(多次元尺度構成法)」など各種解析方法でのマッピングもおこなえます。

因子分析のアウトプットイメージ 応用事例

ポジショニングだけでなく 全体評価等の他設問・販売量データなどとの関係性の可視化や解析も可能です。

  • 応用事例1
  • 応用事例2
  • 応用事例3

クラスター分析

分類する

多変量データの解析により 「人(サンプル)」「モノ(変量)」をグルーピングする手法です。
客観的な基準によって、似たもの同士ができるだけ同じグループに含まれるように、かつグループ間はできるだけ離れるように線引きをおこないます。

クラスター分析1

  • クラスター分析2
  • クラスター分析2

クラスター分析のアウトプットイメージ

商品やサービスのターゲット戦略を検討するうえで、
生活者(人)をライフスタイルや嗜好・価値観など意識・行動特性面(サイコグラフィック特性面)でセグメントし、
旧来の性別や年代・職業などのデモグラフィック特性による分類とは異なる側面でマーケットを把握する為に主に利用されます。
また、ポジショニングの把握を目的とした 商品・ブランドの分類、イメージワードの分類(モノの分類) などにも用いられます。

< マーケット セグメンテーションを目的としたクラスタリング >

クラスター分析のアウトプットイメージ

ディシジョンツリー(決定木分析)/AID・CHAID

把握する

ある決定について、どのような条件がその決定に関連づけられるのかを知るために行う分析方法です。

ディシジョンツリー

商品やサービスの購入・利用等に影響の強い要因について、属性や行動・意識など多岐にわたる項目の中から分類して影響の強いものから「樹形図」(ツリー構造)として分析結果が表現されます。

Point

何度もクロス集計を繰り返すことなく、影響する要因が何なのかを明らかにすることができます。

多変量解析 解析手法一覧

どのようなデータがまとめられるのかを一覧にしています

手法1

どのようなデータのまとめ方があるのかを一覧にしています

手法2