通过《市场研究中的统计分析方法·专题篇》，作者向有意钻研统计分析的企业主管、市场营销人员、业务分析师、市场研究从业者、在读学生等群体，奉献了一种极其实用的入门读物。他们以既简明又全面的方式，在统计学与市场营销之间，极为成功地架设了一座桥梁。《市场研究中的统计分析方法·专题篇》是我所见过的条理最清晰、行文最引人入胜的中文统计学原理入门读物之一。我特别把它推荐给已经在运用定量方法解决市场营销和市场研究问题的所有人。从而，《市场研究中的统计分析方法·专题篇》值得被商学院广泛采用，也值得紧跟潮流、抱负不凡的营销实践者们阅读。
　　每一位希望甩开数字畏惧感的人，读《市场研究中的统计分析方法·专题篇》时很快会发现：统计分析原来不仅实用，而且可以充满乐趣。当然，《市场研究中的统计分析方法·专题篇》并非仅是为那些有业务背景、渴望体验统计分析奧秘和热衷于SPSS软件的人们而写的。由于书中示例众多，既有从日常生活信手拈来的例子帮助读者快速抓住要点，也有因需要而设置的复杂案例，这使得那些已有丰富经验但希望快速更新一下统计分析知识的从业者们，也会同样欣赏这套《市场研究中的统计分析方法》。

　　（二）类别数量两维图
　　以每个变量的各类别在第一、第二维上的数量作为坐标，可以在两维图上描点，每个点代表一个变量的一个类别，此图称变量的类别数量两维图。在类别数量两维图中，如果同一变量的两个类别距离很近，表示这两个类别应该合并。两个变量的各类别在图上的点距离越近，则这些类别之间关系越密切。此图有三个作用：
　　（1）分析多个类别变量中两两之间的关系。虽然它仍是分析两个变量之间的关系，但和简单对应分析不同，它在分析两个变量之间的关系时，其他变量与它们的关系在起作用。
　　（2）分析每个变量的各类别在每一维上的分散度。某变量各类别在某维上的类别数量点越分散，则该变量在该维的判别度越高，因而判别能力越强。虽然用每个变量在各维上的判别度亦可以用于分析分散度，但如果两个变量的类别在某维上的判别度相同，其中一个变量的各类别分散得比较均匀，而另一个变量的各类别中，许多类别比较接近，而个别类别却远离大多数类别，此时用判别度就无法区别它们。而用类别数量的两维图就可以看出它们的区别。因此用类别数量两维图比用判别度可以更深入分析分度。
　　（3）分析变量的类别是否需要合并，所选择的最优尺度是否恰当。图1是例2的类别数量两维图。从图中可见每个变量各类别的分散性，从而可以判断各变量的判别能力。所得到的结论和前面所述的结果一致。此外，从图中可知：北京消费者更多食用品牌2。上海消费者更多食用品牌3，广州消费者更多食用品牌。
　　……

专题一  认知图的统计分析
第一章  对应分析
第一节  对应分析的基本原理
一、对应分析的一些基本概念
二、对应分析结果的图示
三、补充点  四、对应分析的SPSS操作
五、运用对应分析的一些注意点
第二节  运用对应分析进行品牌形象研究
第二章  多元对应分析和类别主成分分析
第一节基本原理
一、数值变量线性主成分分析回顾
二、类别变量最优尺度法的基本原理
第二节  多元对应分析
一、基本概念
二、多元对应分析的SPSS操作
三、应用例子
第三节  类别主成分分析
一、基本概念
二、类别主成分分析的SPSS操作
三、运用类别主成分分析进行品牌形象研究
第三章  多维尺度法
第一节  多维尺度法概述
一、什么是多维尺度法
二、多维尺度法的分类
三、多维尺度法对数据的要求
第二节  输入是相似程度的古典多维尺度法
一、基本原理
二、拟合水平的测度
三、输出空间维数的确定
四、输出空间轴的解释
五、输出图形的一些问题说明
六、收集相似性数据的方法
七、古典多维尺度法的SPSS操作
八、古典多维尺度法在产品分类中的应用
第三节  输入是属性数据的古典多维尺度法
一、什么是在输入是属性数据的古典多维尺度法
二、输入是对象的距离矩阵，输出平面仅包含对象
三、输入是对象和属性的矩阵，输出平面包含对象和属性
第四节  输人是偏好数据的多维尺度法
一、偏好认知图
二、建立偏好认知图的方法
三、偏好认知图的应用实例
四、输入是偏好数据的多维尺度法的SPSS操作
专题二  市场细分中的统计分析方法
第四章  判别分析
第一节  两组判别分析
一、基本原理
二、数学模型及基本概念
三、分类方法
四、分类效果的测量
第二节  多组判别分析
一、模型的基本假设
二、基本概念
三、分类方法
四、分类效果的测量
……
第五章  典型相关分析
第六章  潜类聚类模型
第七章  决策树
第八章  实验设计中的统计分析方法
第九章  产品与价格优化的统计分析—联合分析
第十章  结构方程模型
术语中英文对照表
参考文献