第一节 为什么要建立数据模型
前面几章我们具体讨论了各种不同的实验设计方法,这些设计方法都是关注不同实验处理的不同效果。这些实验处理有的是质的差异,有些则是量的差异,比如产品价格、广告费用、果汁浓度等。当实验处理是量的差异时,企业常常关注处理强度与因变量之间存在的关系。但是受限于现实,企业在进行实验时没办法将自变量的各个水平都纳入实验中,这样的实验不但需要相当的预算而且难以操作。假如我们能够找到变量与结果之间的数学关系去建立一个方程式,那我们就能够运用这个方程式来估计其他处理水平的结果,便省去大量人力物力。
在现实市场行为中,建立模型的应用是很广泛的,模型的建立涉及回归分析。在很多统计学书上都有一个故事,即英国生物学家高尔顿对遗传特性的研究,这是早期关于回归分析的研究。高尔顿对豌豆进行实验以研究遗传的特性。实验过程如下:挑选7组不同大小的豌豆种植于英国不同的地区,每组种植10粒种子,最后将豌豆种子与新长豌豆种子进行尺寸比较。对结果的比较分析,他发现了一种回归趋势,即平均来说,非常矮小的父辈倾向于有偏高的子代,而非常高大的父辈则倾向于有偏矮的子代。一个总体中在某一个时期具有某一极端的特征的个体在未来的某一时期将减弱它的极端性,这种趋势叫做“回归效应”。这种效应应用非常广,已不局限于生物学上的遗传大小问题。在现实的市场中也存在这种回归效应,我们的实验所搜集的数据也可借助统计软件来建立一个理论方程式进行回归分析。
假如我们所建立的这种理论方程式在实验中没有被拒绝,那它就可以帮助企业规划市场战略和目标。在后面我们将具体举例说明企业如何运用所建立的模型对其市场行为进行指导。
……
展开