多元统计分析方法及其在商业企业销售管理中的应用

多元统计分析方法及其在商业企业销售管理中的应用内容摘要：

取自系统的内部的资料，如果就经济活动而言，则主要包括业务资料，如与业务经营活动有关的各种单据、记录；经营活动过程中的各种统计报表；各种财务、会计核算和分析资料等。 相对而 言，这种二手资料的搜集比较容易，采集数据的成本低，并且能很快得到。 二手资料的作用也非常广泛，除了分析所要研究的问题之外，这些资料还可以提供研究问题的背景，帮助研究者更好地定义问题，检验和回答某些疑问和假设，寻找研究问题的思路和途径。 因此，搜集二手资料是研究者们首先考虑并采用的，分析也应该首先从二手资料的分析开始。 需要说明的是，本文中的绝大部分数据也来自于这种二手资料。 搜集数据完毕后，下一步就是对数据的处理和分析。 首先，对数据进行归类，比如属于同一指标的数据归为一类，同一地区的数据归为一类 等。 然后，将数据分批输入 SPSS 软件的数据处理窗口中。 接着，对不同的具体问题运用不同的多元统计分析方法在 SPSS 上进行分析。 最后，将得到的分析结果对应不同的问题分类保存，方便下一步的工作。 ，得出结论 针对需要解决的不同问题，在 SPSS 中调出相应的结果，对其进行深入、全面的分析，得出解决问题的对策。 在做完整个处理分析、得出结论的过程后，我们有必要重新回过头来对整个包括分析目标的确定在内的研究过程进行评价，从中我们可以对其中不合理的地方进行修正，对不完善的细节进行改进，总结其中 做的好的地方和不好的地方，在以后的课题研究中多加注意。 另外，由于实施条件的原因， 在研究过程中，可能存在以下问题： ① 所需指标选择可能并不全面，但不会对结果产生本质影响； ② 所用 SPSS软件版本为 ，与现在最新版本的 SPSS 软件相比， 对数据 的处理上可能会出现些许偏差； 我们可以从以下几个角度对整个研究过程进行评价： ① 可行性； ② 合理性； ③ 全面性； 4. 实例分析 本章是实例分析，即根据前文 所介绍的 聚类分析和判别分析 在商业企业中的应用，分别依步骤对企业收集到的数据进行分析，为企业作出正确的决策提供参考。 ．聚类分析的实例应用 例 2020 年 2月份欲上市销售的产品定价时，应考虑不同地区居民的消费水平，而反映居民消费水平的指标为居民消费价格物价指数 (CPI)，我们应该依据 CPI的不同，利用聚类分析法，对全国各地区进行分类。 下面是 2020年 1月各地区的居民消费价格指数的具体情况： 表 各地区 2020 年 1 月消费价格指数表 计量单位：元 各地区居民消费价格指数（ 2020 年 1 月） 以上年同期价格为 100 地区 本月 累计 全 国 101 101 北 京 天 津 河 北 山 西 内 蒙 辽 宁 吉 林 黑龙江 上 海 江 苏 浙 江 安 徽 福 建 江 西 山 东 河 南 湖 北 湖 南 广 东 广 西 海 南 重 庆 100 100 四 川 贵 州 云 南 西 藏 陕 西 甘 肃 青 海 宁 夏 新 疆 分析步骤： Ⅰ ．确定分析目标：对该企业欲销售的产品，如何在全国不同地区制定价格 Ⅱ ．找出所需考察的指标：各地区居民消费价格指数 Ⅲ ．搜集数据：在国家统计局网站上找到相应数据 Ⅳ．数据分析： ① 将数据分批输入 SPSS 软件的数据处理窗口中； ②在菜单的选项中选择 Analyze→ Classify 命令，接着在 Classify命令下选择分析命令 Hierarchical cluster（系统聚类法）； ③在命令 Hierarchical cluster（系统聚类法）的各个选项中选择合适的命令； ④运行命令，得到结果如下所示： 表 聚类过程表 计量单位：无 Agglomeration Schedule Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage Cluster 1 Cluster 2 Cluster 1 Cluster 2 1 17 27 .000 0 0 5 2 12 26 .000 0 0 7 3 1 24 .000 0 0 13 4 8 20 .000 0 0 9 5 15 17 .000 0 1 6 6 15 16 .000 5 0 11 7 4 12 .000 0 2 14 8 6 11 .000 0 0 20 9 5 8 .000 0 4 19 10 9 31 .010 0 0 16 11 2 15 .010 0 6 21 12 10 14 .010 0 0 21 13 1 7 .010 3 0 17 14 3 4 .010 0 7 22 15 18 30 .010 0 0 23 16 9 25 .025 10 0 23 17 1 19 .030 13 0 22 18 21 23 .040 0 0 26 19 5 22 .040 9 0 24 20 6 13 .040 8 0 29 21 2 10 .057 11 12 25 22 1 3 .071 17 14 24 23 9 18 .132 16 15 25 24 1 5 .277 22 19 27 25 2 9 .475 21 23 27 26 21 28 .500 18 0 28 27 1 2 24 25 29 28 21 29 26 0 30 29 1 6 27 20 30 30 1 21 29 28 0 表 聚类分析树状结果表 计量单位 ： 无 * * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num ++++++ 湖 北 17  陕 西 27  山 东 15  河 南 16  天 津 2  江 苏 10  。