如何创建用户模型:问卷调查与数据分析(2)_数据分析师考试

二、数据处理 数据的常规处理

对于刚才得到的数据，可以进行常规的处理。即求出平均值或者份额进行相应比较分析，所得到的结果如下。

对于样本量为10的上述调查结果经计算，细心护理型占50%，粗放型30%，异常数据20%。

变量性问题平均值：

对于各个角色均值数据如下：

从上述数据结论可知，对呀B1-B4问题，两个用户角色观点相差不大。但是对于B5（产品交互）问题粗放型用户比细心护理型用户更为重视。

经过对建议性问题分析结果可以得到如下图表：

由此可得出结论，细心护理型用户对email的要去较为强烈；粗放型的用户倾向与写信的方式。对于添加的服务项，这两种角色均有需求。

综上所述，我们只是举了一个非常非常2b又简单的例子来说明构建用户模型的方法，实验的样本量也很小。这个简单的例子可以说明基本方法，要真正应用到自己的case中，还需要认真研究分析。

多元回归方法分析用户模型

对于数学好的童鞋，可以给出一种多元回归统计的方法来分析我们得到的数据。这里写的并不详细，也没听提供假设检验，望高手多多指点交流。我们仅用多元回归方法来分析变量性问题的结果。

我们的例子提出了5个变量性问题，所以要回归的线性方程具有5个变量，形式如下：

Y=b0+b1x1+b2x2+b3x3+b4x4+b5x5

我们的目的就是要对b0、b1、b2…b5计算出估计量。

写成矩阵的形式为Y=BX

其中Y为综合满意度数据

使用MATLAB中的regress(y,x)可以对B进行多元回归,结果如下：

(这里没有进行假设检验等，大家可以自行完善)

>> y=load('C:\Users\ydbj0017\Desktop\y.txt')

y =

90

85

77

81

70

78

89

91

90

80

>> x=load('C:\Users\ydbj0017\Desktop\x.txt')

x =

1    80    95    79    78    67

1    87    66    60    89    78

1    97    77    87    69    90

1    88    98    65    75    68

1    78    83    63    73    76

1    73    75    88    80    95

1    78    98    63    66    97

1    77    74    87    66    69

1    90    88    67    87    78

1    88    78    67    79    60

>> regress(y,x)

ans =            %这个就是估计矩阵B

51.4213       %b0

-0.0868        %b1

0.2210       %b2

0.1407       %b3

0.2041       %b4

-0.0671       %b5

b0为常数，对变量没有影响，剩余对应相应的变量问题。由此可见B2问题是全部用户对整体评价中权重最大的因素。