4.4 电视广告效用评价分析

4.4.1 案例描述

表4-8是不同的人群对30个电视广告节目所作的平均评分。业余评分来自低学历人群(led)、高学历人群(hed)和网络人群(net)三种，它们形成第一组变量；专业评分来自包括演员和导演在内的艺术家(arti)、发行商(com)和业内各部门主管(man)三种，形成第二组变量。试分析这两组变量之间的关系。

表4-8 电视节目评分表

4.4.2 操作步骤和结果分析

(1) 打开SPSS主界面，单击窗口下方的Variable View按钮，设置变量如图4-16所示。

图4-16 变量设置

(2) 单击窗口下方的Data View按钮，输入数据如图4-17所示。输入完成后，在菜单栏中选择File→Save As命令，保存为dianshi.sav。

图4-17 数据录入

(3) 在菜单栏中选择File→New→Syntax命令，打开一个空白文档，在其中输入如下代码，如图4-18所示。

图4-18 代码录入窗口

        MANOVA led hed net WITH arti com man
        /DISCRIM ALL ALPHA(1)
        /PRINT=SIG(EIGEN DIM)

本例运用的是典型相关分析方法，不能在SPSS进行窗口操作，而必须用写入程序行来运行的模型。用户不必再去研究语法的细节，只要能够举一反三，套用这个例子的程序即可。

(4) 单击工具栏中的按钮，运行程序，输出结果，如图4-19所示。

图4-19 结果输出窗口

(5) 输出变量相关性检验表，如表4-9所示，为判断这两组变量相关性的若干检验，包括Pillai迹检验、Hotelling-Lawley迹检验、Wilks l检验和Roy的最大根检验，它们都是有两个自由度的F检验。表中给出了每个检验的F值、两个自由度和P值(均为0.000)。

表4-9 变量相关性检验表

(6) 输出特征根典型相关系数表，如表4-10所示。表中给出了特征根(Eigenvalue)、特征根所占的百分比(Pct)、累积百分比(Cum.Pct)和典型相关系数(Canon Cor)及其平方(Sq. Cor)。可知前两对典型变量(V, W)的累积特征根已经占了总量的99.427%，它们的典型相关系数也都在0.95之上。

表4-10 特征根典型相关系数表

(7) 输出标准化协变量系数表，如表4-11所示，可以得到协变量(Covariate)的标准化的第二组变量的相应于前三个特征值的三个典型变量W1、W2、和W3的系数。

表4-11 标准化协变量系数表

(8) 输出典型变量V与第一组变量相关系数表，如表4-12所示，得到每个典型变量V与第一组变量的相关系数。V1主要和变量hed相关，而V2主要和led及net相关。

表4-12 V与第一组变量相关系数表

(9) 输出典型变量W与第二组变量相关系数表，如表4-13所示，得到每个典型变量W与第二组变量的相关系数。W1主要和变量arti及man相关，而W2主要和com相关。

表4-13 W与第二组变量相关系数表

(10) 由于V1和W1最相关，这说明V1所代表的高学历观众和W1所主要代表的艺术家(arti)及各部门经理(man)观点相关；而由于V2和W2也相关，这说明V2所代表的低学历(led)及以年轻人为主的网民(net)观众和W2所主要代表的看重经济效益的发行人(com)观点相关，但远远不如V1和W1的相关那么显著(根据特征值的贡献率)。

上一章目录下一章