[問題] 統計方法詢問(客戶推薦程度)

[atomo (Mr.Wu)]

如果是跟統計軟體有關請重發文章，使用程式做為分類。
統計軟體，如SPSS, AMOS, SAS, R, STATA, Eviews，請都使用程式做為分類
請詳述問題內容，以利板友幫忙解答，過短文章依板規處置，請注意。
為避免版面混亂，請勿手動置底問題，擅用E做檔案編輯

Hi 大家好，我想請問有什麼適合的方法可以分析造成消費者推薦程度改變的因素？

資料來源主要是問卷資料，向填答者詢問他們有多願意推薦這個品牌(0-10分)的級距，

再將這11個級距分成3類:批評者(0-6)/中立者(7-8分)/推薦者(9-10分)，主要研究的

應變數就是這三個類別，自變數除了客戶基本資料以及滿意度外，我們根據客戶

的開放式回答當中進行分類(ex:提到服務很爛，就在服務抱怨的分類上記錄1)，

現在的目標是將這些我們自行分類過的因素納入模型中，去討論什麼樣的分類，

會造成客戶推薦程度的改變，並且透過影響程度來排序這些分類。

(ex: 餐點很難吃 > 服務生服務很差 > 餐點太貴 > 出餐太慢 > 裝潢太差)

根據我目前上網研究的結果，目前想採用 Multinomial Regression 來進行研究

，去討論這些分類造成中立者態度轉換的機率有大，再透過顯著的Beta係數大小來

當做影響程度，進而當做重要性的依據，不知道這個方法是不適合？

以下是我的疑問：

1. 應變數的類別有大小的關係是否適用此模型？

2. 我們的分類很多，導致每個分類下都有很多的0(>80%)，不知道是否會造成影響

3. 因為也有許多顧客沒有留下開放式建議，所以無法再進行下一步分類，再模型當中

   時我應該把這些沒有分類資料的顧客回復從模型中拿掉嘛？還是可以一起討論？

4. 因為滿意度和問題分類有因果和層級的關係，是否適合放入同一模型討論？


謝謝大家









--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 59.124.153.109
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1481869303.A.893.html
※ 編輯: atomo (59.124.153.109), 12/16/2016 14:24:41
推 andrew43: 也可以嘗試分類器，方法很多。
→ andrew43: 多項羅吉斯回歸應該可以。變數挑選和模型診斷做好。
→ andrew43: 但11類縮成三類，感覺滿浪費的。
→ Pieteacher: Logit model with multinomial respose
→ Pieteacher: Read agresti book category analysis chap 7
→ atomo: 謝謝andrew 大回應，在查詢過程當中有機器學習相關方法，
→ atomo: 但礙於沒有相關知識，進入障礙比較高，才選擇從統計模型下
→ atomo: 謝謝Pie老師的回復，我會去查詢一下相關書籍，謝謝！
→ atomo: 關於11個縮成三個，是因為原始推薦指標(NPS)就是這樣處理
推 jackhzt: mds