来比较不同年龄群体、不同职业群体、不同教育背景群体之间的差异
其中W为Wilcoxon W统计量，n为W对应组的样本容量。?SPSS在计算U值的同时，还会依据Mann-Whitney分布表给出对应的相伴概率值。此外，SPSS还可以计算近似服从正态分布的Z统计量以及Z值对应的相伴概率值，计算公式如下：U值和Z值的使用区别在于样本数的多少，当样本个数小于30时，应以U统计量的相伴概率值作为判断标准；在样本个数大于30时，则属于大样本应以Z统计量的相伴概率值作为判断标准。具体来说，如果相伴概率值小于或等于所设定的显著性水平α，则应拒绝零假设，即认定两个样本来自的总体均值有显著性差异；如果相伴概率大于显著性水平α，则不能拒绝零假设。根据对独立样本的定义，在本书中，中国消费者和加拿大消费者是一对相互独立的样本。因为对中国消费者或加拿大消费者进行抽样，不会影响到另一方的抽样。具体来说，对中国消费者抽样，不会影响到对加拿大消费者的抽样；同样，对加拿大消费者抽样，也不会影响到对中国消费者的抽样。此外，根据对独立样本的定义，男性消费者和女性消费者也是一对相互独立的样本。按照Mann-Whitney U检验法的适用条件来看，可以分别使用Mann-Whitney U检验法来分别来检验这两对独立样本，以讨论这两对独立样本分别来自的总体对模型中的四个自变量的认知是否存在差异。具体来说，将用Mann-Whitney U检验法来验证假设3和4。假设3：中国消费者和加拿大消费者对企业形象因素、母品牌因素、延伸产品因素和信息因素四个变量的重要性评价没有显著不同。假设4：男性消费者和女性消费者对企业形象因素、母品牌因素、延伸产品因素和信息因素四个变量的重要性评价没有显著不同。三、多个独立样本的K-W检验在前面，为了解不同国别下（本书中为中国和加拿大），消费者对延伸产品的评价有无统计上的显著差异，本书研究设计以Mann-Whitney U检验法来检验中国消费者和加拿大消费者这一对独立样本。类似的，为了解不同年龄、不同职业、不同教育程度消费者对延伸产?品的评价有无统计上的显著差异，本书研究设计以K-W检验法来分别进行检验。如前所述，在本书研究中，消费者按照年龄这一标准可以分成五个独立组别：18～24岁、25～34岁、35～44岁、45～54岁、55岁以上；按照职业可以分成三个独立组别：学生、一般职员和专业人士；按照受教育程度分成了七个独立组别：小学、初中、高中、专科、本科、硕士和博士。由于这三种对调查对象的分类都超过了两组，因而不能再使用前面介绍的针对两个独立样本的Mann-Whitney U检验法，本书将采用针对多个独立样本的K-W检验法，来比较不同年龄群体、不同职业群体、不同教育背景群体之间的差异。多个独立样本的K-W检验是一种推广的平均秩检验，以通过检验多个独立样本来推测相对应总体的分布无显著性差异。其零假设为：各个独立样本相对应总体的分布没有显著性差异。多个独立样本的K-W检验的基本方法是：首先将多组样本数按升序排列，并求出每个观察值的秩，然后对多组样本的秩分别求平均值。如果各组样本的平均秩大致相等，则可以认为相应的独立总体的分布没有显著差异。如果各样本的平均秩相差很大，则不能认为多个总体的分布无显著性差异。SPSS将计算K-W统计量，公式如下?：其中：K表示由K组样本；ni表示第Ⅰ组样本的观察值个数。为平均秩。SPSS将自动计算K-W统计量，并依据K-W检验临界值表给出K-W统计量对应的相伴概率值。如果相伴概率小于或等于用户的显著性水平α，则应拒绝零假设，接受备择假设：多个样本来自的总体分布有显著性差异；如果相伴概率大于用户的显著性水平α，则不能拒绝零假设，认为多个样本来自的总体分布无显著性差异。综上所述，本研究将使用K-W检验比较不同年龄群体、不同职业群体、不同教育背景群体之间的差异，具体检验假设5、6和7，其中每个假设中又分别包括四个小假设。假设5：不同职业的消费者（学生、专业人士和公司职员），对模型中?企业形象因素、母品牌因素、延伸产品因素和信息因素四个自变量的重要性评价不存在显著性差异。假设6：不同年龄的消费者对模型中企业形象因素、母品牌因素、延伸产品因素和信息因素四个自变量的重要性评价不存在显著性差异。假设7：不同教育背景的消费者对企业形象因素、母品牌因素、延伸产品因素和信息因素四个自变量的重要性评价不存在显著性差异。四、直接判别分析判别分析是一种数据分析技术，适用于标准变量或因变量为定类数据（Nominal Data），预测变量或自变量为定距数据（Interval Data）和定比数据（Ratio Data）的情况。?例如，因变量可能是对个人电脑品牌的选择（品牌A、B或C），预测变量是在7级李克特量表上对个人电脑各种属性的评价。判别分析通常可以分为?
