之间的联系。下面再举例说明。
假设一研究课题为调查某小镇居民看电影的习惯而选择了1000个居民样本
（年龄大于12岁）作为调查对象。研究结果表明26。7％的人是有规律的看电影者
——每月两次以上（见表5。8 ）。
表5。8 居民看电影的习惯百分比（％ ）样本量（人）％ 常看 26。7 267 不常
看 73。3 733 总和 100 1000
已假设大学生与非大学生居民相比是常看电影者。因此这些资料可以分解为
下面的表格（表5。9 ）。表5。9 大学生与非大学生居民看电影的习惯大学生非大
学生常看 37％ 21％不常看 63％ 79％样本量（人） 350 650
表5。9 表明大学生看电影和习惯与非大学生居民不同。但在我门接受这个结
论之前，还要问“年龄对看电影的习惯是否有影响？”表5。10列出了年龄对看电
影习惯的影响。
表5。10年龄对看电影习惯的影响≤23岁＞23岁常看 35％ 20％不常看 65％ 80％
样本量（人） 450 550
当引入年龄这个因素时，就很明显地发现年龄是影响看电影习惯的关键因素，
即常看电影的多是年轻人。这义涉及到下面的问题“大学生是因为年轻而多看电
影还是由于年轻人进大学才多看电影？”（见表5。）。11
≤23岁＞23岁样本量（人）
大学生非大学生大学生非大学生常看 36％ 34％ 22％ 20％ 267不常看 64％ 66％
78％ 80％ 733 样本量（人） 270 180 77 473 1000
上表表明大学生常看电影是因为大学生年龄多在23岁以下。而进大学与年龄
相比是影响看电影频率的第二位因素，年龄是决定看电影习惯的关键因素。
（4 ）同步分析与顺序分析。表5。9 和表5。10中提出的资料是顺序分析的例
子，即一次解释一个因素的影响。而表3。11则提供了同步分析的例子，即同时分
析两个以上的因素。顺序分析常会引起令人误解的结果而同步分析则可辨别上述
这些误解。
下面要谈谈相关性问题。当一个因素自然地影响到另个因素时，相关性就存
在。例如企业研究职工婚姻状况与旷工次数的关系。第一个横列表分析可能会发
现结婚的妇女比单身女工更容易旷工，第二个分析则可能表明另一关键影响因素
是妇女的家务事即孩子、家务活等。所有这三个因素可以放在一起，即结婚的妇
女比单身的妇女有更多的家务责任，并且有较多家务责任的妇女有较高旷工率。
用符号表示就是F1（婚姻）→F2（家务事）→F3（较大旷工率）。这种转变关系
是真正的相关关系，但这个过程不能倒过来，即较高的旷工率并不导致较多的家
务责任。
而在前面讨论的学历、年龄与看电影频率的例子中，这种过程就不存在，因
为上大学并不能导致年龄。而年龄是决定看电影次数和上大学的关键因素。假关
系涉及到多重方向，从而使某些关系具有假相关性。
（5 ）横列表的局限性。横列表法有两个局限性。一是如果有好几个因素要
考虑，就需要相当大的样本；二是很难确保所有的有关因素已进行了分析。如果
因素选择得不适当，就会得出错误的结论。即使是因素选择得正确，研究者也许
会使用不当，从而也不能找到真实的关系。
□计算百分率百分率的第一个用处在表示一种关系，例如市场调查结果显示，
在2000个家庭中，有500 个拥有彩色电视机，在调查报告中，如只列出500 个家
庭的数字，事实上并无多大意义，只有列出在2000个家庭中拥有彩色电视机数目
的百分率（即25％）时，才具有意义，使读者对彩色电视机的拥有率具有清晰概
念：百分率的第二个用处乃在比较两类与两类以上资料间的相对关系，例如：表
5。12拥有彩色电视机住户数目的分布
拥有24吋彩色拥有19吋彩区 ％ ％电视机住户数目电视机住户数目Ⅰ 4，000
4。4 8 ，000 8。6 Ⅱ 8，000 8。9 10，000 10。7Ⅲ 14 ，000 15。6 20 ，000 21。5
Ⅳ 26 ，000 28。9 30 ，000 32。3Ⅴ 38 ，000 42。2 25 ，000 2。69
90，000 100。0 93，000 100。0
在上表中，如果要比较24时与19时彩色电视机在各区的分布情形，以绝对数
字来比较，并无多大意义，例如在第Ⅲ区，拥有24时者有14000 户，19时者有20000
户，但读者对彩色电视机的分布印象仍不够深，如果用百分率来表示，彩色电视
机在各区的分布情况显然清楚得多。
二、资料的分析与解释
□分析与解释的定义对资料的分析和解释在研究过程的所有活动中，对研究
者的技能的要求是最高的。一般来讲，事实本身是没有用处的，只有经过比较和
分析后才有用。比如在改革十年后，某乡的人均年收入达800 元，这个信息只有
在与该乡十年以前的人均年收入100 元相比时或与其它资料比较时才有意义。这
就是资料的分析与解释所包含的意义。
分析是以某种有意义的形式或次序把收集的资料重新展现出来。分析实际上
是回答下面的问题：“每组资料里有些什么信息？”。分析是分别地检查每组资
料以找出其内涵的关键信息，并以有意义的形式表现出来。
解释是在资料进行分析后找出信息块之间或与其它已知信息的联系。解释相
当于研究方法中的综合，其主要目的是从所收集的资料中获得结论。解释是把分
析过的资料变成跟研究目的有关的信息，以使收集的资料与研究目的和假设联系
起来。
□分析与解释之间的相互依赖性对资料的分析与解释是相互联系、相互依赖
的。其中任何一个进行得不好都会影响到研究结果的有效性和它的充分利用。
假设某个大的日用化工厂，每个季度作一次库存检查（在全国的100 个主要
的大百货商场）。检查发现了该厂洗衣粉销售量的异常情况。下表是该厂月亮牌
老产品和太阳牌新产品在过去8 个季度里销售量的变化。
公司的营业部经理从上面资料发现，月亮牌的销售量的下降与太阳牌的销售
量的上升有惊人的吻合，因此作出结论，月亮牌产品的顾客转向了太阳牌产品，
并且建议在这个时刻将月亮牌洗衣粉退出市场。
然而，实际上发生的是，有两个竞争对手大力推销他们的与月亮牌类似的产
品以防止他们的顾客转到太阳牌上来。这样，尽管月亮牌老产品的市场由于新产
品的推出而下降了一些，但其销售量的下降主要是由于其它公司的促销活动而引
起的。
表5。13中的资料表明，月亮牌的销售量在下降而太阳牌的销售量在上升，这
种分析是正确的，但解释是错的，因为上面两组资料被不适当地联系到了一起。
如果调查市场洗涤用品的总销售量以及仔细研究竞争对手的活动，月亮牌销售量
下降的真实原因就会被发现。
表5。13两种产品的销售量比较季度月亮牌（袋）太阳牌（袋）
1 205500 1350
2 193500 3300
3 171000 15900
4 154000 37950
1 151500 60000
2 145500 69600
3 132000 79500
4 121500 91500
前面的例子表明分析适当时，解释不一定适当。下面举例说明分析不适当的
情形。
假设二汽要对3 种广告设计进行试验，以判定哪一种对提高汽车销售量最有
效。在不同时间里分别在4 个不同城市进行了市场试验，结果列在表5。 14 中。
表5。14不同广告设计对销售量的影响广告跟广告有关的销售售量（辆）
A 2431
B 2164
C 1976
上面的数据表明广告A 是最有效的。从逻辑上讲应该使用广告A 来进行全国
性的宣传。但是这种分析是否充分？如果将销售量进一步分解到4 个参加试验的
城市，就会发现不同的情况（见表5。15）。这个分析表明3 种广告的效果差不多，
与广告A 相关的销售量大主要是由于在B 城的不正常的需求所引起的。
表5。四城市的汽车销售量比较15（辆）
城市1 2 3 4 总广告
A 508 976 489 458 2431
B 481 613 528 442 2064
C 516 560 464 436 1976
由上面讨论看出在表5。基础上的解释是正确的，但这15种解释建立在不充分
深入的分析之上。总之，分析和解释中任何一个不适当都会影响研
究结果的正确性。
□资料的解释在解释资料时尽管没有一个统一的模式可遵循，但下面两个方
面是必须注意的：一是要理解归纳和演绎的推理方法；二是要保证形成结论时的
客观性。
1。归纳和演绎的推理方法归纳和演绎方法常被用来从资料中获得结论推断。
演绎推理方法是从一般的前提推到个别结论的方法。例如所有动物都不免一死
（大前提）；人是动物（小前提）；人也不免一死（推理结论）。
演绎推理的结论取决于前面的两个前提。而归纳方法则是把一系列分离的事
实或观察到的现象放在一起从而得出规律、法则。例如从很多实验中都观察到水
在加热时会沸腾，从而得出规律：水在加热时会沸腾。
（1 ）归纳推理方法在市场研究中的应用。归纳推理方法是，首先产生一系
列个别的前提，然后把这些前提与其它前提组合在一起，以形成结论。
这些个别的前提可以从观察、实验、调查中获得。例如某个汽车方面的调查
表明，所调查的100 个汽车用户中有60个声称将来更新汽车时，很可能或绝对会
购买东风汽车。根据这60个个别发现，得出下面的结论：大部分汽车用户（60％）
在更新汽车时会购买东风汽车。
在归纳方法中，任何结论都是基于从调查、实验或观察中得出的证据。
市场研究中通过对大量个体（或样本）的调查研究得出一般性结论的方法使
用的就是归纳方法。
（2 ）演绎方法在市场研究中的应用。演绎推理过程包括一系列的语句，其
中的最后一句是结论，它是从前面几句逻辑地推理出来的。结论的正确性取决于
前提的正确性。然而在管理方面的应用中，演绎方法中的大前提常是不很可靠的。
例如：存款利息上升时，居民存款额会增加（大前提）；1988年底利息上升了
（观察到的事实，小前提）；因此那时的存款额会上升（结论）。
又如：60％的汽车用户更新汽车时会购买东风汽车（大前提）；明年将有10
万个汽车用户更新汽车（事实预测，小前提）；明年东风汽车的销售量在用户更
新购买方面将是大约6 万辆（结论）。
在上面两个例子中，结论是从大前提和小前提逻辑地推断出来的。但实际结
果常常与上面的结论有一些（有时是很大的）差别。在管理方面特别是这样。例
如，由于人们感到物价上升的速度比利息的上升速度快，他们并没有减少消费而
把钱存起来。又如，由于东风汽车的竞争产品如一汽解放汽车的质量的提高、系
列品种的增多以及售后服务的改善，使得在全国的10万