第一节界定广告诉求对象的标准 从事广告策划,不管产品是什么品牌是什么也不管策划案是大还是小,策划者的第 一步工作就是要明确广告的对象是谁,是什么人,是什么样消费群体。只有明确了广告对 象之后,其他问题的考虑才会有意义。换言之,界定广告活动的诉求对象是广告活动策划 的首要环节

广告表现是将广告策划过程中形成的关于广告主题广告诉求重点,通过创意过程, 用某种形式(符号)表达出来。实际上,它包括广告的创意、设计和制作过程。所以,本 章首先从谈谈广告创意的构思方法,接着根据消费者对广告的认知过程,阐述广告设计制 作的基本原则,而后就一系列如何影响人们广告认知以及有关的心理学理论和方法问题展 开讨论

一则广告作品可以从很多角度加以解剖,将它分解成若干部分,若干要素,或若干特 征。每一个要素在广告中都有一定的作用。了解各种要素的心理效应,有利于广告创作者 综合运用各种要素,创作出理想的广告作品

汇编语言是直接在硬件之上工作的编程语言,首先要了解硬件系统的结构,才能有效 地应用汇编语言对其编程。在本章中,对硬件系统结构的问题进行一部分的探讨,以使后 续的课程可在-个好的基础上进行。当课程进行到要补充新的基础知识关于编程结构或 其他的)时候,冉对相关的基础知识进行介绍和探讨。本书的原则是,以后用到的知识,以 后再说

本书是一本集多元社会科学研究统计方法及相应SPSS统计软件应用的教 材。 科学的性质要求一个完整的研究必须理论联系实际,能够比较准确地刻画事 物的现状、把握它的内在规律、并力图能够预测它的发展趋势。长期以来,社会 科学研究由于其研究对象的复杂性以及量化分析水平很低,总是较多地依赖于概 念定义和逻辑推理,处于单纯思辨的范围,很少具有经验(实证)研究的性 质。因此,总是有很多人并不将其作为科学来对待

社会科学研究经常要涉及名义测度等级变量。比如,我国人口普查中的民 族、婚姻状况、地区类型等都属于分类选择答案的问题,也就是说这些问项形成 的变量就是名义测度等级的分类变量。我国人口普查中受教育程度是按等级分类 的。要是严格按照统计学的定义,这一项的答案所形成的变量属于序次测度等

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受。50年代以来,随着计算机的普及和各种统计软件的出现,因 子分析在社会学、经济学、医学、地质学、气象学和市场营销等越来越多的领域 得到了应用

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数(discriminant function)然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量(grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因变量,有时可能倒是真正的“结 果”或“反应”变量

多元线性回归(multiple linear regression)是分析一个随机变量与多个变量 之间线性关系的最常用的统计方法。实际工作中,常常希望知道所关心的事物受 哪些因素的影响,比如销售量与价格和广告费的关系,农业产量与原料和气候的 关系,生育水平与教育水平和经济水平的关系,物价和失业率的关系,收入与受 教育程度和年龄的关系等等。多元线性回归用变量的观察数据拟合所关注的变量 和影响它变化的变量之间的线性关系式,检验影响变量的显著程度和比较它们的 作用大小,进而用两个或多个变量的变化解释和预测另一个变量的变化

科学的最终目的在于揭示事物变化的内在规律,因果关系是事物内在规律的 种基本形式。然而,事物的内在联系并不能直接观察到,所以需要在科学研究中应用 各种方法来加以探索和分析。通径分析便是一种探索系统因果关系的统计方法。 因果关系模型中明确设置自变量和因变量,通过模型分析,检査自变量对于 因变量的作用方向、作用强度和解释能力。并且,因果关系模型还可以用来进行 预测。本书第二章多元回归分析便是因果关系模型的一种。但是,多元回归模型 是一种比较简单的因果关系模型,它所假设的因果关系不存在多环节的因果结 构,尽管多元回归模型中可以包含多个自变量,然而各个自变量对因变量的作用 却是假设为并列存在的