多变量统计技术
多变量统计技术包括分析两个或两个以上变量间关系的各种技术，可归纳为两大类：一类是为综合评价服务的方法，即分析某一事物的各种特性以及这些特性之间的相互关系，并将有关数据归纳为少数几个综合特征值的方法，包括因素分析、主成分分析、聚类分析、多维尺度分析、潜伏结构分析等；另一类是为预测服务的方法，即把列举出的特性区分为说明变量和基础变量，根据从说明变量中得出的信息来预测基础变量的方法，包括多元回归分析、方差分析、协方差分析、虚变量多元回归分析、自动干扰探测分析、判别分析、虚变量判别分析、联合测定分析、规范关联分析、多元方差分析等。本节拟就回归分析、判别分析和因素分析做简单介绍。
（一）回归分析
所谓回归分析，是指一种表述自变量对因变量影响的公式或技术。任何营销问题都要涉及一组变量，而营销调研人员主要对其中的一个感兴趣，他要了解在不同的时间、地点该变量的变动情况，这个变量就叫作因变量。营销调研人员在确定了因变量之后，还要进一步考察其他变量在不同的时间、地点对因变量的变动有何影响，这类变量叫作自变量。
如果在回归分析中，统计方程式只涉及一个自变量，称该方程式为简单回归；如果涉及两个或两个以上自变量，称该统计方程式为多元回归。
（二）判别分析
在许多营销问题中，因变量往往是分类型变量而不是数值型变量，在这种情况下就无法运用回归分析。例如，某葡萄酒生产厂家希望解释消费者对3种产地的偏好程度；某蔬菜企业试图根据对其服务产品购买量的大、中、小来确定用户的特征；某现代物流公司想判别将来可能成功和不能成功的仓储网点的地理位置。在上述情况中，都是将两个或两个以上的群体根据某特征予以明确分类，使任何一个群体都归属于某一类，目的在于发现重要的判别变量，使之组合成为可预测的公式，这种解决问题的方法就是判别分析。
（三）因素分析
因素分析是一种用来确认一组相关变量中真正造成相关的基本因素的统计技术。这种方法假设：相关之所以会发生，是由于有一些基本因素与其他变量在某种程度上相同。在市场营销领域，因素分析主要用于确定对企业、对产品、对服务以及对广告媒体等的态度的基本因素，这样可以大大减少回归分析中自变量的个数。