《联合分析1修改》PPT课件.ppt

1,联合分析 （Conjoint Analysis）,2,应用背景概述 联合分析的发展概述 联合分析的基本理论 基本概念 联合分析的基本思想以及基本目的 联合分析的基本模型 联合分析的基本假定 联合分析的步骤 联合分析的实用 相关软件介绍 实例,3,应用背景概述,日常生活中，对于某类产品我们经常会面临选择境况，通常会根据产品的不同效用来进行最优化选择，总会存在一种偏好。（例子） 而在市场营销研究中，对消费者偏好的研究是极其重要的，一个经常遇到的问题是：在所研究的产品(服务)中，具有哪些属性的产品最能够受到消费者的欢迎。 针对这样的问题，传统的市场研究方法往往只能作定性研究，而难以做出定量的回答。而联合分析则提供了研究消费者偏好的一种定量方法。,联合分析是一种用于估计不同属性对消费者的相对重要性以及不同属性水平给消费者带来的效用的多元统计分析方法 它是在已知消费者对全轮廓的评价结果的基础上,经过分解的方法去估计其偏好结构的一种分析法。 可帮助我们研究为什么消费者购买某一产品而不是其它产品这样一个核心的营销问题。 其因变量是消费者对某一轮廓的整体偏好评价，自变量是组成各轮廓的不同属性(因子)水平。,5,联合分析的发展概述,联合分析，或称结合分析，早期被称为联合度量(conjoint measurement)，由数理心理学家R.卢斯(R.Luce)和统计学家J.图基(J.Tukey)于1964年首先提出。 1971年P.格林(P.Green)和劳(Rao)将此法引入市场研究领域 到了80年代，联合分析发展到了混合型联合分析，以Sawtooth公司1985年推出的一系列联合分析软件为代表，如:自适应联合分析(ACA)，此后又推出全轮廓联合分析(CVA)，以选择为基础的联合分析(CBC) 。,6,联合分析的基本概念,属性和水平（attribute and levels）:属性是研究中产品的主要特征（等同于方差分析中的因素）；水平指这些特征的不同取值。 注意： 1.为了精确反映回答者的判断过程，所有构成或者减掉产品或服务的总效用都应考虑在内。很关键的一点是正反两方面的因素都应考虑在内。 。 2. 指定有决定性的属性。这些属性应该最好的区分物品。某些属性虽然非常重要，但是在对物品作出选择时差别并不大，因此不应考虑在内。比如汽车的安全性是一个很重要的属性，但是多数情况下它并不重要，因为所有汽车都达到政府标准，被认为是安全的。,7,联合分析的基本概念,。轮廓（profile）：由能描述产品（或服务）重要特征的属性以及赋予每一个属性的不同水平的组合构成 完整轮廓（full profile）：根据所有属性的各种属性水平所构造的所有组合。 结对表（pairwise tables）:属性间两两配对得到的二维交叉表。,8,分式析因设计（fractional factorial design）:用来减少完整轮廓法中的组合数所采用的设计。 正交数组（orthogonal arrays）:分式析因设计的一种特殊类型，能够用来有效估算所有主效应。 成分效用函数（part-worth function）:描述消费者对每一属性的不同水平所感知的效用。 相对重要性（relative importance weitht）:表示消费者在选择时，某种属性影响消费者决策的重要程度。 内部效度（internal validity）:预测的效用与实际效用之间的相关程度。,9,联合分析的基本思想,联合分析法的创建基于这样一种思路:单独考虑某一等级的属性时，属性效用无法测量;若将不同等级的各项属性联合起来加以分析，属性效用有可能被间接地测量出来。 基本思想是：通过提供给消费者以不同的属性水平组合形成的产品或服务，让消费者做出心理判断，按其意愿程度给产品（或服务）组合打分或排序，然后采用数理分析方法对每个属性水平赋值，使评价结果与消费者的给分尽量保持一致，来分析研究消费者的选择行为。,分解技术 （decompositional technique）,10,联合分析的基本目的,1、确定消费者赋予某个预测变量(水平)的贡献和效用(utilities) 2、确定属性的相对重要性 3、寻找消费者可接受的某种产品的最佳市场组合,即模拟市场占有率分析。,11,联合分析的基本模型,1,12,估计时往往将模型转化为含有虚拟变量的回归方程进行估计,2,13,联合分析的基本假定,1、属性可加性 产品（或服务）是作为一组属性的组合加以评价的。即消费者对产品(服务)的偏好每次并不是基于一个因素而是基于几个因素的结合来判断的。 2、消费者对某一轮廓的偏好（效用）函数是是（单调？）线性的。 3、消费者对产品评价的反应，可以反映出消费者最后的消费决策。,14,联合分析的步骤,1、确定研究目的 2、确定轮廓 3、数据收集 4、选择联合分析方法并进行计算 5、解读结果 6、评估信度与效度 7、联合分析的应用,15,确定研究目的,首先，考虑研究的问题是什么，是否适合联合分析来解决。一般来说下面类型的问题才适合进行联合分析： 研究目的是用来测量消费者对产品的偏好 产品有多种属性，并且其特征能用有限的属性和水平进行描述 其次，确定产品（服务）的属性以及属性水平,16,确定轮廓,将所有属性与属性水平进行组合，形成不同的轮廓，并制造成卡片。 通常采用的方法有： （1）配对法，也叫两项法(或双因子评价法，two-factors evaluations) （2）全轮廓法，也叫多项法(或多因子评价法，multiple-factor evaluations) 往往采用正交数组设计来确定轮廓（参见实例）,17,数据收集,偏好的测量方法也决定了我们输入数据的形式，最主要的测量方法有:排序法和评分法。,18,选择联合分析方法并进行计算,一般采用虚拟变量的最小二乘法（OLS） 估计出各个属性水平的效用,19,解读结果,成分效用函数 （了解某种属性下各水平的效用） 属性的相对重要性 （了解属性的重要程度） 轮廓的效用 （以确定出备受青睐的属性组合）,20,评估信度与效度,虚拟变量回归的拟合优度 采用回访收集数据后进行联合分析，与第一次的结果进行相关分析 利用模型的预测值与实际值进行相关分析以确定内部效度 斯皮尔曼秩相关检验 肯德尔的tau检验 划分不同子样本进行联合分析以对稳定性进行评估,21,联合分析的应用,22,联合分析的软件化,SPSS（CONJOINT模块）（主要利用此法讲解） SAS（MRA模块） SAWTOOTH(ACA模型、CBC模型、CVA模型) 参见 MONANOVA TRADE-OFF LINMAP,23,实例：以旅游鞋为例,以学生对旅游鞋的评价为例进行联合分析 通过定性研究（问卷调查、深访等）确定了旅游鞋的三个重要属性：鞋底、鞋帮和价格 以及每种属性分别对应有三种水平,24,25,采用全轮廓法进行确定轮廓数（=卡片数） 如果考虑全部属性以及相应水平组合共有27种之多（=3*3*3） 改进：采用正交数组法（SPSS中的orthoplan）,26,27,利用调查后的数据，采用OLS估计模型进行效用系数的计算（参见SPSS数据集以及程序运行结果）,28,CONJOINT PLAN=F:SPSSsmp1.sav /DATA=F:SPSSsmp1-1.sav /FACTORS=a b c /SUBJECT=no /RANK=profile1 to profile9 /plot=all,29,不同属性水平的效用以及相对重要性,30,31,Spss中采用最小二乘法进行的分析,32