多维偏好分析.doc

多维偏好分析 案例介绍：1980年，美国的某汽车制造商希望了解在消费者心目中，其汽车品牌相对于竞争对手的品牌是如何定位的，在目前的汽车市场上是否还有市场空间可供挖掘。考虑采用多维偏好分析来解决这一问题。具体方式从自己和竞争对手中共挑选了17种新车，请25位消费者根据他们对这些汽车的偏好按0～9分的量表评分，9分表示偏好程度最高。数据录入时每一种品牌为一行，每一个受访者的数据为一列。此外，为了使得研究结果更为明确，还按照这17种车型在节油（Mpg）、可靠性（Reliable）上的表现用5分量表进行了评价。数据见Carpref.sav。 实验步骤： 1.预分析：选择“分析”——“降维”——“因子分析”，将j1到j25变量都选入“变量”框中，选择“抽取”，勾选“输出”的碎石图，单击“确定”。 得到的碎石图见下图，从中发现前两个主成分的信息量较高，合计约占70%左右的总信息量。虽然3、4、5个维度的特征根也大于1，但由于数据中的变量代表消费者，消费者越多，特征根大于1的维度也越多，故只取两个主成分。 2.多维偏好分析 （1）选择“分析”——“降维”——“最优尺度”菜单项 （2）选中“某些变量并非多重标称”单选按钮，单击“定义”按钮 （3）将j1～j25选入“分析变量”列表框，在“定义度量”对话框中将其度量水平全部修改为“数字”。 （4）将Mpg、Reliable、ride选入“补充变量”列表框，在“定义度量”对话框中将其度量水平全部修改为“数字”。 （5）将model选入“标记变量”列表框 （6）在“离散化”对话框中，将所有变量的离散化方式均设为“秩” （7）在“选项”对话框中，在“正态化方法”下拉列表框中选中“对称” （8）在“对象”对话框中，选中“对象和变量”复选框，将“标签对象”选项组中的标注方式更改为“变量”并将model选入“选定”列表框 （9）单击“确定”按钮 结果分析： 下表为模型情况汇总，显示前两个维度共携带了65.874%的信息量，和主成分分析一致，两个维度的Alpha信度系数也都非常高，充分说明采用二维是比较合适的。 模型汇总 维数 Cronbachs Alpha 解释 总计（特征值） 方差的 % 1 .945 10.737 42.946 2 .860 5.732 22.928 总计 .978a 16.469 65.874 a. 总Cronbachs Alpha 基于总特征值。 上图为各汽车品牌的定位散点图，可见所有车型大致可以被分为三大类：第一类以DL、Rabbit、Accord等车为主，占据了空间的右中下部；第二类以Continental、Eldorado和Firebird为代表，占据了空间的左上角；第三类品牌为数众多，占据了偏好空间的左下角。而整个空间的右上部比较空，没有品牌定位在此处。 如上图，大致可将消费群体分为三类，第一类群体人数众多，偏好多指向空间的右中下部，第二类群体人数次之，偏好指向空间的右上部；第三类群体人数最少，指向空间的左上部。同时对三个属性变量Relible、Mpg和ride进行了测量，可见在指向上，乘坐的舒适度（ride）和可靠性（Reliable）和第一群体消费者的偏好指向完全相同，显然该群体更加重视车型的舒适和安全可靠；而省油能力（Mpg）和第二群体的偏好指向基本重叠，即该群体更重视省油。 结果分析： 1.从品牌特征和消费偏好定位上看，第一维度似乎代表了总的偏好程度，对车要求更为省油和可靠，评分最高的为沃尔沃的DL，最低为福特的Pinto，第二主成分与汽车可靠性、舒适程度有关，其中林肯的Continental和卡迪拉克Eldorado得分最高，还是福特的Pinto最低。 2.消费者的偏好存在明显差异，可分两大群体，第一群体人数较多，注重省油能力、可靠性等实用性指标；第二群体人数相对较少，更加喜欢大型汽车，注重乘坐的舒适程度。 3.从市场结构划分来看，已经很少有人偏好福特的Pinto小型美国车，即位于第三象限的品牌市场不容乐观；相当消费者开始选中欧洲车型，可能是今后市场的主流，大型美国车仍然有固定的偏好人群，属于一个比较固定的独特市场区块；注意，第二群体的主要指向方向上，目前尚无汽车品牌与之对应，可能是一个新的细分市场：更大、更豪华的欧洲和日本车市场。