SPSS教程CH5 联合分析.ppt

聯合分析 內容大綱 15.1　認識聯合分析 15.2　完全輪廓法 （採用正交陣列） 15.3　進階探討 15.1　認識聯合分析 在專題研究尤其是行銷研究中，利用聯合分析（conjoint analysis）最為廣泛的是在市場研究及產品發展這些領域。 例如消費者在購買個人電腦時，會評估一系 列的產品屬性（product attribute），以做購買的決定。這些屬性包括：品牌、速度、價格、硬碟類型、記憶體容量、擴充可能性、螢幕解析度、軟體供應等因素。當然在有限的經費之下，他（她）必須做取捨。 聯合分析的技術在於測量：　 每一個受試者（消費者）對產品屬性所給予的重要性程度 他們對於每個屬性的層級所賦予的偏好程度 除此以外我們可針對某個消費者在每個屬性不同層級上的偏好，進行直接的比較。例如，消費者願意以「價格便宜10%」來交換「12個月的保證」呢？還是「增加15%的行車哩數」？ 聯合分析適用於依變數、自變數均為次序量數的情況，如圖15-1所示。然而依據學者的看法，在實際應用上，也可應用在依變數為量尺量數（區間資料）、自變數為次序量數或名義量數的情況。 假設大海寵物食品公司想要推出一個新的貓食。管理當局認為有五種屬性可能會影響貓主人的購買意願： 這些屬性的哪一種組合會產生最高的購買意願？哪一個屬性最重要？在其他條件不變下，如果品牌得到獸醫會的許可，消費者會願意付$0.75，而不是$0.65嗎？我們將以「大海寵物食品」這個例子來解釋聯合分析 在進行聯合分析時，最基本的問題是決定要選用哪一種方法　　 取捨矩陣法（tradeoff matrix）、 完全輪廓法（full profile）、 適應式程序法（adaptive procedure）　　來蒐集資料。 取捨矩陣法（tradeoff matrix） 取捨矩陣法是向受試者呈現代表著各種可能的屬性配對的矩陣；X軸代表著某一屬性的各種層級，Y軸代表著另一個屬性的各種層級。 這種組合共有 種 ，其中一種如下： 然後要受試者在每個表格中，對每個組合加以排序，這些次序應反映出他（她）的偏好或購買可能性。因此，價格敏感性較高、喜歡濕的高過罐裝的、喜歡罐裝的高過乾的受試者甲，會做以下的排序： 相形之下，對價格有點敏感性，但願意在某種程度以上以價格來交換所喜歡的形式的受試者乙，會做以下的排序： 受試者在填完了所有的十個矩陣之後，研究者就要延伸出一組稱為效用（utility）或部分價值（part-worth）的數字。這個數字要反映出各種組合的次序， 例如對受試者甲而言，價格層級$0.55及濕的形式所產生的效用，應大於這些屬性層級的任何組合所產生的效用。 取捨矩陣法曾風光一時，受到許多研究者的喜愛，但是近年來在應用研究上漸漸式微。在於設計的簡便（相對於完全輪廓法而言）。研究者只要準備好各種屬性的配對就可以了。 消費者在做品牌選擇，很少會歷經這麼結構化的、抽象的過程。相反的，他（她）會同時考慮能夠看到的所有屬性，並從這些可能的組合中做選擇。這種方法就是完全輪廓法的特色。 完全輪廓法（full profile） 完全輪廓法比較切合實際，它是向受試者呈現一組產品描述（product description），其中所描述的是有此產品所有屬性的各種層級的資訊。 在「大海寵物食品」的例子中，研究者可以發展出108種產品描述，並要求受試者來排序。 但是這樣做的話，不僅曠日廢時，而且困難重重 可以用正交陣列（orthogonal array）來加以簡化 正交陣列是一種實驗設計，其所選擇各種組合的原則是「五個因素（屬性）的單獨貢獻均達到均衡」 適應式程序法（adaptive procedure） 在行銷研究上應用得較為普遍的也許是適應式程序法（adaptive conjoint analysis, ACA） ACA是由Sawtooth軟體公司所發展出來的。受試者必須在電腦前回答問題。此分析方法具有完全輪廓法的特色 15.2　完全輪廓法（採用正交陣列） 在「大海寵物食品」的例子中，研究者可以發展出108種產品描述，並要求受試者來排序。但經簡化之後，我們只要16種組合就可以了。 如何找出16種組合所形成的輪廓？ 進入SPSS，按〔Data〕、〔Orthogonal Design〕、〔Generate Data〕（〔資料〕〔正交設計〕〔產生資料〕），就會出現「Generate Orthogonal Design」視窗，如圖15-2所示。在「Factor Name」（因素名稱）右邊的方格內鍵入「形式」，在「Factor Label」（