1、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
2、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
3、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
4、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
5、）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（33322108）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 p
6、rocedure）,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（33322108）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 Or
7、thogonal 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（因素註解）右邊的方格內鍵入寵物食品的形式。,圖15-2 在Generate Orthogonal Design視窗中定義因素及因素名稱,接著，按Define Values（定義值），就會出現Generate Design: Define Values視窗，鍵入資料的情形如圖15-3所示。,圖15-3 定義資料值及資料值的註解,重複以上的程序，將其他的因素（品牌、價格、認可、退錢）陸續鍵入，如圖15-4所示。,圖15-4 定義形式、品牌、價格、認可、退錢的,
8、我們定義的 因素名稱、因素註解、資料值、資料註解如下：,設計完成，按OK，就會產生圖15-5的結果說明。在圖15-5中， A plan wassuccessfully generated with 16 cards就是說成功的建立了具有16張卡片的方案。這裡的方案就是輪廓，而每一張卡片就是每一個情境。總共有16種情境。,圖15-5 成功的建立了具有16張卡片的方案說明,同時，SPSS會產生以ORTHO為名的資料檔。當然我們也可以事先（在圖15-4）決定檔名。ORTHO.sav資料檔，也就是所建立的輪廓如圖15-6所示。,圖15-6 所建立的輪廓,圖15-7是將所建立的輪廓以註解的形式呈現（按V
9、iew、Value Labels） 在這裡我們更清楚的看到了16張卡片（16種情境）的情形。,圖15-7 將所建立的輪廓以註解的形式呈現,此時，可以讓SPSS呈現出所設計的輪廓。 按Data、Orthogonal Design、 Display Data（資料正交設計顯示資料）就會產生以下的報表 ：,因此在問卷設計中，可以是這樣的（第一張卡片）：,接著，我們要建立模式。在建立輪廓的過程中，我們刪除了：乾的、Formula9、$0.75、許可的是、保證的是。下表中以灰色表示的就是被刪除掉的資料值（或某屬性的某一層級）。,因此所建立的模式及變數名稱如下表所示：,圖15-8顯示了SPSS建檔格式（變
10、數名稱）,圖15-8 SPSS建檔格式（變數名稱）,接著，我們要建立自變數的編碼方式。在模式中的變數其編碼方式是這樣的：形式的編碼是這樣的：（所謂真實形式是所建立輪廓的形式）,品牌的編碼是這樣的：價格的編碼是這樣的：,認可及退錢的編碼是這樣的：,依照上述原則，我們將各種情境（也就是卡片）所構成的輪廓，建立在SPSS上，如圖15-9所示。我們也可將這個輪廓看成是各個自變數的值。,圖15-9 完成的輪廓,受試者可以將各種組合（產品描述的組合）加以排序，或者在偏好或購買可能性上給予評點（1到100）。研究者的工作就是要決定每個屬性的各層級的效用，其原則與前述同，只是現在的每一個組合是整體的（包括形式
11、、品牌、價格、許可、保證）。 分析聯合資料的方法有若干種，其中應用得較為普遍的三種方法是LINMAP、MANOVA及OLS（Ordinary Least Squares dummy variable regression，等級最小平方虛變數迴歸法）。在這三種方法中，又以等級最小平方虛變數迴歸法（簡稱虛變數迴歸法）應用得最為普遍。,虛變數迴歸法,在使用虛變數迴歸法時，我們可以用評點分數或次序資料作為依變數，但是以評點分數較為適當。如果用次序資料的話，必須將次序資料反過來（也就是逆次序），以16代表最偏好的或購買可能性最大的。每個屬性都視為虛變數，而且要在迴歸方程式中對每一個屬性刪除掉一個層級（這
12、個被刪除的層級可以任意選定） 因此，在我們的例子中，迴歸模式如下：,假設小明對16個情境（卡片）給予的評點及次序如圖15-10所示,圖15-10 假設小明對16個情境（卡片）給予的評點及次序,經過SPSS的Analyze、Regression、Linear分析之後，我們得到的迴歸方程式係數值如下：,我們可建立迴歸方程式如下：,在這個方程式中各變數的係數表示該變數的層級對於評點分數的貢獻。這些係數亦稱為效用。接著，我們要計算每個變數的各層級的效用，使用的原則是：每一個變數的各層級的效用總和為零。在這個例子中，各變數的各層級的效用如表22-1所示： 屬性的相對重要性是指該屬性的最高效用減去該屬性的
13、最低效用的值之後，再除以各屬性最高效用與最低效用的總和，其公式為：,我們可以發現，受試者認為形式最具有重要性，保證、許可、品牌具有中等的重要性，價格最不重要。依照重要性排列分別為：形式（0.437）、保證（0.215）、許可（0.156）、品牌（0.120）、價格（0.071）。,15.3 進階探討,如果研究者有興趣研究互動效果，也就是甲變數對丙變數的影響，會不會受到乙變數的影響（此時乙變數為干擾因素，在SPSS的報表中是以乙變數甲變數的方式呈現）。 如果研究者有興趣了解x5價格$0.65對購買意願的影響是否受到x7認可否的影響， 此時研究者可以建立互動變數，將這兩個變數值相乘即可（在SPSS
14、中使用Transform、Compute）。然後再進行迴歸分析，並檢視這個互動因素的顯著性。,SPSS的正交設計（orthogonal design），適合各變數的組合數目多，而必須減少組合數的場合。試想：如果有108種組合，讓受試者從1排到108，這是何等折騰人的事情。但有時候，組合數不多（如2x2x2或者3x2x2，甚至2x2x2x2）我們可以自行建立輪廓。,就以2222的組合為例：,以上的組合有16種（也就是完全輪廓）,編碼的方式是這樣的：,因此，SPSS建檔的方式是這樣的：,我們所建立的模式如下： 評點分數=b1（x1）+b2（x2）+ b3（x3）+b4（x4）+b5（x5）+ b6（x6+b7（x7）+b8（x8） 其中，b1、b2、b3、分別為迴歸係數。自變數的代表如下：,SPSS聯合分析12.0,在我們的釋例中，曾經很辛苦的算出屬性的相對重要性。 SPSS聯合分析12.0會以一個特殊的迴歸分析模型來分析資料，所產生的分析結果包括：產品的哪些屬性是重要的，以及哪個水準最受歡迎。因此，如果使用SPSS聯合分析12.0，以上的問題便可迅速而有效的解決。 詳細情形可上網 http:/.tw/spss/base/spss_conjoint.htm,第 15 章 課程結束,
