多變量分析：結(jié)合分析技術(shù)

結(jié)合分析（Conjoint Analysis）是一種應用廣泛，非常流行和有效的市場研究技術(shù)。近些年來，結(jié)合分析廣泛地應用在消費品、工業(yè)產(chǎn)品和商業(yè)服務(wù)等相關(guān)領(lǐng)域的市場研究中，在我國越來越受到市場研究公司和企業(yè)的重視，尤其是在汽車行業(yè)的市場研究領(lǐng)域，結(jié)合分析在汽車的新產(chǎn)品開發(fā)、市場占有率分析、競爭分析、市場細分和價格策略等方面都發(fā)揮了積極而有效的作用。結(jié)合分析也叫聯(lián)合分析技術(shù)！

結(jié)合分析適用于測量消費者的心理判斷，如理解(Perceptions)和偏好(Preferences)。在結(jié)合分析中，產(chǎn)品/服務(wù)被描述為“輪廓”（Profiles），每一個輪廓是由能夠描述產(chǎn)品/服務(wù)重要特征的屬性(Attributes)以及賦予每一個屬性的不同水平的組合構(gòu)成的。結(jié)合分析的一個重要的基本假定是：消費者是根據(jù)構(gòu)成產(chǎn)品/服務(wù)的多個屬性來進行理解和作偏好判斷；也就是說，消費者對產(chǎn)品/服務(wù)的偏好每次并不是基于一個因素而是基于幾個因素的結(jié)合來判斷的，消費者對某一輪廓的偏好可以分解成構(gòu)成該輪廓的多個屬性的偏好得分(Preference Scores)。在結(jié)合分析中用效用值（utilities）來描述。

結(jié)合分析是一種多元統(tǒng)計分析方法。

其因變量是消費者對某一輪廓的整體偏好評價。某一輪廓的整體也稱為全輪廓（full profiles），是由全部屬性的各個水平組合構(gòu)成的。自變量是組成各輪廓的不同屬性（因子）水平。因此，結(jié)合分析是在已知消費者對全輪廓的評價結(jié)果（overall evaluations）的基礎(chǔ)上，經(jīng)過分解的方法（decompositional approach）去估計其偏好結(jié)構(gòu)的一種分析法。

在結(jié)合分析中，輪廓是由研究人員事先按照某種因子結(jié)構(gòu)（factorial structure）采用部分因子正交實驗加以設(shè)計的。結(jié)合分析有三個主要目的：（1）確定消費者賦予某個預測變量（水平）的貢獻和效用（utilities）以及屬性的相對重要性（2）尋找消費者可接受的某種產(chǎn)品的最佳市場組合，這種組合最初可能并沒有被消費者所評價（3）模擬市場，估計市場占有率和市場占有率變化。為了達到這些研究目的，首先要估計不同屬性水平的效用，進一步計算出屬性的相對重要性（Attributes relative importance）和輪廓效用（profile utilities），以便定量化地測量消費者的偏好，然后基于消費者的偏好采用最大效用模型或者Bradley-Terry-Luce(BTL)模型和logit模型估計市場占有率。

全輪廓方法：每一個屬性同時展現(xiàn)給消費者

樣本量：一般消費者研究   100到400之間

調(diào)查方法：派調(diào)查員面訪　face-to-face

因子設(shè)計：屬性和水平數(shù)目不太多  (<20個最多不超過30個)

部分因子設(shè)計: 正交排列法 orthoplan

估計主效應 （ main effect )

產(chǎn)品/服務(wù)的概念（輪廓）事先設(shè)計和確定。

調(diào)查可以采用紙張或計算機輔助訪問。

最小輪廓數(shù)選擇：NC=NL - NA + 1 ，
        其中:     NC： 最小組合輪廓數(shù)
                  NL： 所有屬性水平數(shù)的和
                  NA： 所有屬性數(shù)的和
     例如：六個屬性，每個屬性有4個水平，可能組合數(shù)=4×4×4×4×4×4=4096（種），

最小組合數(shù)=（4+4+4+4+4+4）- 6+1=19（種）

推薦組合輪廓數(shù)：最小輪廓數(shù)的 1.5 到 2 倍
下面我們通過一個案例：賽歐轎車上市前的市場分析，闡述了結(jié)合分析在汽車市場的應用，以及采用一般最小二乘法（OLS）回歸估計主效應的全輪廓結(jié)合分析法的基本概念、原理、步驟和方法。
（備注：研究的時候產(chǎn)品配置已知，但還沒有下線投放市場）

根據(jù)研究目的和前期的定性研究，最終確定了產(chǎn)品的屬性和水平：

在確認了屬性水平后，我們通過SPSS來進行正交實驗設(shè)計。

我們可以依次定義每一個屬性和水平，SPSS軟件最多提供每個屬性有9個水平的可能性，所以如果水平數(shù)太多就要考慮其它方法，或者進行相應的變換，當然，如果屬性的水平數(shù)越多代表了你越重視它，將來的分析相當重要性就會高！

正交實驗設(shè)計方法

在SPSS是比較簡單的，人為的控制不多，我們只能寄希望SPSS的正交實驗設(shè)計給我們一個號的結(jié)果，但沒有評估設(shè)計效應的指標。如果你希望下次得到同樣的正交設(shè)計集，必須設(shè)定一樣的隨機種子！
    在這點上說，如果對于復雜的正交實驗設(shè)計，我還是比較偏向用SAS軟件來進行，不僅得到的結(jié)果比較好，還有設(shè)計效應等各種指標評估，所以，實際市場研究中，大部分情況都是SAS來完成的！其實我用SAS，有時候更簡單的，就幾個命令：%mktrun和%mktex等；
    設(shè)計好后，大家記住，先不用運行，先要“粘貼”下來，也就是把語法粘貼下來，因為Conjoint Analysis分析方法在SPSS中沒有窗體命令，必須用語法執(zhí)行！
    當然，在細節(jié)上還有“Holdout”卡片的問題，（檢驗問題，但是對于商業(yè)研究我基本上都不用了，為了保證更好的建模卡片，為了減輕被訪者負擔，反正做都做了！——這里我沒有學術(shù)思想啦）

正交實驗設(shè)計生成了16張卡片，同時也是隨機卡片集，并產(chǎn)生兩個系統(tǒng)變量，不要改變變量名稱，其中：STATUS_值標 1-Design 2-Holdout 3-Simulation
記?。何覀儾⒉魂P(guān)心這16張卡片如何，我們只是關(guān)系這16張卡片的對432種組合產(chǎn)品的代表性，原則上即使有不理想或不現(xiàn)實的卡片出現(xiàn)，也不要沒理由的刪除！在SPSS系統(tǒng)分析中，最好考察屬性水平設(shè)定的問題，而不要隨意改變！
下面我們就要考慮收集被訪者評價信息了，當然也包括卡片的展示方式！

收集到被訪者信息后，我們就可以分析了！

我這里采用了最一般的離散變量方法，實際上屬性變量可以有多種模型（離散、線性、理想點、反理想點等）
結(jié)合分析既可以分析群體、總體也可以分析每個人的偏好選擇！

大家可以根據(jù)公式自己計算個體和群體的效用值、屬性相對重要性等，但是記?。核匀后w的效用值、相對重要性來自于個體的平均！
    從分析的角度，有時候模擬市場，模擬市場份額是最重要的分析，但是如果研究者不是最終決策者，就必須設(shè)計市場組合份額的模擬器，我一般采用Excel來設(shè)計，這需要大家懂得結(jié)合分析原理，并能夠設(shè)計Excel應用！
    在文章的最上面，我是采用Excel設(shè)計的電腦配置的市場研究模擬器，希望對你有所啟發(fā)！
    近年來，結(jié)合分析成為市場研究的重要利器，但是它也有著局限性，所以開發(fā)了不同的改進方法和軟件工具，代表性的就是Sawtooth公司的產(chǎn)品，另外也可以考慮更復雜的CBC技術(shù)，離散選擇模型?。ㄏ麓卧賹ｎ}講）
    最后，要說明的是結(jié)合分析只是得到了消費者的偏好，喜歡一個人，并不一定會跟她結(jié)婚的！