第20章多元尺度分析及联合分析.ppt

第20章　多元尺度分析與聯合分析 ?本章的學習主題 ? 1.多元尺度的意義 2. 多元尺度的處理資料型態 3. 多元尺度的模型適合度評估 4.多元尺度分析SPSS操作說明 5. 聯合分析的概念 6. 聯合分析與其他多變量分析方法的異同 7. 權衡分析法與全輪廓分析法 8. 成分效用值的計算 9. 聯合分析在管理上的應用 20.1 多元尺度的意義 多元尺度法(multidimensional scaling, MDS)，與因素分析類似之處，都是做資料之簡化工作(data reduction)，其主要的目的是希望能發掘一組資料所隱藏之結構。 MDS主要的貢獻在於發展知覺圖，是屬於非以屬性為基礎的方法(nonattribute-based approaches)，與因素分析或區別分析等以屬性為基礎的方法(attribute-based approaches)不同。 20.2 多元尺度的處理資料型態 MDS有計量(metric)MDS和非計量(non-metric)MDS兩種，計量MDS以相對距離實際數值為投入資料，非計量的MDS則是以順序尺度的資料作為資料的投入 。 計量MDS是希望在某個維度空間上找到座標點，使其點間距離與給定的距離矩陣相同，而找到完整座標的解必需滿足歐基里德距離 (Euclidean Distance) 矩陣。非計量的MDS 是嘗試在維度空間構面圖中，使點間距離排序與原距離越一致越好，而通常量測配合度的指標我們稱為壓力係數(stress)。 壓力係數是由Kruskal(1964)所提出，其計算公式如下： 20.3 多元尺度的模型適合度評估 進行 MDS 分析時通常以壓力係數(stress)作為衡量標準，根據Kruskal (1964)的解釋，不同的壓力係數水準，有其代表的配適程度 。 多元尺度適合度評估是計算 R2 並判定 R2 是否合適，R2 之計算公式如下： sse：殘差平方和(sum of squared error) sst：整體平方和(sum of squared total) R2 的意涵是直接解釋最佳尺度資料(optimally scaled data)的變異數中，可由多元尺度法解釋的部份。因此多元尺度分析也可以以 R2 作為同時參考的標準，當R2愈大時(即越接近1)， 表示配合性愈好。 綜前所述，MDS是提供經理人員在管理上瞭解競爭者及競爭優勢之最重要途徑，MDS也提供經理人員在公司及產品重新定位方面，提供相當方便且實用之空間知覺圖。 20.6 聯合分析的概念 聯合分析(conjoint analysis)則可以表達出消費者實際權衡產品/服務的各種屬性的決策過程，同時也解釋消費者如何建立對某項產品/服務的偏好。它是假設消費者將其對於各個屬性在各個不同水準下所提供的價值或效用加總，以衡量某項產品/服務的價值。 聯合分析在新產品開發的行銷領域上，常被運用在評估某項產品屬性組合的顧客接受度高低，因為它可以衡量該項產品在不同特性組合下，對消費者所可能造成的反應與偏好。 20.7 聯合分析與其他多變量分析方法的比較 聯合分析與其他的多變量分析方法之主要差異 在分解(decompose)的模型中，由整體評估推估 個別變數之評估。 指定自變數。 每位填答者都有各自的模型。 20.8 權衡分析法與全輪廓分析法 權衡分析法(trade-off approach)是列出兩種產品屬性其不同水準下的所有組合方法，填答者只需依據自身的偏好，從最喜歡的到最不喜歡的組合加以排序 。 全輪廓分析法(full-profile approach)中，研究人員提供填答者卡片來完整地描述整個產品/服務。每張卡片將完整的描述該產品在各個屬性上的水準表現 20.9 成分效用值的計算 成分效用值(part-worth)是指用來衡量某項產品 / 服務 的各個產品屬性、屬性水準或是整體表現的數值。 下頁表20 - 7為產品屬性組合及填答者排序結果，其 中在排序方面，1 代表最喜歡，9 代表最不喜歡。 20.10 聯合分析在行銷管理上的應用 以下是聯合分析較常在管理上的應用： 1.市場區隔 2.獲利能力分析 3.聯合模擬 企業研究方法 第 20 章 * S = S： 壓力係數 dij： 成對事物在構面中之距離 ： dij 之估計值，通常是以簡單迴歸 (monotone regression)之方法求得， 壓力係數愈小代表dij與之差異不大， 即代表模式之適合度很高。 Perfect ( 完全配合 )