联合分析基本概念与基本术语解读

联合分析(Conjoint Analysis)是一种重要的市场调研方法，用于研究消费者对多属性产品的偏好。下面我将为您详细解读联合分析中的核心概念与术语。

1. 基本概念

联合分析也称结合分析，是20世纪70年代由Paul.E.Green等人提出的多元统计分析方法。它通过分析受访者对产品属性组合的评价，确定哪些属性对消费者选择最重要，以及哪些组合最受欢迎。

在SPSSAU(在线SPSS)平台上，联合分析有三种主要形式： 

- 全轮廓联合分析(最常用) 

- 自适应联合分析 

- 基于选择的联合分析

2. 基本术语详解

2.1 属性与水平

属性是指产品的主要特征或某方面指标。例如： 

- 家庭轿车的属性：价格、排气量、品牌、排挡方式 

- 智能手机的属性：操作系统、屏幕尺寸、摄像头像素、价格

水平则是特征的具体取值。例如： 

- 家庭轿车"排挡方式"属性的水平：自动、手动、手自一体 

- 家庭轿车"品牌"属性的水平：国产、欧洲、美国、日韩

在SPSSAU(网页SPSS)分析中，属性与水平的合理设计是联合分析的基础。

2.2 轮廓或剖面

轮廓(也称剖面)是指各属性不同水平的组合，一个组合就是一个轮廓。例如： - 家庭轿车轮廓：10万以下、1.6L以下、欧洲、自动挡 - 智能手机轮廓：Android系统、5.5英寸屏幕、1300万像素摄像头、1000元以下

全轮廓是指全部属性各种水平构成的所有组合。例如4个属性(价格4水平、排气量4水平、品牌4水平、排挡方式3水平)的全轮廓数为4×4×4×3=192个。

在SPSSAU分析中，通常会使用正交实验设计来科学地减少轮廓数量，同时保持组合的代表性。

2.3 联合分析模型

联合分析的数学原理是以评分值为因变量，各属性为自变量进行线性回归。在SPSSAU(在线SPSS)中： 

- 各属性以哑变量形式进行回归 

- 每个属性的第一个水平作为参照项(无对应结果输出) 

- 回归系数值即为属性水平的效用值 - 其他结果解读与线性回归相同

2.4 属性水平的效用值

效用值描述每种属性不同水平对偏好选择的作用大小，衡量属性不同水平对偏好倾向的相对重要程度。在SPSSAU分析中： 

- 效用值越高，表示该水平对消费者的吸引力越大 

- 效用值可以是负值，表示该水平降低了产品的吸引力 

- 同一属性不同水平的效用值可以进行比较

2.5 轮廓或剖面的效用值

轮廓效用值反映受访者对特定轮廓的偏好程度，是该轮廓中各属性水平效用值的加和。在SPSSAU(网页SPSS)分析中： 

- 轮廓效用值越高，表示该产品组合越受欢迎 

- 可以通过计算不同轮廓的效用值来预测市场偏好 

- 效用值相加的特性使得新产品组合的预测成为可能

3. 实际应用示例

以家庭轿车研究为例： 

1. 确定属性与水平(如价格4水平、品牌4水平等) 
2. 在SPSSAU中使用正交设计生成代表性轮廓组合 
3. 收集消费者对这些轮廓的评分数据 
4. 通过回归分析计算各属性水平的效用值 
5. 加总效用值评估不同产品组合的市场吸引力 

6. 识别关键属性与最优水平组合

通过SPSSAU平台的联合分析功能，市场研究人员可以科学地了解消费者偏好，优化产品设计，制定有效的营销策略。

希望这份解读能帮助更好地理解联合分析的核心概念。如需进行实际分析，SPSSAU(在线SPSS)提供了完整的联合分析解决方案，从实验设计到结果解读一站式完成。