1 / 33

Chapter 9. Conjoint Analysis

Chapter 9. Conjoint Analysis. 2008-06-13. Dept. of Industrial Systems & Information Engineering. ui.korea.ac.kr.  목적 독립변수 ( 대상을 설명하는 속성 - 기본적으로 2 개 이상 ) 가 종속변수 ( 대상 자체 ) 에 어떤 영향을 주는가를 분석 (Multivariate Technique / Additive Model / Decomposition Approach)  고려사항

keane-bullock
Télécharger la présentation

Chapter 9. Conjoint Analysis

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Chapter 9. Conjoint Analysis 2008-06-13 Dept. of Industrial Systems & Information Engineering ui.korea.ac.kr

  2.  목적 독립변수(대상을 설명하는 속성-기본적으로 2개 이상)가 종속변수(대상 자체)에 어떤 영향을 주는가를 분석 (Multivariate Technique / Additive Model / Decomposition Approach)  고려사항 종속변수-측정상의 문제 (어떤 기준에 의해 종속변수에 대한 순위나 가치를 부여할 것인가?) 독립변수-결합상의 문제 (종속변수를 설명하는 독립변수를 각각 측정하였을 때 어떻게 결합할 것인가?) Conjoint Analysis Chapter - 9 - • 9.1 Concepts • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program Object Attribute +……+ Attribute Multiattribute Stimuli • 각 Attribute 의 상대적 중요성 파악 • 자사제품과 경쟁사 제품비교 • Ideal Combination (대상에 대하여 가장 이상적인 조합) • Optimal Combination (대상에 대한 최적의 조합)

  3.  가정 각각의 독립변수(각 Attribute)가 전체의 종속변수(Utility)에 가산적(Additive)으로 공헌한다는 가정하에 분석됨  측정변수 - Product 나 Service에 대하여 소비자, 사용자가 추구하는 Utility를 Attribute 별로 각각 측정하는 것이 아니라 각 속성의 조합된 대상자체에 대한 측정 - 각 속성으로 이루어진 대상에 대하여 전체적으로 측정  적용분야 - 신제품 개발이나 기존 제품의 개량(47%) - 가격정책 - 유통전략 - 시장 세분화 - 광고전략 - 경쟁분석 Conjoint Analysis Chapter - 9 - • 9.1 Concepts • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program

  4. Conjoint Analysis Chapter - 9 - • 9.2 Definition • 어떤 제품 또는 서비스가 가지고 있는 Attribute 하나하나에 고객이 부여하는 Utility를 추정함으로써 그 고객이 선택할 제품을 예측하기 위한 분석 •  평가자들이 평가대상의 Attribute에 대하여 전반적인 평가를 한 결과를 가지고 각 Attribute의 Utility을 계산할 수 있도록 Factorial Design한 결과를 분해 하는 것 • Consider + Jointly = 고객들이 여러 가지 속성들의 조합: 제품 또는 서비스의 대안들을 대상으로 선호도를 어떻게 결정하는지 파악하는데 사용되는 방법 •  적용 분야 : 신제품의 개념 평가, 포지셔닝, 경쟁분석, 가격 설정, 시장 세분화 • 컨조인트 분석과 MDS • 공통점: 심리적인 판단을 측정하고자 하는 기법 • 차이점: 평가 대상을 제시하는 방법 • - 컨조인트 분석: 평가 Attribute를 Factorial Type으로 제시 • - MDS: 평가 대상(또는 Attribute)들의 유사성과 선호도 측정 • - 군집분석: ? • - 요인분석: ? • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program Product / Service / Ideal (Real or Hypothetical)

  5.  Attribute: 독립변수 수준 (Level): 독립변수가 취하는 값 - 요인들이 갖는 구체적인 값 - 컨조인트 분석에 사용되는 속성의 경우 반드시 두개 이상의 수준들에 대개 4개나 5개를 넘지 않는 범위 내에서 수준 값을 결정 Ex) 만약, 속성이 3개이고, 각 속성별로 수준이 두 개씩 고려된다면, 가능한 제품 조합의 수는 8개(=2x2x2)  응답자의 선호도: 종속변수  주효과 (Main Effects) 각 요인(예측변수) 변수가 종속변수에 직접적으로 미치는 영향 Conjoint Analysis Chapter - 9 - • 9.3 Terminology • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program

  6. Conjoint Analysis Chapter - 9 - • 9.3 Terminology • TFA (Two factor-At-Time-Approach): 선호도를 결정하는 Attribute가 두개 일 때 쓰는 방법 • FPA (Full-Profile Method): 평가하고자 하는 Attribute가 많을 때 사용수 많은 조합을 모두 • 평가하기 어려움 • Ex) 만약, 속성이 3개이고, 각 속성별로 수준이 세 개씩 고려된다면, 가능한 제품 조합의 수는 • 27개(=3x3x3) • 27개 조합 카드작성한꺼번에 선호도 매김집단으로 나눔다시 선호도 조사 전체적인 • Attribute에 대한 부분 설계 • 가산모형 (Additive Model) • - 주 효과 모형 • - 합의 가산방식에 의하여 부분가치를 전체적인 가치로 변환하는 방식 • - 평가의 회수와 추정 방식을 기준으로 할 때 가장 간단한 컨조인트 모형 • 부분가치 (Part-Worth) • - 컨조인트 분석을 통하여 제품이나 서비스를 구성하는 주요 속성들의 각 수준에 대한 효용 값으로 • 도출된 것을 의미 • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program

  7. Conjoint Analysis Chapter - 9 - • 9.3 Terminology 1차적으로 Attribute와 Level을 선정할 때 그 수를 축소 - 총 조합에서 현실에 맞지 않은 값, 의미가 유사한 조합 Fractional Factorial Design - Attribute 간의 상호작용을 최소화하여 자극의 수를 줄임 - 전체프로파일이 아닌 응답자들이 제품 선택 시 중요하게 고려할 수 있는 전체 프로파일들의 부분을 적절히 도출하기 위하여 사용 - Addelman의 직교행렬을 이용하거나, 퍼스널컴퓨터 패키지를 이용하여 구축(SPSS) 직교성(Orthogonally) - 부분가치의 추정치가 서로 독립성을 유지하여야 한다는 수학적 제약을 의미 - 컨조인트 분석 시 각 속성 수준을 변화시키는 효과를 다른 속성 수준의 효과나 실험오차의 효과를 제외하고는 측정하는 것을 나타내기도 함 • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program

  8. Conjoint Analysis Chapter - 9 - • 9.3 Terminology 처리(Treatment): 자극(Stimulus) - 응답자들에 최종적으로 제시되는 속성 수준의 특정한 결합 - 속성과 수준의 수를 반영하여 가능한 모든 조합을 사용하는 방법과 이 중에서 일부분을 적절히 선택하여 이를 사용하는 방법을 사용 부가 합성 방식(Additive Rule) - 응답자들이 속성 수준을 결합하여 대상들의 전체적인 선호도를 구하는 규칙을 의미 - 단순히 속성 수준들의 부분 효용을 합산하여 전체적인 선호도를 구하는 것을 말함 • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program

  9. Attribute 선정 및 Level 결정 Decision Tree Fractional Factorial Design (Orthogonal Arrays) SAS/QC 자료의 수집 자료형태 측정방법 결과의 해석 적합성 평가(Goodness of Fitting) 각 Attribute 상대적 중요성 이상적인 조합 및 최적조합 Conjoint Analysis Chapter - 9 - • 9.4 Process of Conjoint Analysis • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program

  10. 1.Attribute 선정 및 Level 결정 Decision Tree Fractional Factorial Design (Orthogonal Arrays) SAS/QC 2.자료의 수집 자료형태 측정방법 3.결과의 해석 적극성 평가(Goodness of Fitting) 각 Attribute 상대적 중요성 이상적인 조합 및 최적조합 Conjoint Analysis Chapter - 9 - • 9.4 Process of Conjoint Analysis •  1. Attribute 선정 및 Level 결정 • 문제탐색 • 고려해야 할 상품/ 서비스/아이디어에 대한 Utility Factor는 무엇인가? • 선정절차에서 사용될 주요 의사결정기준은 무엇인가? • 속성결정 • Focus Group Interview, In-depth Interview, Survey , Kelly’s Repertory Grid, 전문가의 판단 • 요인수의 결정 • 의미의 차이가 있어야 함 • 속성수준의 수 결정 (Attribute-Level : 설명력 증가, 응답 얻기 어려움) • 총자극수가 많을 경우 응답자 응답 곤란, 자극수가 적을 경우 모델의 추정오차가 커짐 • : 현재 현상을 수준으로 나누는 것이 바람직함 • 요인 • 각 속성수와 각 속성 수준으로 이루어진 조합이 종속변수의 대상

  11. 1.Attribute 선정 및 Level 결정 Decision Tree Fractional Factorial Design (Orthogonal Arrays) SAS/QC 2.자료의 수집 자료형태 측정방법 3.결과의 해석 적극성 평가(Goodness of Fitting) 각 Attribute 상대적 중요성 이상적인 조합 및 최적조합 Conjoint Analysis Chapter - 9 - • 9.4 Process of Conjoint Analysis •  1. Attribute 선정 및 Level 결정 • 기본 모형설정 • - Additive (속성을 결합하여 전체 선호도룰 구함) vs. Interactive • - 분석 모델(선호도를 계산하는 방법): 제품의 특성과 목적에 따라서 달라짐 • Ideal-point Model (예, 사탕의 단맛 평가 단맛에 가까움  이상적인 단맛? : 거리 / 선호도) • Vector Model (예, 신발  내구성… 안락성  좋으면 좋을 수록 평가: 특정 속성이 많을 경우) • Part-worth function Model (예, 커피온도  아주?하거나 아주?한 것: 속성의 수준에 따라 변화) • Mixed Model • 자극 만들기: 수 축소 • - 현실에 맞는지, 유사한 조합이 있는지 확인 • - Factorial Design, Decision Tree(총 조합 중에서 현실에 맞지 않거나 유사한 조합을 단계적으로 축소), • Fractional Factorial Design • (직교배열표(Orthogonal Arrays)를 이용하여 대상을 축소) • - SAS/ QC , SPSS 모듈에서 행함

  12. 1.Attribute 선정 및 Level 결정 Decision Tree Fractional Factorial Design (Orthogonal Arrays) SAS/QC 2.자료의 수집 자료형태 측정방법 3.결과의 해석 적극성 평가(Goodness of Fitting) 각 Attribute 상대적 중요성 이상적인 조합 및 최적조합 Conjoint Analysis Chapter - 9 - • 9.4 Process of Conjoint Analysis •  2. 자료의 수집 • 자료수집 • - 자극제시 형태가 Factorial의 형태-실제존재 하지 않은 것과 비이상적인 조합 고려 • - 1차적으로 Attribute와 Level을 선정할 때 그 수를 축소 • (총 조합에서 현실에 맞지 않는 값, 의미가 유사한 조합) • 자극제시 방법 • - Verbal Description, Paragrape Design, Pictorial Presentation, Using the PC7 • 척도사용: 2가지의 자료형태 • - Metric (등간.비율)이나 Nonmetric 자료 모두 사용가능 • - 일반적으로 얻기 쉬운 Nonmetric 형태인 서열척도(순위. 등급) 자료를 주로 사용 • 측정방법 주의: 응답자 인지부족 주의 (대상에 대한 확실한 이해요구)

  13. 1.Attribute 선정 및 Level 결정 Decision Tree Fractional Factorial Design (Orthogonal Arrays) SAS/QC 2.자료의 수집 자료형태 측정방법 3.결과의 해석 적극성 평가(Goodness of Fitting) 각 Attribute 상대적 중요성 이상적인 조합 및 최적조합 Conjoint Analysis Chapter - 9 - • 9.4 Process of Conjoint Analysis •  2. 자료의 수집: Presentation Method • Full-profile: rate or rank each stimuli • Pairwise : • Trade-off: rank each combination Liquid Phosphate-free Hatco Liquid Phosphate-free Powder Phosphate-free • vs. Liquid Powder Hatco ? ? Generic ? ?

  14. Conjoint Analysis Chapter - 9 - • 9.4 Process of Conjoint Analysis •  3. 결과의 해석 • 적합성 평가(Goodness of Fit Test) • - 평가자 개인만 평가상의 차이 발생 때문 • - Stress 값을 이용 (실제입력자료- 평가된 자료: 차이발생에 대한 기준치) • : 평가된 Data가 실제 Data를 얼마나 잘 재현해 주는가? • : 0.1를 기준으로 그 이하일 경우 잘 적합 • - SAS 프로그램에서는 R-square 이용 • : 특정한 기준치가 없으며 얼마 만큼 개선되었는가 평가 • 각 Attribute 상대적 중요성 • - 각 Attribute에 대해 가장 높은 값과 가장 낮은 값의 차이 확인 • : 차이가 클 수록 Utility가 차이가 많이 난다는 것을 의미 • (이러한 Attribute는 User가 대상을 선택할 때 중요하게 고려) • - 상대적인 중요도 계산 (100% 기준) • 이상적인 조합 (Ideal Combination) 및 최적조합(Optimal Combination) • - 각 Attribute에 대하여 가장 Utility가 큰 수준을 선택하여 조합함  Ideal Point • - 모든 조합에서 가장 Utility가 큰 대상이 최적조합  Optimal Combination • - 자사나 경쟁사 제품 평가는 구체적으로 독립변수의 속성값을 보고 판단 1.Attribute 선정 및 Level 결정 Decision Tree Fractional Factorial Design (Orthogonal Arrays) SAS/QC 2.자료의 수집 자료형태 측정방법 3.결과의 해석 적극성 평가(Goodness of Fitting) 각 Attribute 상대적 중요성 이상적인 조합 및 최적조합

  15. Conjoint Analysis Chapter - 9 - • 9.5 Empirical Example: Industrial Cleanser The researchers of use three factors with two levels each:8(2*2*2) • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program Factor Level Ingredient Form Brand name Phosphate-free Liquid HATCO Phosphate-based Powder Generic brand

  16. Conjoint Analysis Chapter - 9 - • 9.5 Empirical Example: Additive Model •  Total Worth for Product • - (Total worth for product)ij•••n = Part-worth of level i for factor1 • + Part-worth of level j for factor2+••• • + Part-worth of level n for factor m • Where the product or service has m attributes, each having n levels. • The product consistsof level i of factor 1, level j of factor 2, and do forth, • up to level n for factor m. •  Utility = Brand Effect + Ingredient Effect + Form Effect • - The preference for HATCO phosphate-free powder • Utility = Part-worth of HATCO brand • + Part-worth of Phosphate Cleaning ingredient • + Par-worth of powder • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program

  17. Conjoint Analysis Chapter - 9 - • 9.5 Empirical Example: Calculate Step •  The Part-Worth's of each Level are calculated in Four Step: • Step 1: Square the deviations and find their sum across all levels. • Step 2: Calculate a standardizing value that is equal to the total number of levels • divided by the sumof squared deviations. • Step3: Standardizing each squared deviation by multiplying it by the standardizing • value. • Step4: Estimate the part-worth by taking the square root of the standardized squared • deviation. • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program

  18. Conjoint Analysis Chapter - 9 - • 9.5 Empirical Example: Calculate Step Example The researchers of use three factors with two levels each:8(2*2*2) Factor Level Deviation =(2.5-4.5), (6.5-4.5) Reversed Deviation =2.0, -2.0 Phosphate-based Powder Generic brand Ingredient Form Brand name Phosphate-free Liquid HATCO Sum of squared deviations =1.0+1.0+4.0+4.0+ .25+ .25 =10.5 Standardizing Value =6/10.5= . 571 Multiplied by 2.284 =22 x 0. 571 =+2.284, -2.284 Square root of 2.284 =+1.511, -1.511 Range of Path-Worths =1.512, 3.022, .756 Form Ingredient Brand 28.57%, 57.11%, 14.32% Overall Ave. Rank: x=2.5 x=6.5 x=4.5

  19. Conjoint Analysis Chapter - 9 - • 9.5 Empirical Example: Estimating Part-Worths • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program The researchers of use three factors with two levels each:8(2*2*2) Part-Worth Ave. Factor Level Ranks Form Ingredient Brand name Liquid Powder Phosphate-free Phosphate-based HATCO Generic brand 1, 2, 5, 6 3, 4, 7, 8 1, 2, 3, 4 5, 6, 7, 8 1, 3, 5, 7 2, 4, 6, 8 3.5 5.5 2.5 6.5 4.0 5.0 1.0 -1.0 2.0 -2.0 0.5 -0.5 27/6=4.5 Part-Works = Overall Ave. Rank (4.5) – Ave. Rank of Level Conditional Relative Importance “Factor Importance” Ranges are 2 (Form), 4 (Ingredient) and 1 (Brand), summing to 7 CTR Values are 2/7=28.6% (Form), 4//7=57.1% (Ingredient), and 1/7=14.2% (Brand) Predicting Rankings Utilities are 3.5, 2.5, -0.5, -1.5, 1.5, 0.5, 02.5, -3.5 Predicted Rankings are 1, 2, 5, 6, 3, 4, 7, 8

  20. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Code • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program Title ‘preference '; DATA FORM; INPUT FORM $ Ingred $ Brand $& Rating; DATALINES; Liquid Phfree HATCO 1 Liquid Phfree Generic 2 Liquid Phbased HATCO 5 Liquid Phbased Generic 6 Powder Phfree HATCO 3 Powder Phfree Generic 4 Powder Phbased HATCO 7 Powder Phbased Generic 8 ; RUN; PROC PRINT DATA=form; PROC TRANSREG UTILITIES; TITLE2 'Conjoint Analysis'; MODEL MONOTONE(RATING) = CLASS(Form Ingred Brand / ZERO=SUM); RUN;

  21. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Output • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program Preference 02:41 Wednesday, January 24, 2002 OBS FORM INGRED BRAND RATING 1 liquid phfree HATCO 1 2 liquid phfree Generic 2 3 liquid phbased HATCO 5 4 liquid phbased Generic 6 5 powder phfree HATCO 3 6 powder phfree Generic 4 7 powder phbased HATCO 7 8 powder phbased Generic 8

  22. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Output • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program Utilities Table Based on the Usual Degrees of Freedom Importance Standard (% Utility Label Utility Error Range) Variable Intercept 4.5000000 0.00000 INTERCEPT FORM liquid -1.0000000 0.00000 28.571 CLASS.FORMLIQU FORM powder 1.0000000 0.00000 CLASS.FORMPOWE INGRED phbased 2.0000000 0.00000 57.143 CLASS.INTEGRPH INGRED phfree -2.0000000 0.00000 CLASS.INTEGRPH BRAND Generic 0.5000000 0.00000 14.286 CLASS.BRANDGEN BRAND HATCO -0.5000000 0.00000 CLASS.BRANDHAT

  23. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program The researchers of use three factors with two levels each:8(2*2*2) • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program Factor Level Ingredient Form Brand name Phosphate-free Liquid HATCO Phosphate-based Powder Generic brand

  24. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Combination • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program data c; input form ingr brand subj1-subj2; drop form ingr brand; if form = 1 then nform =‘liquid'; else if form = 2 then nform =‘powder'; if inte = 1 then ninte =‘pho-free'; else if inte = 2 then ninte =‘pho-based'; if brand = 1 then nbrand =‘HATCO'; else if brand = 2 then nbrand=‘generic'; average= mean(of subj1-subj2); length comb $ 40; comb=trim(nform) || ',' || trim(ningr) || ',' || trim(nbrand); /*독립변수3, 종속변수(Subject 2 명)*/ 주의: 변수명을 8자리를 넘지 않음 /*3가지 속성 변수명은 결과 출력시 생략*/ /*각 속성의 Utility를 계산하기 위한 각 속성의 Level 확인 */ /*2명 Subject의 평균값 이용*/ /*새로운 변수는 COMB */ /*속성사이를 구분 – TRIM(변수)|| , ||TRIM(변수) */

  25. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Raw Data • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program cards; 1 1 1 1 1 1 1 2 2 2 1 2 1 5 5 1 2 2 6 6 2 1 1 3 3 2 1 2 4 4 2 2 1 7 7 2 2 2 8 8 ;

  26. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Code • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program proc print; var comb subj1-subj2 average; proc transreg; model monotone(subj1-subj2 average)= opscore(nform ningr nbrand) /maxiter=60 ; output Tstandard=center additive; id comb; proc print; var comb _depvar_ t_depend tnfont tnsiz tnlin; by notsorted _depvar_; run; /*제대로 입력되었는지 Average출력*/ /*컨조인트 분석 실행 종속변수: 2명의 참가자들의 평균 독립변수: 대상을 설명하는 3가지 속성 종속변수 형태는 순위에 의해 얻어진 서열척도 이므로 Monotone으로 하며, 독립변수는 각 수준을 구분하는 명목척도이므로 Opscore로 함 */ /*결과 출력*/

  27. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Output • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program Preference Metric Conjoint Analysis 17:12 Wednesday, September 9, 1998 OBS COMB SUBJ1 SUBJ2 AVERAGE 1 liquid, pho-free, HATCO 1 1 1 2 liquid, pho-free, gener 2 2 2 3 liquid, pho-base, HATCO 5 5 5 4 liquid, pho-base, gener 6 6 6 5 powder,pho-free, HATCO 3 3 3 6 powder,pho-free, gener 4 4 4 7 powder,pho-base, HATCO 7 7 7 8 powder,pho-base, gener 8 8 8

  28. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Output • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program Preference Metric Conjoint Analysis 17:12 Wednesday, September 9, 1998 TRANSREG MORALS Algorithm Iteration History for MONOTONE(AVERAGE) Iteration Average Maximum Squared Criterion Number Change Change Multiple R Change --------------------------------------------------------------------- 1 0.00000 0.00000 1.00000 . NOTE: Algorithm converged. R-square: 설명력 - 처음% 나중 %

  29. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Output • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program The SAS System 03:18 Wednesday, January 24, 2002 14 TRANSREG MORALS Algorithm Iteration History for MONOTONE(AVERAGE) Iteration Average Maximum Squared Criterion Number Change Change Multiple R Change ------------------------------------------------------------------------------ 1 0.05336 0.34735 0.90372 . 2 0.01289 0.05080 0.97695 0.07323 3 0.00739 0.02971 0.97803 0.00108 4 0.00426 0.01694 0.97836 0.00033 5 0.00245 0.00959 0.97847 0.00010 6 0.00141 0.00543 0.97850 0.00003 7 0.00081 0.00308 0.97851 0.00001 8 0.00047 0.00175 0.97851 0.00000 9 0.00027 0.00101 0.97851 0.00000 10 0.00016 0.00058 0.97851 0.00000 11 0.00009 0.00034 0.97851 0.00000 12 0.00005 0.00020 0.97851 0.00000 13 0.00003 0.00011 0.97851 0.00000 14 0.00002 0.00007 0.97851 0.00000 15 0.00001 0.00004 0.97851 0.00000 16 0.00001 0.00002 0.97851 0.00000 NOTE: Algorithm converged. R-square: 설명력 - 90.0%  97.9%

  30. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Output • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program ------------------ Dependent Variable Transformation(Name)=MONOTONE(AVERAGE) ------------------ OBS COMB _DEPVAR_ T_DEPEND TNFORM TNINTE TNBRAND 17 liquid,pho-free,HATCO MONOTONE(AVERAGE) -3.5 -1 -2 -0.5 18 liquid,pho-free,gener MONOTONE(AVERAGE) -2.5 -1 -2 0.5 19 liquid,pho-base,HATCO MONOTONE(AVERAGE) 0.5 -1 2 -0.5 20 liquid,pho-base,gener MONOTONE(AVERAGE) 1.5 -1 2 0.5 21 powder,pho-free,HATCO MONOTONE(AVERAGE) -1.5 1 -2 -0.5 22 powder,pho-free,gener MONOTONE(AVERAGE) -0.5 1 -2 0.5 23 powder,pho-base,HATCO MONOTONE(AVERAGE) 2.5 12 -0.5 24 powder,pho-base,gener MONOTONE(AVERAGE) 3.5 1 2 0.5 Maxim Optimal Combination Maxim Ideal Point Powder Pho-base Grner

  31. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program _ 2 •  Results • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program • 적합성(Goodness of Fit)평가 • R-square: 설명력 - 초기100%  100% 상대적 중요도(Relative Importance) wa = 최적조합 (Optimal Combination) • 이상적 조합(Ideal Combination) 각 속성에서 가장 효용이 큰 수준을 선택하여 조합을 만든 것 • Form: Powder, Ingredients: Pho-based, Brand: Generic brand 에서 이상적인 조합

  32. Conjoint Analysis Chapter - 9 - • 9.5 SAS Program •  Results • 9-1. Concepts • 9-2. Definition • 9-3. Terminology • 9-4. Analysis Process • 9-5. Empirical Example • 9-6. SAS Program Cleanser 선호도 Form Ingredients Brand 28.6% Powder 57.1% Pho-based 12.3% Generic

  33. Conjoint Analysis Chapter - 9 - Thank you!! e-mail: postmaster@withuser.com

More Related