登录
首页精彩阅读SPSS数据分析—多维偏好分析(MPA)
SPSS数据分析—多维偏好分析(MPA)
2017-03-13
收藏

SPSS数据分析—多维偏好分析(MPA)


之前的主成分分析和因子分析中,收集的变量数据都是连续型数值,但有时会碰到分类数据的情况,我们知道最优尺度变换可以对分类变量进行量化处理,如果将这一方法和主成分分析相结合,就称为了基于最优尺度变换的主成分分析法(CATPCA),在市场研究中,又称为多维偏好分析(MPA),该方法由于引入了最优尺度变换,使其对数据的适应能力大大加强,不仅可以分析连续型数据,还可以分析有序、无序分类数据,并且图形展示的能力也得到加强,这非常适合市场研究使用。

多维偏好分析主要用于分析消费者对商品的偏好倾向,并通过感知图/定位图进行展现。我们知道相同偏好的消费者必然在某些商品评价上相似,数据体现为相关性较强,可以利用降维方法提取出少数主成分,并将其和商品在一起做定位图,即可得到消费者评价和商品间的联系,因此,在分析思路上和主成分分析/因子分析并无不同。

我们看一个例子--数据分析师

现在想了解9种汽车相对于竞争品牌在消费者心中的定位是怎样的,并附加三种产品属性进行打分,数据如下

make代表9种汽车,model代表竞争品牌,j代表25位受访者,最后的mpg,reliable,ride为三个产品属性,由于是在降维分析中引入了最优尺度变换,因此多维偏好分析还是被归在降维过程中

分析—降维—最优尺度







数据分析咨询请扫描二维码

客服在线
立即咨询