［摘要］在我国，联合分析应用于营销调研的时间很短，仅有少许大型市场研究公司可以较好地应用联合分析为客户提供科学、有效的研究，原因在于联合分析无论从理论模型理解，还是实际操作上来说都具有一定的难度。由于SPSS、SAS是国内业界应用较多的统计软件包，他们都提供了联合分析模块，但功能各有千秋。本文在简单介绍联合分析模型理论的基础上，采用实例，详尽阐述了结合SPSS、SAS实现联合分析的过程，及各自的优势；并深入介绍了进行联合分析各环节所需注意的细节，及数据处理、转换的方法。

［关键词］联合分析，SPSS应用，SAS应用，联合分析实现过程、SPSS/SAS联合分析模块各自的优势

联合分析(Conjoint Analysis)，又被译为结合分析，也被称为权衡分析(Trade-off Analysis)，是应用统计领域用于多变量分析的一种专门技术，它是1964年由Luce和Tuckey发展的一种数理心理学测量分析工具，于1971年由Green和Rao引入市场营销研究领域，从此深受营销研究人员的喜爱。它主要用于确定产品/服务的属性(Attributes)及相关水平(Levels)对于消费者的重要程度。产品/服务的属性包括品牌名称、价格、包装、规格、功能、颜色、款式等，不同类型的产品，具有不同的产品属性及水平。

在传统的市场研究中，我们了解消费者对产品/服务的属性重要性及相关水平的偏好时，往往采用直接询问的方式。“你喜欢哪个品牌？”“你觉得什么功能较好？”“你希望用什么价格去购买该产品？”等等。由于不是在现实的购买环境中，消费者的回答往往存在较大的偏差，如面对品牌和价格因素时，如果采用品牌单个属性直接询问法，则对价格敏感的消费者必然偏好选择高档品牌，但却不一定能满足高档品牌对价格的要求，得到的使结论就会导致高档品牌的营销决策失误。

相对于传统研究方法的“联合分析法”，则有效的多，它首先根据产品/服务的市场现状及消费者对产品/服务属性的关注度，通过试验设计，模拟出消费者能够理解的少量产品组合(由产品/服务的属性及相关水平组成为一个具体的产品描述)，做成卡片让消费者对其进行评分、排序，然后采用数理统计分析的方法求出产品/服务中每个属性的相对重要性( Relative Importance)及相关水平的效用值(Utilities)，从而为最终确定产品/服务的营销组合提供策略依据。联合分析较之传统研究方法最重要的优势在于：它能模拟较为现实的产品/服务(属性及水平的组合)，从而让消费者能综合考虑产品/服务的属性及相关水平，然后决定对产品/服务的偏好或购买可能性。

联合分析研究方法可应用于：

ü ü 包装测试

ü ü 价格策略研究

ü ü 广告效果测试研究

ü ü 消费者市场细分

ü ü 市场竞争趋势分析

ü ü 评估产品/服务属性的相对重要性

ü ü 估计不同属性/水平下产品/服务组合的市场占有率

联合的基本数学模型如下：

(1)

(2)

其中

Y表示全轮廓的偏好得分

a表示截距

bij表示第i个属性(i|i=1,2,3,…,m)第j个水平((j|j=1,2,3,…,ki)的效用值或分值贡献

ki表示第i个属性的水平数

m表示属性数

Xij表示不同属性水平的哑变量

Xij=1，第个属性的第个水平出现

Xij=0，其它情况

U(X)表示全轮廓的总效用

联合分析研究技术经过近四十年的发展，主要形成了三种基本分析模型，RCA(Regular or traditional conjoint analysis,常规型或传统型联合分析) 、HCA(Hybrid conjoint analysis,混合型联合分析)及ACA(Adaptive conjoint analysis，适应型联合分析)。RCA只要求消费者对各模拟产品进行评价，然后通过对总体偏好效用的分解，来求得各个属性/水平的效用,是一种间接研究产品/服务属性及水平重要性的方法。而HCA和ACA则是结合直接询问法和间接分解法的一种更为复杂，也更为有效的联合分析方法，它除了要取得RCA所需的数据外，还要求获取消费者对各个属性及其水平的重要程度进行直接评价的数据。

由于RCA较HCA、ACA简单，易于理解和掌握，因此得到了非常广泛的应用。世界著名统计软件开发商SPSS及SAS公司均提供了RCA联合分析的统计模型，而美国一间专门从事市场研究软件开发的公司SAWTOOTH，则一直致力于联合分析技术的研究与开发，他们主要采用ACA模型分析法。该公司每年都会举行一次“联合分析理论与应用”研讨会，并在其网站http://www.sawtoothsoftware.com上进行公布。

为了推广及促进联合分析技术在国内营销调研中的应用，提高国内营销研究机构中联合分析技术的应用水平，为国内产品生产/服务企业提供更加有效的营销决策依据，我在这里以一个完整的实例对联合分析技术及其实现过程进行较为详细的阐述和说明，以期对市场研究者使用联合分析技术起到参考及抛砖引玉的作用。

由于HCA及ACA模型及实现较为复杂，因此我们这个例子将采用RCA分析模型，所使用的软件为SPSS 8.0及SAS 6.12。联合分析一共分为四步，下面我们就以白酒市场的例子开始分步介绍联合分析的方法及实现过程。

第一步：确定所研究产品/服务的关键属性及其水平

某白酒企业准备对其中档产品的包装进行更新，有两种可供选择的包装。新包装产品上市的同时，也涉及到对产品价格的调整。因此该企业需要通过市场研究来了解哪种包装更能满足消费者的需求；改变包装后价格应该如何制定。通过对市场的了解、分析我们知道，消费者选择购买白酒时，主要受到以下四个因素(产品属性)的影响：品牌、包装、价格、酒精度数。通过走访市场，我们对白酒产品属性的水平有了一些共识，并设计了以下的属性水平供研究使用：

第二步：通过试验设计模拟产品/服务的属性水平组合

从上表我们知道，将所有属性/水平组合成产品，则总共需要对

4×2×5×3=120个产品进行测试，这显然不太可能做到。因此，为了减少让被访者对模拟产品的评价个数，我们将进行研究实验设计，常用的方法有正交设计(Orthogonal designs)、部分因子设计(Fractional factorial designs)、循环设计(Cyclical designs)、理想非标准设计(Optimal nonstandard design)。

正交设计(Orthogonal designs)是众多试验设计方法中最常用，也是最有效的方法之一，它能很好的兼顾产品的每个属性及属性水平的分布，在这个例子中，我们采用正交设计的方法来模拟需要测试的产品组合。在SPSS和SAS中都有正交设计的过程，由于SPSS较SAS的设计过程更简单，因此我们以SPSS为例说明正交设计的过程：在主菜单中选择\Data\ Orthogonal Design\Generate…,则进入正交设计窗口，如下图1：

图1、正交设计生成窗口

通过“Add”、“Change”、“Remove”可以将添加、修改和删除属性，通过这个窗口的操作，只能完成对属性的设置。下一步，应该对属性的水平进行设置，选中要设置的属性，此时点击“Define Values”，则进入属性水平设置窗口，如下图：

图2、 属性水平设置窗口

设置完成后点击 “Continue”，则该属性的水平设置完成，如此循环，完成对所有属性水平的设置。其它如随机种子及最低组合数的设置，可以采用系统默认值，而不需要重新设置。确认所有属性及水平都设置完成后，点击正交设计主窗口的“OK”按扭，就会生成研究所需要的模拟产品组合，共有25种产品组合，数据显示如下图3。

图3、正交设计完成的产品组合

或通过以下程序，也可以完成上述正交设计的过程：

ORTHOPLAN

/FACTORS=brand '品牌' ( 1 'A' 2 'B' 3 'C' 4 'D') price '价格'

( 1 '40元/500ml' 2 '50元/500ml' 3 '60元/500ml' 4 '70元/500ml'

5 '80元/500ml') degree '酒精度数' ( 1 '38度' 2 '45度' 3 '50度')

package '包装' ( 1 'X包装' 2 'Y包装')

/OUTFILE='C:\tamp\ORTHO.SAV’.

切记，一旦正交设计完成，就不应再随意更改，因为每次正交设计的结果是不尽一致的。当然，这并不是说研究采样时，就只能使用正交设计的产品组合，我们可以根据市场的现实情况对个别的产品组合进行更改、增加或删除。该例中我们将直接采用SPSS生成的正交设计文件进行研究，而不进行调整。

第三步：数据收集及整理

完成对正交设计产品组合的调整后，我们就可以按照产品属性水平的描述制作模拟产品的卡片，作为访问时出示给被访者评价的产品描述工具。条件可能的情况下，可以加入图片，制作图文并茂的卡片形式，以便被访者能比较清楚的区分不同的品牌产品组合。

在问卷的设计方面，可以让被访者对模拟产品进行购买可能性评分，也可对其进行排序、或进行总体上的评价打分。在分值的设置上，采用5分制、7分制、9分制均可。

在实地访问时，可以进行街头访问、入户访问、或预约面访。但在访问时，应将模拟产品的顺序打乱出示给被访者，并给被访者足够的时间以明白模拟产品所描述的特性。

在这个例子中，我们让被访者对每个模拟产品进行9分制的购买可能性评价，并通过街头访问的形式采集了60个样本。同时，在问卷中，我们对这60个被访者的年龄、学历、职业、收入等背景资料进行了询问和记录。

最终的数据结果按一定的格式录入到了SPSS中，由于SPSS的数据编辑窗口采用的是电子表格方式，因此非常直观和方便。具体的数据格式见下图4。其中文件名为SAPLE.SAV，变量No表示被访者的编号，P1，P2，P3,……P25表示被访者对每种模拟产品购买可能性的打分。

如此便得到了联合分析所需要的两部分数据，正交设计数据及对模拟产品评价的原始数据，下来便可以进行联合分析了。

图4、被访者对25种模拟白酒的购买可能性数据

第四步：联合分析的实施

有了以上第二、三步的数据，便可以进行联合分析了。由于SPSS和 SAS联合分析的数据格式和过程完全不同，因此下面分别加以介绍。

SPSS联合分析实施过程：

有了第二步的Ortho.sav和第三步的Sample.sav，SPSS则可以直接进行分析了，在SPSS主窗口的菜单中，没有直接的联合分析子程序，因此需要在程序编辑窗口(SPSS Syntax Editor )中自己编写程序，其程序代码如下：

Conjoint

Plan='c:\tamp\ortho.sav'

/data='c:\tamp\sample.sav'

/factors=brand (discrete more) package (discrete more)

Degree (antideal) price (antideal)

/subject=no

/rank= p1 to p25

/plot=all

/print=analysis summ

/util='c:\tamp\result.sav'.

运行这段程序后，将得到以下结果：

Factor Model Levels Label

BRAND d> 4 品牌

PRICE ai 5 价格

DEGREE ai 3 酒精度数

PACKAGE d> 2 包装

(Models: d=discrete, l=linear, i=ideal, ai=antideal, <=less, >=more)

SUBFILE SUMMARY

Averaged

Importance Utility Factor

+---------+ BRAND 品牌

I34.29 I -.1017 I A

+---------+ .2271 I- B

I -.2407 -I C

I .1153 I D

I

+---------+ PACKAGE 包装

10.89 I I -.0636 I X包装

+---------+ .0636 I Y包装

I

+---------+ PRICE 价格

I33.91 I .7901 I-- 40元/500ml

+---------+ 1.3236 I--- 50元/500ml

I 1.6004 I---- 60元/500ml

I 1.6205 I---- 70元/500ml

I 1.3840 I--- 80元/500ml

I B = .9185 C = -.1283 Ideal Pt = 3.5785

I

+-----+ DEGREE 酒精度数

I20.92I -.2712 -I 38度

+-----+ -.3610 -I 45度

I -.2695 -I 50度

I B = -.3619 C = .0907 Ideal Pt = 1.9953

I

3.0334 CONSTANT

Pearson's R = .707 Significance = .0000

Kendall's tau = .504 Significance = .0002

通过对以上群体水平属性重要性的盒形图分析，我们可以得到以下一些研究结果：

1、消费者选择购买白酒时，主要考虑因素的重要性分别是

2、在品牌的偏好上，消费者最喜爱B品牌，然后是D品牌，C品牌的偏好效用值最少，为-0.2407；

3、在价格的选择方面，消费者更认同每500ml 60元或70元的价格；

4、在白酒中酒精的含量上，消费者更认同50度或38度的白酒；

5、在包装的偏好上，第二个包装最受消费者喜爱。

企业在决定产品策略时，可根据最大效用值的模型来设计推放市场的产品，如此便可以取得较好的市场占有率(市场份额)。

有关SPSS联合分析的进一步信息，可以参阅SPSS软件语法指南中关于conjoint部分的详细说明。或访问SPSS公司的网站http://www.spss.com。

SAS联合分析实施过程：

SAS在联合分析的功能上，较之SPSS要强很多，它不仅可以得到各属性的相对重要程度及各属性水平的效用值，还可以检验每个试验产品的拟合优劣，也可以进行市场模拟，即考察各种模拟产品投放市场后所能占有的市场份额，及投放新产品后，相关产品的市场份额变化情况。同时SAS很大的优势还在于它的联合分析界面是面向用户的、交互式的任务窗口，这意味着研究人员不用编写程序代码就可以直接利用SAS的人机界面进行联合分析了。

与SPSS不同的是，SAS在进行联合分析时，不需要两个数据文件，而是集合属性水平正交模拟数据及被访者对每个模拟产品评价得分的数据于一起的一个数据文件。其格式也非常特别，下面我们通过对SPSS联合分析数据的转换来生成SAS联合分析的数据，以明确二者在数据格式上的不同之处。

1、在SPSS中打开被访者评价的原始数据sample.sav，选择主菜单中的\Data\Transpose…\，进入数据转换窗口，

图5、sample.sav转换窗口

将被访者编号变量“No”，选入“Name Variable”中，其余的模拟产品变量P1至P25全部选入“Variable(s)”,然后点击窗口右上角的“OK”按扭。得到如图6所示的数据结构。

图6、sample.sav转换之后的窗口

通过以上过程的数据转换，将原有数据的行与列进行了以被访者编号为新变量的互换。V1至V60表示60个被访者的答案，case_lbl变量中的值P1至P25表示正交设计所模拟出的25个产品组合。为了进一步合并数据的需要，请在变量case_lbl处点击鼠标右键，在弹出式菜单中选取“Define variable…”，将“Variable”后面框中的变量名“case_lbl”更改为“id”，并将该列中的值进行从新输入设定，即将P1→1，P2→2 ，P3→3，…，P25→25。然后将文件保存为sample1.sav。

2、同样在SPSS中，打开ortho.sav，采用同上的方法，将变量“card_”改为“id”。然后选择主菜单中的\Data\merge files\Add Variable…，进入数据合并窗口，如图7。选中数据文件sample1.sav，点击“打开”按扭。

图7、数据合并窗口—选择文件

图8、数据合并窗口—增加变量

直接点击“OK”按扭，即可产生图9的数据文件，通过“Define Variable命令对“id”变量的“Type”重新定义为“String”。这个新文件格式就是SAS联合分析的数据格式，但由于SAS无法直接读取SPSS数据，因此必须通过两者都能接收的数据格式进行数据中转。

图9、数据合并窗口—增加变量

3、选择主菜单中的\File\Save As…，进入数据转存窗口，如图10。

图10、SPSS数据转存Lotus 1-2-3 Rel 3.0

将SPSS数据转存为Lotus 1-2-3 R3.0格式或Dbase III格式均可，但需要特别注意的是：Dbase 的DBF数据库格式的字段数不能多于128个，因此，当访问的样本量大过128时，就不能采用Dbase 的DBF数据库格式了。而Lotus 1-2-3数据格式则相对要大得多。在该例中，我们选用Lotus 1-2-3 R3.0格式来转存数据。并为新数据文件命名为“sasconj.wk3”。退出SPSS软件。

4、打开SAS软件，在主菜单中选择\File\Import,如图11，进行数据导入向导程序窗口。

图11、SAS数据导入向导

通过窗口的下拉列表，选中“Lotus 3 Spreadsheet (*.wk3)”,点击“Next>”；

进入“Select file”窗口，通过“Browse”窗口在“以C:\TAMP”目录中选取“sasconj.wk3”, 点击“Next>”；

进入“Select library and member”窗口,在Library列表中选取“SASUSER”,在Member列表中输入“sasconj”,然后点击右下角的“Finish”按扭。自此便完成了SPSS联合分析数据向SAS格式的转换。

4、在SAS主菜单左下方的命令框中，输入“market”,然后键入回车键，或点击“√”按扭，便可进入图12所示的界面，这是SAS提供专用于市场研究分析的统计软件程序包。里面包含多个市场研究分析常用的多变量分析子程序，如Conjoint analysis、Correspondence analysis、Discrete choice analysis、Multidimensional scaling、MDPREF analysis。

图12、SAS市场研究专用统计分析窗口

在“Library”框中选取“SASUSER”，在“Data set and last analysis”框中选取“SASCONJ”,此时可以通过“View Data”按扭查看数据及数据结构；

接着在“Analysis”下拉列表框中选取“Conjoint analysis”,点击“OK”，则可进入图13所示的联合分析数据设置窗口。

图13、SAS联合分析数据设置窗口

在“Variables”框中选取变量“ID”，点击“Variable Roles”框中的“Id”按扭；同理，一次性选中变量V1-V60，点击“Preference”，将这些变量加入窗口右上方的“Preference”框中。将“brand”、“price”、“degree”、“package”加入“Attributes”，其他采用默认设置，点击“OK”，则进入联合分析输出窗口，如图14。

图14、SAS联合分析输出窗口

从图14属性相对重要性的结果来看，其趋势与SPSS联合分析的结果一致，但在数值方面存在一定的差异，这主要在于两种软件在数据分析过程中对研究假设、变量类型的设定、数据转换方面存在着差异所致。

二者的差异表示如下：

在SAS联合分析输出结果的窗口中，通过“Results”按扭，可以查看到每个被访者在各属性水平上的相对重要性/效用值的数据及图式，还有方差表，同时，也可模拟各种产品组合变化所引起的市场占有率变动。

下面，我们简单介绍一下怎样通过SAS联合分析来模拟产品组合所引起的市场占有率变化。点击“Results”按扭，选取“Market share simulation”，则进入图15所示的市场占有率模拟分析窗口。

图15、SAS模拟市场份额窗口

从图15我们可以看到，在现有情况下，第22号产品(C品牌，第二种包装、酒精含量50度、价格为40元)的市场占有率最高，为19.3%。其次是20号和3号产品表现较好。

SAS模拟市场份额的模型有三种：Maximum utility、Bradley-Terry-Luce 、Logit。其中Maximum utility模型是最常用的一种，也是被认为最有效的一种模型。

在数据显示框最左边的“Inactive”下的可选框，一旦被选中，则表示该种产品组合不参加市场份额的模拟。因此，可以根据市场的实际情况对产品组合进行调整。“Add Row”可以将新的产品组合投入分析模型，并通过点击相应的属性位置对新的产品组合进行水平设置，然后通过“Calculate”进行市场份额的重新计算，以了解新产品组合上市后对市场份额的影响情况。

下面我们试验增加一个新产品组合，C品牌，第二种包装,38o, 价格40元，看看市场份额的变化情况。点击“Add Row”，将有一个新的产品“Prediction”出现数据显示区的最顶端。将光标移至“Prediction”处，将其更名为“new”，

并点击Brand，Package，Degree，Price相对应的“Select”,将其值分别改为3、2、1、1，然后点击“Calculate”，则计算出如图16所示的新的市场份额数据。

图16、增加新产品组合后对市场份额的影响

由图16可知，new的投入，获取了6.7%的市场份额，而22号和2号产品则分别下降了3.3%和2.6%，可见新产品对22号和2号产品组合的威胁最大。

以上部分详细讲解了通过如何通过SPSS和SAS软件进行联合分析的过程，大家应该基本上明白了怎样从最初的研究设计、数据采样，到最终的SPSS/SAS数据整理、研究分析及结果的解释。下面我们谈谈联合分析所需要注意的一些问题，以便使你的研究对客户而言更加科学有效。

一、在确定需要研究的产品属性之前，最好通过小组座谈会的形式，去了解消费者在消费某类产品/服务时，到底关心什么因素，关心的程度如何。从而确定研究的属性及其水平。少了一些产品/服务的关键属性组合，则可能使分析的结果完全错误。

二、属性/因素的个数及其水平不宜过多，一般情况下：属性个数控制在7个以内，属性水平控制在6个以内，可以取得较佳的研究结果。

三、在制作访问用的模拟产品卡片时，最好采用图文并茂的彩色图片形式，将品牌、款式、色彩、外观等需要感官刺激的产品属性让被访者看到，这样可以更加客观、真实地得到较准确的研究结果。

四、在实地访问时，最好将模拟产品的顺序打乱出示给被访者看，而且时间要给足，以便被访者能了解产品的属性，决定自己的评价。在条件可能的情况下，可以采用电脑辅助访问的形式进行样本收集，目前比较成熟的电脑辅助访问系统有著名的CI3、Win CATI 、In2view等软件。

五、在最后的分析阶段，最好采用多种分析模型去验证同市场现实情况的吻合性，以便使用最佳的分析方式去分析数据，为企业营销决策提供客观、科学的分析依据。

[此贴子已经被作者于2005-11-1 22:10:54编辑过]