文档介绍：:..多维偏好分析案例介绍:1980年,美国的某汽车制造商希望了解在消费者心目中,其汽车品牌相对于竞争对手的品牌是如何定位的,在目前的汽车市场上是否还有市场空间可供挖掘。考虑采用多维偏好分析来解决这一问题。具体方式从自己和竞争对手中共挑选了17种新车,请25位消费者根据他们对这些汽车的偏好按0〜9分的量表评分,9分表示偏好程度最高。数据录入时每一种品牌为一行,每一个受访者的数据为一列。此外,为了使得研究结果更为明确,还按照这17种车型在节油(Mpg)、可靠性(Reliable)上的表现用5分量表进行了评价。::选择“分析”——“降维”——“因子分析”,将jl到j25变量都选入“变量”框中,选择“抽取”,勾选“输出”的碎石图,单击“确定”。得到的碎石图见下图,从中发现前两个主成分的信息量较高,合计约占70%左右的总信息量。虽然3、4、5个维度的特征根也大于1,但由于数据屮的变量代表消费者,消费者越多,特征根大于1的维度也越多,故只取两个主成分。(1)选择“分析”——“降维”——“最优尺度”菜单项(2)选中“某些变量并非多重标称”单选按钮,单击“定义”按钮(3)将jl〜j25选入“分析变量”列表框,在“定义度量”对话框中将其度量水平全部修改为“数字”。(4)将Mpg、Reliable、ride选入“补充变量”列表框,在“定义度量”对话框中将其度量水平全部修改为“数字”。(5)将model选入“标记变量”列表框(6)在“离散化”对话框中,将所有变量的离散化方式均设为“秩”(7)在“选项”对话框中,在“正态化方法”下拉列表框中选中“对称”(8)在“对象”对话框屮,选屮“对象和变量”复选框,将“标签对象”选项组中的标注方式更改为“变量”并将model选入“选定”列表框(9)单击“确定”按钮结果分析:下表为模型情况汇总,%的信息量,和主成分分析一致,两个维度的Alpha信度系数也都非常高,充分说明采用二维是比较合适的。维数Cronbach1sAlpha解释总计(特征值)方差的%;!'sAlpha基于总特征值。按model加注标签的对象点-1Continental%EldoradoFirebird0GianFury…...o Malibuv ordRabbitVolareO(pMuiHorizoFairmontCitooPintOQO Chevette0tang Civic!。ation2-1-维数20-I- - ,可见所有车型大致可以被分为三大类:第一类以DL、,占据了空间的右中下部;第二类以Continental>Eldorado和Firebird为代表,占据了空间的左上角;第三类品牌为数众多,占据了偏好空间的左下角。而整个空间的右上部比较空,没有品牌定位在此处。双标图Omodel所檢主的对象一成分付戟(调整