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1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0一9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。：
1•预分析：选择“分析”“降维”“因子分析"，将j1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,但由于数据中的变量代表消费者，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。
絆石图
2•多维偏好分析
选择“分析”“降维”“最优尺度”菜单项
选中“某些变量并非多重标称”单选按钮，单击“定义”按钮
将j厂j2E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”
将Mpg、Reliabl、rid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”
将model选入“标记变量”列表框
在“离散化”对话框中，将所有变量的离散化方式均设为“秩”
在“选项”对话框中，在“正态化方法”下拉列表框中选中“对称”
在“对象”对话框中，选中“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
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。
模型汇总
维数
Cronbach'
s
解释
Alpha
总计（特征值）
方差的%
1
.945
2
.860
总计
978a
'sAlpha基于总特征值。
按model加注标签的对諏点
Continental
%Eldorado
FirebirdO
GranFury_...
0Malibu
c
DL0□asher
OqAccord
Rsihbit
Volare
OjdMusHorizo
FairmontCioo
PiiitOQ
OChevette
0
tangCivic
】o
stian
--
维数4
上图为各汽车品牌的定位散点图，可见所有车型大致可以被分为三大