コンジョイント分析レポート
SurveyMarsは現在、調査研究向けのコンジョイント分析モデル解析をサポートしています。コンジョイント分析は消費者の製品嗜好状況を研究するための多変量統計解析手法です。例えば、携帯電話製品、コンピュータ製品、または自動車製品に対する消費者の嗜好を扱います。コンジョイント分析は、どの製品属性や水準が消費者にとって最も重要であるかを研究者が理解するのに役立ちます。
コンジョイント分析とは
コンジョイント分析は消費者の製品選択の嗜好を研究するために使用されます。分析にはいくつかの主要な用語があります：
属性：製品の特性。例：携帯電話のCPU、画面サイズ、カメラの画素数など。
水準：属性の具体的な値。例：CPU等級（ハイエンド、ミッドレンジ、ローエンド）、画面サイズ（5インチ、6インチ、7インチ）、カメラ画素数（12MP、20MP、30MP）など。
プロファイル：製品とも呼ばれ、さまざまな属性の水準を組み合わせて構成されます。例：「ハイエンドCPU、7インチ、20MPカメラ」のようなものです。
コンジョイント分析のプロセスは通常、次の4段階で構成されます：
ステップ1：属性と水準の決定
- まず、必要な属性とそれぞれの水準値を決定します
ステップ2：直交実験
- 属性の水準数に基づいて、評価対象となる候補のプロファイル（製品）を設計します
ステップ3：アンケート設計
- アンケートを設計し、「評価法／順位付け法／選択法」により各プロファイルのデータを収集します
ステップ4：コンジョイント分析
- データ収集後にコンジョイント分析を実行します
コンジョイント分析の質問作成
1. SurveyMarsプラットフォームに移動して、コンジョイント分析の質問タイプを作成します。
2. コンジョイント分析の質問を設定し、調査する属性と水準をアップロードします。コンジョイント分析の例を参照してください。
3. アンケートを設計して回答を収集した後、統計分析ページでコンジョイント分析レポートを直接確認できます。
コンジョイント分析の理論の理解
コンジョイント分析のデータ原理は、各属性を説明変数X、効用スコア（評価値）を目的変数YとしてOLS回帰を使用することにあります。すべての属性はカテゴリデータであるため、すべての属性はダミー変数として処理され、各属性の第一水準が参照水準となります。回帰係数の値（回帰係数は各水準の効用値です）を得た後、参照水準の効用値は次のように計算されます（この値 = 0 - 同じ属性の他の水準の効用値の合計）。ある水準の効用値が大きいほど、その水準はより重要です。
各属性の各水準の効用値を取得した後、属性の重要度はどのように決定されるのでしょうか？「最大範囲」法が使用されます：属性の水準の最大効用値から最小効用値を引いた差がその属性の重要度となります。重要度を正規化することで、各属性の相対的重要度が得られます。
これにより、各属性の相対的重要度や各属性水準の相対的重要度を分析できます。プロファイルごとの重要度ランキングも分析可能で、SPSSAUはプロファイルの効用値を出力するためのパラメータを提供します。
コンジョイント分析結果の解釈
1. コンジョイント分析結果の概要：
- この表は各属性の重要度と割合を表示します
- また、各水準の効用値も列挙されます
2. コンジョイント分析の推定結果：
- この表はOLS回帰モデルの出力結果を表示します
- モデル適合度評価のためのピアソン相関係数およびケンドール相関係数を提供します
- 各属性の第一水準が参照水準であるため、回帰係数は表示されませんが、参照水準の効用値は次の式で計算できます：0 - 同一属性の他の水準の効用値の合計
重要な解釈のポイント：
- 属性の重要度：重要度が高いほど、その属性が消費者の嗜好に与える影響が大きいことを示します
- 水準の効用値：正の効用値はその水準への好意を示し、負の値は好ましくないことを示します
データ形式の要件
コンジョイント分析のデータ形式は次のように構成されるべきです：
- 各行は1人の回答者による1つのプロファイル（製品）の評価を表します
- 例えば、1人の回答者が9個の候補製品（プロファイル）を評価し、回答者が100人いる場合、データは100 × 9 = 900行になります
- 従属変数（Y）は効用スコア（評価値、順位、または選択）を含むべきです
- 独立変数（X）は各プロファイルの属性水準を含むべきです
- 属性の水準は数値（1, 2, 3など）で表すことができ、SPSSAUのデータラベリング機能を用いてラベル付けできます
重要な注意点
- コンジョイント分析では、事前に直交実験設計を使用して実験プロファイルを取得する必要があります
- コンジョイント分析のすべての属性はカテゴリデータであり、自動的にダミー変数として処理されます
- 各属性の第一水準は回帰モデルにおける参照水準として使用されます
- 参照水準の効用値は次の式で計算されます：0 - 同じ属性の他の水準の効用値の合計
- 属性の重要度は「最大範囲」法を使用して計算されます：その属性の最大効用値 - 最小効用値
よくある質問（FAQ）
Q1: システムが "Insufficient valid samples for conjoint analysis" と表示した場合、どうすればよいですか？
A: このメッセージは、属性の水準数に対して解析に必要な有効なサンプル数が不足しており、OLS回帰モデル解析を実行できないことを意味します。実験のサンプル数を増やして再度解析することをお勧めします。
Q2: 評価法、順位付け法、選択法の違いは何ですか？
A: 評価法は回答者に候補製品を点数で評価させ、スコアが高いほど好ましいことを示します。順位付け法は候補製品を順位付けさせ、よりよい順位ほど好ましいことを示します。選択法は各候補製品についてはい/いいえで選択させる方法です。通常、評価法と順位付け法がより頻繁に使用されます。
Q3: 属性の重要度はどのように計算されますか？
A: 属性の重要度は「最大範囲」法を使用して計算されます：属性の各水準の最大効用値から最小効用値を引いた差がその属性の重要度となります。重要度を正規化することで、各属性の相対的重要度が得られます。
Q4: 参照水準の効用値はどのように計算されますか？
A: 各属性の第一水準が回帰モデルにおける参照水準として使用されます。参照水準の効用値は次の式で計算されます：0 - 同一属性の他の水準の効用値の合計。
Q5: ピアソンとケンドールの相関係数は何を表しますか？
A: これらの係数はコンジョイント分析のモデル適合度を表します。実際の効用スコアとOLS回帰の当てはめ値との相関として計算され、係数が大きいほどモデル適合度が良好であることを示します。
Q6: コンジョイント分析の前に直交実験設計を使用する必要がありますか？
A: はい、コンジョイント分析の前に直交実験設計が必要です。属性の水準数に基づいて評価対象となる候補プロファイル（製品）を設計して取得します。
