联合分析问题
联合分析是一种统计技术，用于衡量消费者对不同产品或服务的偏好。这种方法分解了属性，例如价格、品牌或质量。 查看联合分析例子。
创建联合分析问题
1. 选择联合分析将问题添加到您的调查中。
2. 输入问题。
3. 单击联合分析设置。有三种概念类型可供选择：
概念类型一：定制概念：多属性多横向产品
根据提供的数据模板上传数据。
设置任务设置，包括每个任务的概念数量（建议2-5个概念，概念总数除以每个任务的概念数量应为整数），是否包含空选项及其文本，以及概念呈现规则。您可以选择显示所有概念、按顺序显示所有概念、显示部分概念和显示某些任务。
概念类型 2：定制概念：简单产品
这个概念类型类似于最大差异分析问题。在联合分析中，您只需选择“最佳”标签，而在 MaxDiff 分析中，您需要同时选择“最佳”和“最差”标签。
您需要输入概念代码并上传每个概念的图像。最少的概念有四个。
设置任务设置，包括每个任务的概念数量（建议2-5个概念，概念总数除以每个任务的概念数量应为整数），是否包含空选项及其文本，以及概念呈现规则。您可以选择显示所有概念、按顺序显示所有概念、显示部分概念和显示某些任务。
概念三：系统生成组合概念：多属性多横向积
需要在属性设置中输入属性和水平。
设置任务设置，包括每个任务的概念数量（建议2-5个概念）、是否包含空选项及其文本以及任务数量。
您还可以禁止项目组合，任务将不会显示这些组合。
4. 单击节省。
5. （可选）调整问题的任何其他设置。
6. 单击结束。
分析数据
多属性多横向产品报告
联合分析报告显示属性重要性和概念实用性。
- 属性重要性：该表显示了每个属性和级别的重要性。在同一属性内，某个级别的效用值越大，该级别对于受访者来说就越重要。属性的重要性越高，该属性对受访者就越重要。在这里，CPU 是受访者最重要的属性。
下面是计算属性重要性的公式：
属性重要性=各属性最大等级效用值/总和（各属性最大等级效用值）×100%
例如CPU的重要性为28.54%，则计算：
16.54 / (16.54 13.87 10.42 8.96 8.16) x 100% = 28.54%
- 概念实用性：对一个概念的偏好排序可以直观地体现出其重要性。效用价值越高，这个概念对受访者来说就越重要。
简单的产品报告
简单的产品报告使用图表和表格来呈现数据以可视化。对每个属性提供以下统计分析：
- 偏爱 ％：属性被选为任务中“最佳”选项的次数百分比。较高的偏好百分比表示更偏好的属性。
- 概率%：属性被选为任务中“最佳”选项的可能性。概率分数范围从 0 到 1，分数越高表示被选为最佳选项的可能性越高。
- P 值：小于 0.05 的 p 值通常被认为具有统计显着性。
- 选定计数：某个属性被选为最重要属性的次数。
- 出现次数：属性显示的次数。
- 分数：选定计数/出现计数。分数越高表示受访者的属性越重要。
注：联合分析需要足够的样本量来计算相对准确的数据，因此基于足够大的样本量（响应数 > 100）的报告是有意义的。
