MaxDiff模型

操作视频

# 1、作用

用于受访者客户对产品属性的偏好程度，目前被广泛的应用在市场调研领域。

# 2、输入输出描述

输入： ”最重要“次数是某属性被选中为最重要的次数。
”最不重要“次数是某属性被选中为最不重要的次数。
总出现次数是在指某属性出现在问卷中，等待被选择的次数。
索引项是指各个属性的名称。
输出：受访者对属性的偏好程度。

# 3、案例示例

案例：某饮食行业品牌公司欲了解消费者对零食的偏好。一共有六个属性指标（分别是价格、分量、味道、包装、营养、能量），可以通过用户反馈回来的信息（也就是输入数据）来判断消费者更看中零食的哪个属性。

值得注意的是， maxdiff 模型的问卷收集有一定的要求。它要求受访者在每一次任务中选出“最重要属性”和“最不重要属性”，比如，以上零食有 6 个属性。问卷是设置了 6 个任务，每一个任务包括三种选择项。它的意思是每一个受访者需要完成 6 个任务，每一个任务都是从三个选择项中选出“最重要属性”和“最不重要属性”。第一个任务是指受访者需要从"价格、味道、分量"中选出认为最重要的以及最不重要的。

问卷设计好后应发放给受访者回答，然后需要对所有问卷结果进行基本汇总，得到满足 SPSSPRO 输入要求的案例数据。那么总出现次数，就是在所有问卷的任务中，某个属性出现的次数，以及它被选为"最重要"的次数、它被选为"最不重要"的次数。假设下面是两个受访者的回答情况：

可以统计得到：

以上只是举例，对所有问卷结果进行基本汇总，就可以得到满足 SPSSPRO 输入要求的案例数据。

# 4、案例数据

MaxDiff模型案例数据

# 5、案例操作

Step1：新建分析；
Step2：上传数据；
Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；

step4：选择【MaxDiff模型】；
step5：查看对应的数据数据格式，按要求拖入数据。
step6：点击【开始分析】，完成全部操作。

# 6、输出结果分析

属性	效用系数	标准误差	z 统计量	p 值	最重要	最不重要	出现次数	偏好份额
味道	0.647	0.083	7.77	0.000***	150	50	320	29.749%
价格	0.334	0.08	4.171	0.000***	120	67	320	21.77%
分量	-0.347	0.08	-4.326	0.000***	34	89	320	11.012%
营养	0.15	0.079	1.896	0.058*	80	56	320	18.11%
能量	-0.251	0.08	-3.154	0.002***	40	80	320	12.12%
包装	-0.767	0.085	-9.027	0.000***	3	120	320	7.239%

图表说明：上表格展示了 Maxdiff 属性结果及偏好份额，包括效用系数、标准误差、统计量、p 值、偏好份额等，用于评估用户对属性的偏好。
● 效用系数：正分意味着该属性被选为最重要的次数多于最不重要的次数；负分意味着该属性被选为最不重要的次数比最重要的次数要多。
● 偏好份额：直观展现了各个属性的重要性程度，值越大说明该属性越重要。

输出结果 2：属性偏好程度

图表说明：上图展示了属性的偏好程度。

# 7、注意事项

进行 MaxDiff 模型的分析数据是需要根据 Maxdiff 的要求定制的，MaxDiff 要求受访者在每一次任务中选出"最重要属性"与"最不重要属性"。
拖入 SPSSPRO 进行运算的数据是对所有问卷结果进行基本汇总得到的。

# 8、模型理论

MaxDiff 模型是通过多项式逻辑回归的解析估计得到各个属性的回归系数（效用系数）βi，效应系数为正意味着该属性被选为最重要的次数多于最不重要的次数；效应系数为负意味着该属性被选为最不重要的次数比最重要的次数要多。
MaxDiff 主要是得到各属性的偏好份额，可以通过以下公式得到：

# 9、参考文献

[1]Scientific Platform Serving for Statistics Professional 2021. SPSSPRO. (Version 1.0.11)[Online Application Software]. Retrieved from https://www.spsspro.com.
[2]Lipovetsky S , Conklin M . Best-Worst Scaling in analytical closed-form solution[J]. Journal of Choice Modelling, 2014, 10(1):60-68.

建议反馈