联合分析

联合分析（英语：Conjoint analysis/Conjoint measurement），是多重变量分析主要分析之一，在社会学、生物统计学、数量心理学、市场营销、产品管理、运筹学等领域的统计实证分析应用广泛。它是市场研究中一种基于调查的统计技术，有助于确定人们对构成单个产品或服务的不同属性（特征、功能、益处）的价值取向。

联合分析的目的是确定哪些有限的属性组合对受访者的选择或决策影响最大。 向调查对象展示一组受控的潜在产品或服务，通过分析他们如何在这些产品中做出选择，可以确定构成产品或服务的各个要素的隐含价值。 这些隐含估值（效用或部分价值）可用于创建市场模型，以估算新设计的市场份额、收入甚至盈利能力。

联合分析发源于数学心理学，由宾夕法尼亚大学沃顿商学院市场营销教授保罗-格林（Paul E. Green）提出。其他著名的联合分析先驱有斯坦福大学的 V. "Seenu" Srinivasan 教授和爱荷华大学的 Jordan Louviere 。前者开发了一种针对等级排序数据的线性规划程序以及一种自我解释方法；后者发明并开发了基于选择的联合分析方法以及最佳-最差比例等相关技术。

背景

联合分析早期称为联合衡量，是1964年由数理心理学家R.Luce和统计学家J.Tukey提出的。1971年由P. Green和V.Rao引入消费者行为研究领域，成为本研究领域内最重要的研究方法之一。1978年F.Carmone、P. Green和A.Jain等人将联合衡量改为联合分析。

在理论发展过程中，应用性的研究占据了理论发展的主流，伴以渐进的理论性研究。这充分显示了联合分析法在现实中的有效性。随着该方法的广泛传播，其应用范围从市场研究领域延伸到更广泛的涉及选择偏好的领域，涵盖了金融、医疗卫生、农村消费、流通业、会展以及选举等领域。根据Witt ink调查，在1981～1984年间，联合分析法应用于商业研究的例子平均达400例。

目的

探寻被调查对象对（产品或事件）属性所感知到的重要程度（重要性）。最常使用于新产品设计

假设

偏好能在同时发生的对属性的评价中产生——多属性偏好结构模型

应用原理

联合分析有三种主要形式，包括权衡矩阵法、两两比较法和全轮廓法，其中又以全轮廓法最为常用。此方法提供给研究的参与者一系列的产品描述，参与者被要求浏览所有的描述，做出一系列的评价，对调查结果进行数学方法分析后，就可以导出该类产品的各属性的效用值。

在市场研究领域，联合分析之前的所有方法几乎都会使用重要性比率尺度来度量产品属性的重要性水平，即都会直接向消费者提问一个产品中他们最重视的属性。这种方法有几个严重的缺点。

首先，研究的经验表明，如果不限制条件的话，消费者倾向于认为每个属性几乎都是同等重要的。其次，消费决策很大程度上依赖的是整体的判断。当消费者被要求分离各种属性并且对各属性进行量化评价并且描述某个属性水平的高低将驱使使其购买一个产品而不是另一个产品时，即使是最老练的消费者也将感到无所适从。

在联合分析中产品被描述成为轮廓，每一个轮廓由能够描述产品重要特征的属性和赋予每个属性的不同水平的组合构成。消费者在实际购买时并不是基于产品某一属性而是综合考虑产品各个属性及属性水准而做出购买决策的。因此消费者对某一产品轮廓的评估可以分解成构成这个轮廓多个属性水准的评估以及不同属性在决策时所占的权重。在联合分析中用分数也叫做效用来描述消费者对某一属性水准的偏好。联合分析能够较好地模拟消费者购买的实际过程，从而客观、真实地测量消费者对某一产品的偏好及产品不同属性在购买过程中的重要性。

过程

联合分析涉及四个不同的步骤：确定研究类型、确定相关属性、指定属性的等级、设计问卷。

1、确定研究类型

可以设计不同类型的研究：

• 基于排序的联合分析
• 基于评级的联合分析
• 基于选择的联合分析

2、确定相关属性

• 与管理决策相关
• 在现实生活中有不同程度的
• 可望影响偏好
• 定义明确、易于传达
• 最好不要表现出强烈的相关性（价格和品牌除外）
• 至少由两个层次组成

3、指定属性的等级

• 明确无误
• 互相排斥
• 实际的

4、设计问卷

随着属性和等级的组合数量的增加，潜在概况的数量也呈指数级增长。因此，部分因子设计通常用于减少要评估的概况数量，同时确保有足够的数据进行统计分析，从而为受访者提供一组经过严格控制的“概况”。

信息收集

在市场营销中，联合分析可用于不同的用途，主要有：

• 确定消费者选择过程中不同属性的相对重要性。联合分析可以间接推导出构成产品的所有属性的相对重要性权重的估计值，这些权重表示哪些属性对消费者的选择有重要影响。根据不同属性水平偏好的相似度进行市场区隔，属性的效用函数可作为调查对象聚类的依据，以便得到偏好相同的细分市场。
• 估计具有不同属性水准的品牌的市场占有率。联合分析所估算的效用可作为模拟选项的输入，以便确定不同选项的份额，并由此估算不同品牌的市场份额。
• 确定最受欢迎产品的属性构成。可以透过属性等级的调整，改变品牌特征并估计相应的效用。产生最高效用的品牌特征代表最受欢迎的品牌的组成。

优点

• 可以评估消费者在面对多个属性时所做的心理权衡
• 可以衡量个人的偏好
• 揭示受访者自己可能未意识到的真实或隐藏的驱动因素
• 模仿现实的选择或购物任务
• 能够使用实物
• 如果设计得当，可以模拟属性之间的相互作用
• 在应用识别受访者口味异质性的模型时，可用于开发基于需求的细分

缺点

• 设计联合研究可能很复杂
• 当面对太多的产品功能和产品简介时，受访者往往会采取简化策略
• 难以用于产品定位研究，因为没有程式可以将对实际功能的感知转换为对一组精简的底层功能的感知
• 受访者无法表达对新类别的态度，或者可能感到被迫思考他们本来不会考虑太多的问题
• 设计不当的研​​究可能会高估充满情感的产品功能而低估具体功能
• 不考虑每位受访者购买的产品数量，但透过受访者自我报告的购买量或扩展（例如体积联合分析）对受访者进行加权可能会弥补这一点

实际应用

参见

• 多重变量分析
• 市场营销
• 定价策略

参考书目

Amemiya, T.，1985年，《高级计量经济学》，哈佛大学出版社