多维偏好分析

         本笔记源于张文彤老师《SPSS统计分析高级教程》的学习总结。

   多维偏好分析理论及应用：

    多维偏好分析也称为“分类数据的主成分分析”，其分析的原理

就是最优尺度变换和主成分分析思想的结合，实质上属于因子分析和主成分分析方法的扩展。主要用于分析客户对商品的偏好倾向，消费者对商品进行评分，然后依照评分进行后续分析。

   操作过程： 

# 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”（因为不是所有变量均为无序多分类既名义测量）单选按钮，单击定义。

# 将所有表示调查个体的有序变量选入“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”。

# 将调查指标的有序变量全部选入“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”。

# 将名义变量选入“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”下拉列表框中选择“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”，并将名义变量选          入“选定”列表框。

# 单击“确定”。

   如图所示：

                       

    结果输出与分析：

                                                 

      由模型汇总情况，前两个维度累计共携带了66.97%的信息量，说明两个维度和整个模型得Alpha信度系数也都较高。

                                        

      从空间中的定位散点图，根据数据分布可以分为三大类，由DL、Rabbit、Accord为代表的右中上部为第一大类，由Continental、Eldorado、Firebird为代表的左上角为第二大类，由左下角为第三大类。然而第一大类是分数较高的部分，其价值有可待挖觉的意义。

        在多维偏好图中，根据实际研究的问题把数据集分成三大群体，第一群体为数量最多的右中下部，第二群体为右上部，其三群体为左上部。分析者就可以对不同类别与不同群体的空间位置数据通过分析可以得出相应的结论，挖掘出不同类别的数据中所包含的价值才是多维偏好分析的实际价值所在，三大群体中不同的指标代表反映出不同的情况。不同群体中反应了对商品相应不同指标的偏好，可知，不同偏好之间的差异还是较大，因此针对不同群体数量以及偏好的指标作出相应的决策。