多元尺度分析与联合分析ppt课件

1、22)()(ijijijdddS =S：壓力係數壓力係數dij：成對事物在構面中之距離成對事物在構面中之距離 ：dij 之估計值，通常是以簡單迴歸之估計值，通常是以簡單迴歸 (monotone regression)之方法求得，之方法求得，壓力係數愈小代表壓力係數愈小代表dij與之差異不大，與之差異不大，即代表方式之適合度很高。即代表方式之適合度很高。 ijd(optimally scaled data)的變異數中，可由多元尺度法解釋的部份。因此多元尺度分析也可以以 R2 作為同時參考的標準，當R2愈大時(即越接近1)， 表示配合性愈好。sstsseR 12本研讨以多元尺度分析員工人數對知識創

2、造過程的知覺分析，本研讨以多元尺度分析員工人數對知識創造過程的知覺分析，以以5種不同的公司與種不同的公司與17個知識創造過程變數，作出知覺圖。在個知識創造過程變數，作出知覺圖。在知覺圖中，每一點代表一個特定的構面，點與點間的距離則知覺圖中，每一點代表一個特定的構面，點與點間的距離則表示各變數彼此类似的程度，距離愈小表示愈类似，距離愈表示各變數彼此类似的程度，距離愈小表示愈类似，距離愈大表示愈不类似。大表示愈不类似。以本研讨為例，為瞭解不同群組公司在不同知識創造過程變以本研讨為例，為瞭解不同群組公司在不同知識創造過程變數的關係，研讨人員分別調查這五種不同公司在知識創造過數的關係，研讨人員分別調查

3、這五種不同公司在知識創造過程之得分如下頁表程之得分如下頁表 20-1：表表 20 - 1 20 - 1 不同員工人數的公司別與十七個知識創造變數不同員工人數的公司別與十七個知識創造變數說明：說明：本案共有251位受測者，透過電腦處理首先將五種公司之受測者對上述kcp1、kcp2、kcp3、kcp4、kcp5、kcp6、kcp7、kcp8、kcp9、kcpf10、kcp11、kcp12、kcp13、kcp14、kcp15、kcp16、kcp17等十七個知識創造活動變數之平均值求出如下頁表202所示 表表 20 - 2 受測者對各種構面之平均評分受測者對各種構面之平均評分 說明：說明：茲利用此一平

4、均值矩陣，將資料輸入電腦中，執行茲利用此一平均值矩陣，將資料輸入電腦中，執行SPSS-多元尺度分析軟體，即可計算多元尺度分析軟體，即可計算Kcp1Kcp17各個各個知識創造項目在知識創造項目在X軸與軸與Y軸二元空間之座標如表軸二元空間之座標如表203所所示。此座標位置可以在示。此座標位置可以在X軸與軸與Y軸之空間中，點上座標位軸之空間中，點上座標位置點，並由位置點再將置點，並由位置點再將X軸與軸與Y軸之原點與各變數之座標軸之原點與各變數之座標位置點相連結即得到各變數在二元空間之向量，請參看位置點相連結即得到各變數在二元空間之向量，請參看圖圖201所示。所示。 表表 20 - 3 20 - 3

5、十七項研讨變數在知覺屬性空間之座標十七項研讨變數在知覺屬性空間之座標此外，以五個公司群AE為計算單元，也一樣可以得到公司群AE在X軸與Y軸二元空間之相對位置見下頁表20-4。這些相對位置假设能與變數之相對位置比較，即可以看出每個公司群是比較重視哪些變數，而較不重視哪些其他變數。表表 20 - 4 不同公司群組在知覺屬性空間之座標不同公司群組在知覺屬性空間之座標圖圖 20 - 1 不同公司群組在不同構面之知覺空間圖不同公司群組在不同構面之知覺空間圖表表 20 - 5 20 - 5 不同公司群組知識創造過程不同公司群組知識創造過程由圖20 - 1之知覺圖與表20 - 5之表示圖，可知：公司群 A：

6、最重視知識具體化、教育訓練、操作手冊 與專家資料；公司群 B：最重視實地调查、操作中學習與觀察學習；公司群 C：最重視專家移轉、腦力激盪、协作計劃與 在職訓練；公司群 D：最重視人工智慧、網路討論、內外網路、 腦力激盪與任务輪調；公司群 E：最重視操作手冊、專家資料與師徒制。綜前所述，MDS是提供經理人員在管理上瞭解競爭者及競爭優勢之最重要途徑，MDS也提供經理人員在公司及產品重新定位方面，提供相當方便且實用之空間知覺圖。表表 20 - 6 20 - 6 權衡分析法權衡分析法圖圖 20 - 2 全輪廓分析法全輪廓分析法卡片 1店家：麥當勞等候時間：五分鐘價格：NT 70得來速服務：有外送服務：

7、無卡片 2店家：麥當勞等候時間：非常鐘價格：NT 50得來速服務：無外送服務：有表表 20 - 7 產品特性組合及填答者排序結果產品特性組合及填答者排序結果首先我們必須求得提供外送服務的排序加總平均數 1+2+3+4/ 4 2.5，並算出該屬性水準的排序平均數與整體排序平均數 1+2+3+4+5+6+7+8/ 84.5的差額 -2(2.5-4.5)，同此，求出這六項產品特性水準的排序平均數與整體排序平均數的差額，如表20 8 所示。表表 20 - 8 1號填答者的平均排序及其與整體排序差額號填答者的平均排序及其與整體排序差額在這個案例當中，愈小的數字代表愈高的排序，當評比的在這個案例當中，愈小

8、的數字代表愈高的排序，當評比的分數與喜好程度相反時，我們將正負符號反轉，讓偏好程分數與喜好程度相反時，我們將正負符號反轉，讓偏好程度愈高之屬性水準其與整體排序差額為正，反之，偏好程度愈高之屬性水準其與整體排序差額為正，反之，偏好程度愈低的屬性水準其與整體排序差額為負；將反轉後之差度愈低的屬性水準其與整體排序差額為負；將反轉後之差額平方加總，求得額平方加總，求得10.5，以此數額做為除數，並將產品特，以此數額做為除數，並將產品特性水準數性水準數6 (3 2) 除以除以10.5求得求得0.571；將差額平方乘以；將差額平方乘以0.571的所得數額再開平方根，即可求得估計成分成效值。的所得數額再開平

9、方根，即可求得估計成分成效值。以品牌特性為例，我們可再利用同一屬性不同水準以品牌特性為例，我們可再利用同一屬性不同水準(麥麥當勞、肯德基當勞、肯德基)之成分成效值的全距之成分成效值的全距 (1.512) 除以每個除以每個成分成效值全距總數成分成效值全距總數 (5.290) 後，可算出該屬性的重要後，可算出該屬性的重要性佔性佔28.6% (見下頁表見下頁表209 )。利用一样的計算方法，。利用一样的計算方法，我們也可以算出外送有無之重要性佔我們也可以算出外送有無之重要性佔57.1%，有無得來，有無得來速的服務佔速的服務佔14.3%。表表 20 - 9 以以 1 號填答者的答題分數求得成分成效值及特性重要性號填答者的答題分數求得成分成效值及特性重要性u 市場區隔在管理上，聯合分析最常被用於市場區隔的分析方面。研讨人員可以將成分成效值接近的填答者，歸為同一市場區隔。例如那些在產品價格方面获得較高成分成效值得消費者歸為一群體，藉由分析該群體的人口統計變數，來找出該群體的特性，達到市場區隔與行銷努力的目的。u 獲利才干分析在進行聯合分析時，研讨人員指定了該產品的不同屬性組合(例如產品外觀、產品實用性、產品價格)，再要求填答者比較不同屬性組合的偏