聯合分析之步驟

Green 與 Srinivasan(1978)將聯合分析法的執行過程分為六個主要步驟:(1) 偏好模式選擇；(2)資料蒐集方法；(3)建立整體輪廓之受測體；(4)受測體的描 述；(5)應變數的衡量尺度；以及(6)參數估計方法，如表 3-2。

表 3-2 聯合分析各步驟可選用模式一覽表

分析步驟 可選用的模式或方法

一、偏好模式的選擇

1.向量模式 2.理想點模式 3.成份效用值模式 4.混合模式

二、資料收集的方法 1.兩因素法(兌換分析法) 2.整體輪廓法(觀念評估法) 三、建立整體輪廓之受測體

1.部分階層設計

2.均衡不完全區集設計 3.部分均衡不完全區集設計 四、受測體的描述

1.文字描述法 2.短文敘述法 3.圖形呈現法

五、應變數的衡量尺度

1.成對比較資料 2.名目尺度資料 3.順序尺度資料 4.比率尺度資料 5.區間尺度資料

六、參數估計的方法

1.MONANOVA 2.LINPAC 3.LINMAP 4.PROBIT 5.PREFMAP 6.LOGIT 資料來源:Green 與 Srinivasan , 1978。

黃俊英(2000)也提出另外一種聯合分析法的流程步驟，分為 4 個階段，第 一階段為受測體的設計；第二階段為資料收集；第三階段為評估與解釋；以及 第四階段為驗證與應用如表，3-3。

25

表 3-3 聯合分析各階段與步驟一覽表

分析階段 聯合分析步驟

一、受測體的設計

1.決定屬性及水準 2.決定基本的模式形式 3.製造受測體

二、資料收集 4.選擇受測體的展示方法 5.選擇偏好的衡量方法 三、評估與解釋

6.選擇估計成份效用值的方法 7.評估解果

8.解釋結果 四、驗證與應用 9.驗證結果 10.應用結果 資料來源:黃俊英，2000。

這兩種聯合分析之步驟基本上相同，差別在於流程稍微不同，本研究採用 Green 與 Srinivasan 所提出之六個步驟，分別說明如下:

一、偏好模式的選擇

在多變量分析中，用以衡量消費者知覺和偏好的多屬性模式中可區分為非 補償性模式與補償性模式，而聯合分析一般使用的三個基本模式皆為補償性模 式中的加法效用模式，其認為受測者直接將每各屬性的價值（成份效用值）相 加就得到某種屬性組合（產品或服務）的總價值。基本假設有三點:(1)模式中各 屬性具有兌換關係；(2)對受測體的總效用值是以加法法則加總而成；以及(3)不 考慮互動效果對總效果的影響(林陽助，1993)。

三個基本模式有向量模式、理想點模式以及成份效用值模式等三種，向量 模式是最簡單但限制最多的型式，因為只估計單一的成份效用值（與迴歸係數 類似），若屬性具有方向性，如愈大愈好等特性則使用向量模式；理想點模式 則允許有一簡單的曲線關係，曲線可以向上或向下，即該屬性有一個最理想的 水準，若是偏離該水準（不管是變多或變少）則效用值會隨之降低，若屬性是 在某一程度下最好，太大太小都不好的情況下，則可使用理想點模式；成份效

26

用值模式是限制最少的型式，允許每一個水準都有其不同的成份效用值，若屬 性是具不連續之特性，則使用成份效用值模式(蔡璧旭，2004)。

二、資料收集的方法

為了估計各屬性在效用函數中的參數，受訪者必須要將一些不同屬性水準 的組合以偏好順序加以排序或表示心中的接受程度，此組合稱為受測體。而聯 合分析法常使用的資料收集方法，有兩因素法及整體輪廓法等兩種。

1. 兩因素法又稱兌換法，受測者每次只對兩各屬性各水準的不同組合加以評 估，排列出其偏好順序，再考慮另一對屬性組合。優點是受測者較易評估，

缺點則是受測者每次只考慮一對屬性不切實際，可能會趨向定型化反應(林 陽助，1993)。

2. 整體輪廓法又稱觀念評估法，受訪者一次需要面對所有重要屬性某一水準組 成的受測體，可視為產品的整體輪廓，受測者依其偏好排列受測體集合的順 序。此法較接近事實的呈現，但受訪者面對受測體過多時，常常無法理性判 斷(林陽助，1993)。

三、建立整體輪廓之受測體

在聯合分析法中，不論是兩因素法或是整體輪廓法來收集資料，都需考慮 如何減少受測者的負擔，避免受訪者因過多的受測體導致無法評估，為了減少 受測體組合數目，可採下列三種研究設計解決:(1)部分因素設計；(2)均衡不完 全集區設計；以及(3)部分均衡不完全集區設計(陳美伊，2005)。

四、對受測體的描述

在聯合分析法中對於受測體的描述分為文字描述法、短文敘述法及圖形呈 現法(Green & Srinivasan, 1978)。

1. 文字描述法

此種方法是透過文字描述，呈現該受測產品之屬性水準組合。優點在於簡 便，目前常被一般研究使用；缺點在跟圖形呈現法相比，文字描述較為抽象不 實際，受訪者只能由文字上的意義自行解釋測試者想表達的意思。

27

2. 短文敘述法

此法是利用短文敘述來描述受測體的整體輪廓，並說明如何進行偏好評 估。優點在於相較於文字描述法，使用短文敘述法可以對受測體進行更詳細的 描述，使受測體可較清楚理解受測體的實際形象，做出更精準的選擇。缺點在 於若對該受測體的描述過於冗長複雜，則容易導致受訪者降低填答意願，進而 影響評估的結果。

3. 圖形呈現法

此種方法是將產品屬性組合描繪受測體，透過如照片、立體模型、繪圖等 其它具象化的方式呈現。比起文字描述與短文敘述法，更具真實且能引起受訪 者的興趣，但缺點是製作圖形比文字較為複雜且成本較高，當設計出的模型與 研究者想表達的差距過大時，則會造成評估上的誤差。

五、應變數的衡量尺度

應變數衡量尺度可分為計量尺度與非計量尺度。計量尺度包括比率尺度及 區間尺度；非計量尺度含有成對比較、名目尺度以及順序尺度。計量尺度優點 在於使用評比、計算等功能，並能呈現較完整的資訊給受訪者，而缺點為受訪 者不容易對受測體做出精確的評估，使受訪者難以填答，導致評估結果有所偏 差；非計量尺度有點在於對受訪者不必花費心思評估受測體的值，因此受訪者 在評估時會比較輕鬆，呈現的結果也較為準確。

六、參數估計方法

依據不同的衡量尺度有不同的估計方法，(1)應變數為非計量的順序尺 度；(2)應變數為計量區間尺度；以及(3)應變數為選取機率的成對比較資料。

本研究採用應變數為非計量的順序尺度，評估的方式為 MONANOVA、

PREFMAP 和 LINMAP。MONANOVA 僅適用於成分效用模式；PREFMAP 適 用於向量模式和理想點模式；LINMAP 可適用於三個基本偏好模式。

28