多元尺度分析與聯(lián)合分析ppt課件

1、22)()(ijijijdddS =S：壓力係數(shù)壓力係數(shù)dij：成對(duì)事物在構(gòu)面中之距離成對(duì)事物在構(gòu)面中之距離 ：dij 之估計(jì)值，通常是以簡(jiǎn)單迴歸之估計(jì)值，通常是以簡(jiǎn)單迴歸 (monotone regression)之方法求得，之方法求得，壓力係數(shù)愈小代表壓力係數(shù)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(shù)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(shí)參考的標(biāo)準(zhǔn)，當(dāng)R2愈大時(shí)(即越接近1)， 表示配合性愈好。sstsseR 12本研討以多元尺度分析員工人數(shù)對(duì)知識(shí)創(chuàng)

2、造過程的知覺分析，本研討以多元尺度分析員工人數(shù)對(duì)知識(shí)創(chuàng)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(gè)知識(shí)創(chuàng)造過程變數(shù)，作出知覺圖。在個(gè)知識(shí)創(chuàng)造過程變數(shù)，作出知覺圖。在知覺圖中，每一點(diǎn)代表一個(gè)特定的構(gòu)面，點(diǎn)與點(diǎn)間的距離則知覺圖中，每一點(diǎn)代表一個(gè)特定的構(gòu)面，點(diǎn)與點(diǎn)間的距離則表示各變數(shù)彼此類似的程度，距離愈小表示愈類似，距離愈表示各變數(shù)彼此類似的程度，距離愈小表示愈類似，距離愈大表示愈不類似。大表示愈不類似。以本研討為例，為瞭解不同群組公司在不同知識(shí)創(chuàng)造過程變以本研討為例，為瞭解不同群組公司在不同知識(shí)創(chuàng)造過程變數(shù)的關(guān)係，研討人員分別調(diào)查這五種不同公司在知識(shí)創(chuàng)造過數(shù)的關(guān)係，研討人員分別調(diào)查

3、這五種不同公司在知識(shí)創(chuàng)造過程之得分如下頁(yè)表程之得分如下頁(yè)表 20-1：表表 20 - 1 20 - 1 不同員工人數(shù)的公司別與十七個(gè)知識(shí)創(chuàng)造變數(shù)不同員工人數(shù)的公司別與十七個(gè)知識(shí)創(chuàng)造變數(shù)說明：說明：本案共有251位受測(cè)者，透過電腦處理首先將五種公司之受測(cè)者對(duì)上述kcp1、kcp2、kcp3、kcp4、kcp5、kcp6、kcp7、kcp8、kcp9、kcpf10、kcp11、kcp12、kcp13、kcp14、kcp15、kcp16、kcp17等十七個(gè)知識(shí)創(chuàng)造活動(dòng)變數(shù)之平均值求出如下頁(yè)表202所示 表表 20 - 2 受測(cè)者對(duì)各種構(gòu)面之平均評(píng)分受測(cè)者對(duì)各種構(gòu)面之平均評(píng)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(zhí)行茲利用此一平均值矩陣，將資料輸入電腦中，執(zhí)行SPSS-多元尺度分析軟體，即可計(jì)算多元尺度分析軟體，即可計(jì)算Kcp1Kcp17各個(gè)各個(gè)知識(shí)創(chuàng)造項(xiàng)目在知識(shí)創(chuàng)造項(xiàng)目在X軸與軸與Y軸二元空間之座標(biāo)如表軸二元空間之座標(biāo)如表203所所示。此座標(biāo)位置可以在示。此座標(biāo)位置可以在X軸與軸與Y軸之空間中，點(diǎn)上座標(biāo)位軸之空間中，點(diǎn)上座標(biāo)位置點(diǎn)，並由位置點(diǎn)再將置點(diǎn)，並由位置點(diǎn)再將X軸與軸與Y軸之原點(diǎn)與各變數(shù)之座標(biāo)軸之原點(diǎn)與各變數(shù)之座標(biāo)位置點(diǎn)相連結(jié)即得到各變數(shù)在二元空間之向量，請(qǐng)參看位置點(diǎn)相連結(jié)即得到各變數(shù)在二元空間之向量，請(qǐng)參看圖圖201所示。所示。 表表 20 - 3 20 - 3

5、十七項(xiàng)研討變數(shù)在知覺屬性空間之座標(biāo)十七項(xiàng)研討變數(shù)在知覺屬性空間之座標(biāo)此外，以五個(gè)公司群AE為計(jì)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(duì)位置見下頁(yè)表20-4。這些相對(duì)位置假設(shè)能與變數(shù)之相對(duì)位置比較，即可以看出每個(gè)公司群是比較重視哪些變數(shù)，而較不重視哪些其他變數(shù)。表表 20 - 4 不同公司群組在知覺屬性空間之座標(biāo)不同公司群組在知覺屬性空間之座標(biāo)圖圖 20 - 1 不同公司群組在不同構(gòu)面之知覺空間圖不同公司群組在不同構(gòu)面之知覺空間圖表表 20 - 5 20 - 5 不同公司群組知識(shí)創(chuàng)造過程不同公司群組知識(shí)創(chuàng)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(shí)具體化、教育訓(xùn)練、操作手冊(cè) 與專家資料；公司群 B：最重視實(shí)地調(diào)查、操作中學(xué)習(xí)與觀察學(xué)習(xí)；公司群 C：最重視專家移轉(zhuǎn)、腦力激盪、協(xié)作計(jì)劃與 在職訓(xùn)練；公司群 D：最重視人工智慧、網(wǎng)路討論、內(nèi)外網(wǎng)路、 腦力激盪與任務(wù)輪調(diào)；公司群 E：最重視操作手冊(cè)、專家資料與師徒制。綜前所述，MDS是提供經(jīng)理人員在管理上瞭解競(jìng)爭(zhēng)者及競(jìng)爭(zhēng)優(yōu)勢(shì)之最重要途徑，MDS也提供經(jīng)理人員在公司及產(chǎn)品重新定位方面，提供相當(dāng)方便且實(shí)用之空間知覺圖。表表 20 - 6 20 - 6 權(quán)衡分析法權(quán)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(dāng)勞等候時(shí)間：五分鐘價(jià)格：NT 70得來速服務(wù)：有外送服務(wù)：

7、無(wú)卡片 2店家：麥當(dāng)勞等候時(shí)間：非常鐘價(jià)格：NT 50得來速服務(wù)：無(wú)外送服務(wù)：有表表 20 - 7 產(chǎn)品特性組合及填答者排序結(jié)果產(chǎn)品特性組合及填答者排序結(jié)果首先我們必須求得提供外送服務(wù)的排序加總平均數(shù) 1+2+3+4/ 4 2.5，並算出該屬性水準(zhǔn)的排序平均數(shù)與整體排序平均數(shù) 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(xiàng)產(chǎn)品特性水準(zhǔn)的排序平均數(shù)與整體排序平均數(shù)的差額，如表20 8 所示。表表 20 - 8 1號(hào)填答者的平均排序及其與整體排序差額號(hào)填答者的平均排序及其與整體排序差額在這個(gè)案例當(dāng)中，愈小的數(shù)字代表愈高的排序，當(dāng)評(píng)比的在這個(gè)案例當(dāng)中，愈小

8、的數(shù)字代表愈高的排序，當(dāng)評(píng)比的分?jǐn)?shù)與喜好程度相反時(shí)，我們將正負(fù)符號(hào)反轉(zhuǎn)，讓偏好程分?jǐn)?shù)與喜好程度相反時(shí)，我們將正負(fù)符號(hào)反轉(zhuǎn)，讓偏好程度愈高之屬性水準(zhǔn)其與整體排序差額為正，反之，偏好程度愈高之屬性水準(zhǔn)其與整體排序差額為正，反之，偏好程度愈低的屬性水準(zhǔn)其與整體排序差額為負(fù)；將反轉(zhuǎn)後之差度愈低的屬性水準(zhǔn)其與整體排序差額為負(fù)；將反轉(zhuǎn)後之差額平方加總，求得額平方加總，求得10.5，以此數(shù)額做為除數(shù)，並將產(chǎn)品特，以此數(shù)額做為除數(shù)，並將產(chǎn)品特性水準(zhǔn)數(shù)性水準(zhǔn)數(shù)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(shù)額再開平方根，即可求得估計(jì)成分成效值。的所得數(shù)額再開平

9、方根，即可求得估計(jì)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(zhǔn)以品牌特性為例，我們可再利用同一屬性不同水準(zhǔn)(麥麥當(dāng)勞、肯德基當(dāng)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(gè)除以每個(gè)成分成效值全距總數(shù)成分成效值全距總數(shù) (5.290) 後，可算出該屬性的重要後，可算出該屬性的重要性佔(zhàn)性佔(zhàn)28.6% (見下頁(yè)表見下頁(yè)表209 )。利用一樣的計(jì)算方法，。利用一樣的計(jì)算方法，我們也可以算出外送有無(wú)之重要性佔(zhàn)我們也可以算出外送有無(wú)之重要性佔(zhàn)57.1%，有無(wú)得來，有無(wú)得來速的服務(wù)佔(zhàn)速的服務(wù)佔(zhàn)14.3%。表表 20 - 9 以以 1 號(hào)填答者的答題分?jǐn)?shù)求得成分成效值及特性重要性號(hào)填答者的答題分?jǐn)?shù)求得成分成效值及特性重要性u(píng) 市場(chǎng)區(qū)隔在管理上，聯(lián)合分析最常被用於市場(chǎng)區(qū)隔的分析方面。研討人員可以將成分成效值接近的填答者，歸為同一市場(chǎng)區(qū)隔。例如那些在產(chǎn)品價(jià)格方面獲得較高成分成效值得消費(fèi)者歸為一群體，藉由分析該群體的人口統(tǒng)計(jì)變數(shù)，來找出該群體的特性，達(dá)到市場(chǎng)區(qū)隔與行銷努力的目的。u 獲利才干分析在進(jìn)行聯(lián)合分析時(shí)，研討人員指定了該產(chǎn)品的不同屬性組合(例如產(chǎn)品外觀、產(chǎn)品實(shí)用性、產(chǎn)品價(jià)格)，再要求填答者比較不同屬性組合的偏