Пример анализа плана 2 x 2

* Тема: Совместный анализ в пакете SPSS. Пример анализа плана 2 x 2 с модулем Conjoint и без него.
* Ключевые слова: совместный анализ, коджойнт, conjoint, профиль, полезность, важность атрибутов.
* Авторы: Балабанов Антон (ННГУ), Владимир Караев (ЗАО Сибитек, г. Н.Новгород).
* Опубликован: 10.06.2008.
* Размещён: http://www.spsstools.ru/Syntax/Conjoint/Conjoint2By2Example.txt (.sps).
* Проверен: SPSS 15.0.1.1.

* Учебный пример оценки частных полезностей в совместном (conjoint) анализе в
  пакете SPSS стандартными средствами модуля SPSS Base и с привлечением
  функции CONJOINT дополнительного модуля SPSS Conjoint.

* Пример содержит упрощенную модель товара (автомобиль), состоящую из 2
  атрибутов (марка, цена) и двух уровней каждого атрибута (условные марки "R" и
  "H", цены: 32 0000 у.е. и 35 000 у.е.). Указанная модель допускает создание 4
  профилей, которые образуют ортогональный план минимального объёма,
  являющийся, в то же время, полным факторным планом.
* Общий случай   планирования экспериментов для проведения совместного анализа
  не разбирается.
* Дальнейший анализ результатов (прогноз рыночных долей, оценка ценовой
  эластичности и т.д.) не проводится.
* Синтаксис является приложением к методическому дополнению цикла статей авторов
  "Совместный анализ в практике исследования рынка" (журнал "Маркетинг в
  России и за рубежом", 2008 г.).
* См. страницу http://www.spsstools.ru/SampleSyntax.htm#Conjoint.
* В комментариях содержатся ссылки на номера СТРАНИЦ, ТАБЛИЦ и ФОРМУЛ в тексте
  http://analisi-dei-dati.narod.ru/ConjointSimple.pdf.


* 1. Установим рабочую директорию сессии SPSS (создайте указанную директорию,
либо укажите существующий путь).
CD 'D:\\conjoint\\'.

* 2. Создадим файл плана (ТАБЛ. 4) с перечнем профилей для опроса.

DATA LIST LIST /prof make price.
BEGIN DATA.
1 1 35000
2 1 32000
3 2 32000
4 2 35000
END DATA.

* Дадим пояснения к названиям переменных и меткам значений.
VAR LAB prof 'Номер профиля' /make 'Марка' /price 'Цена, у.е.'.
VAL LAB make
 1 'R'
 2 'H'.

* Выведем перечень профилей в таблицу (аналог ТАБЛ. 4) и сохраним файл плана.
SUMM prof make price /FORMAT VALIDLIST NOCASE /TITLE 'План опроса' /CELLS COUNT.
SAVE OUTFILE 'car_plan.sav'.



* 3. Создадим файл с результатами сымитированного опроса респондентов (ТАБЛ. 5).
* В переменной resp хранится номер респондента, переменные prof1-prof4 хранят
оценку респондента, данную им соответствующим профилям (из файла плана) по
шкале от 1 - "точно не куплю" до 10 - "точно куплю".
  
DATA LIST LIST /resp prof1 To prof4.
BEGIN DATA.
1 4 9 6 2
2 3 8 8 3
3 2 5 7 3
4 7 8 5 2
5 5 5 5 3
END DATA.

* Выведем ответы респондентов в таблицу (аналог ТАБЛ. 5) и сохраним файл данных.
SUMM resp prof1 To prof4 /FORMAT VALIDLIST NOCASE /TITLE 'Данные опроса' /CELLS COUNT .
SAVE OUTFILE 'car_data.sav'.

* Сопоставление средних значений оценок профилей по всем респондентам
  позволяет получить первое представление о совокупной полезности оценённых
  профилей: второй профиль можно признать более удачным с точки зрения
  покупателя, четвёртый - менее удачным.
DESCR prof1 To prof4.

* -----------------------------------------------------------------------------------------------.
* 4а. Оценка частных полезностей в модуле SPSS Base.
* Примеч.: данный раздел имеет целью полнее отразить этапы вычисления оценок
  частных полезностей в совместном анализе. Разобран наиболее простой пример.
* Для решения реальных задач удобнее пользоваться специальными средствами
  (например, модулем SPSS Conjoint, пример использования которого приведён в
  следующем разделе).
* -----------------------------------------------------------------------------------------------.


* Для оценки частных полезностей в процедуре SPSS REGRESSION необходимо
  представить исходные данные и файл плана в особом виде (см. СТР. 6-7). А именно, оценка
  каждого профиля каждым респондентом должна занимать отдельную строчку файла
  данных, кроме того, каждой оценке должна быть сопоставлена характеристика
  профиля. Осуществим такое представление данных, преобразовав и слив файл
  данных и файл плана.

* Загрузим файл данных опроса. 
GET FILE 'car_data.sav'.

* Преобразование данных от "широкого" к "узкому" формату. Каждый ответ - на
  отдельной строчке, переменная prof будет содержать номер профиля, переменная
  rate - оценку профиля респондентом.
VARSTOCASES
	/MAKE rate FROM prof1 prof2 prof3 prof4
	/INDEX prof(4)
	/KEEP resp.

* Присоединим к каждой оценке характеристики профиля.
SORT CASES BY prof.
MATCH FILES FILE *
	/TABLE 'car_plan.sav'
	/BY prof.
SORT CASES BY resp prof.

* Далее, для оценки частных полезностей в процедуре SPSS REGRESSION
  (множественная линейная регрессия) необходимо задать тем атрибутам,
  относительно которых предполагается дискретная функция полезности,
  соответствующую схему кодирования. Для атрибута "Марка" предполагается
  дискретная функция полезности, следовательно, зададим для него в новой
  переменной makex схему контрастного кодирования. Опционально можно ввести
  единичную константу const.
IF make=1 makex=1.
IF make=2 makex=-1.
COMPUTE const=1.


* Оценим модель для первого респондента (опция SELECT ограничивает
  массив данных строчками, которые относятся к первому респонденту).
* NB! Поскольку в данных присутствует единичная константа, следует заменить опцию
  по умолчанию NOORIGIN на опцию ORIGIN. В этом случае коэффициент перед
  переменной const будет обозначать константу регрессионного уравнения.
REGRESSION
  /SELECT resp EQ 1
  /STATISTICS COEFF
  /ORIGIN
  /DEPENDENT rate
  /METHOD ENTER const makex price.
* См. РИС. 2 и вектор b.
* Чтобы оценённые коэффициенты стали "частными полезностями", требуется их преобразование 
  по ФОРМУЛАМ 3 и 4 (здесь это не разбирается).

* Оценим модель для всех респондентов вместе.
REGRESSION
  /STATISTICS COEFF
  /ORIGIN
  /DEPENDENT rate
  /METHOD ENTER const makex price.
* После преобразований коэффициентов по ФОРМУЛАМ 3 и 4 результат аналогичен ТАБЛ. 6.

* Оценим модель для каждого респондента в отдельности, сохранив
  прогноз полезности (переоценку существующих профилей на основе оценённой
  модели), а также коэффициенты модели в отдельном файле.
SORT CASES BY resp.
SPLIT FILE BY resp.
REGRESSION
  /STATISTICS COEFF
  /ORIGIN
  /DEPENDENT rate
  /METHOD ENTER const makex price
  /SAVE PRED
  /OUTFILE COVB('car_coeff.sav').
SPLIT FILE OFF.
* После преобразований коэффициентов по ФОРМУЛАМ 3 и 4 результат аналогичен ТАБЛ. 6.
* Прогнозные значения в переменной PRE_1 аналогичны индивидуальным значениям из ТАБЛ. 8.

* Оценим важность атрибутов.
* Откроем файл с коэффициентами модели (оценёнными частными полезностями).
GET FILE='car_coeff.sav'.
* Удалим лишние строки, оставим только оценки коэффициентов модели.
SEL IF ROWTYPE_='EST'.

* Вычислим важность каждого из атрибутов (как абсолютную разность полезностей
их максимальных и минимальных значений).
* NB! Если вы внесёте изменения в файл плана, следует соответственно отразить
их и в формулах расчёта ниже.

COMPUTE imp_make=Abs(makex*1-makex*(-1)).
COMPUTE imp_price=Abs(price*35000 - price*32000).
* Вычислим совместную важность и важность атрибутов в процентах от совместной.
COMPUTE joint_imp=imp_make + imp_price.
COMPUTE imp_make_p= (imp_make / joint_imp) * 100.
COMPUTE imp_price_p= (imp_price / joint_imp) * 100.


* Выведем показатели важности в таблицу. Последняя строка (Mean) содержит
  усреднённые проценты важности, которые характеризуют выборку в целом.

SUMM resp imp_make imp_price joint_imp imp_make_p imp_price_p /FORMAT=VALIDLIST NOCASE TOTAL /TITLE 'План эксперимента' /CELLS=COUNT MEAN .

* Результат аналогичен ТАБЛ. 7.





* -----------------------------------------------------------------------------------------------.
* 4б. Оценка частных полезностей в модуле SPSS Conjoint.

* Примеч.: Модуль SPSS Conjoint приобретается отдельно от модуля Base. Список
  установленных на вашем компьютере модулей вы можете увидеть, запустив
  команду SHOW LIC:.
SHOW LIC.
* Если в списке модулей отсутствует запись "Conjoint", модуль не установлен и
  команда CONJOINT работать не будет.
* -----------------------------------------------------------------------------------------------.

* Загрузим файл с планом опроса. Для обработки файла командой CONJOINT номер
  профиля должен находиться в переменной CARD_.
GET FILE 'car_plan.sav'.
REN VARS (prof=CARD_).


CONJOINT PLAN *
	/DATA 'car_data.sav'
	/SCORE prof1 To prof4
	/FACTORS make (DISCRETE) price (LINEAR LESS)
	/SUBJECT resp
	/UTILITY 'car_util.sav'
	/PLOT SUMMARY.

* Будучи запущенной с такими параметрами, команда CONJOINT выведет оценки
  частных полезностей и важности каждого атрибута по каждому респонденту в
  отдельности, а также по всей выборке в целом, а также сохранит оценки во
  внешний файл.
* Результаты аналогичны ТАБЛ. 6 и 7.

* Файл "car_util.sav" содержит по каждому респонденту оценки частной
  полезности каждого уровня атрибута "Марка" и вектор полезности атрибута
  "Цена". Кроме того, он содержит переоценки полезностей четырёх профилей
  плана опроса на основе модели полезности:.
GET FILE 'car_util.sav'.

* Результаты аналогичны ТАБЛ. 6 и 8.