Downloaded 158 times
Uploaded byBeckett Hsieh
SPSS教育訓練-聯合分析-三星統計夏恩顧問-20130824
该文档介绍了SPSS软件教育训练的议程，包括基本介绍、数据处理功能、集群分析及联合分析等内容。涵盖了数据读取、筛选、排序、合并及描述统计等基本操作，以及更复杂的分析技术。旨在教会使用者如何使用SPSS进行数据分析、集群分析以及联合分析以优化消费者决策和产品组合。
SPSS教育訓練-聯合分析-三星統計夏恩顧問-20130824
- 1.
- 2. Agenda 一、SPSS軟體基本介紹 • 基本介紹 • 資料存取 二、基本的資料處理功能 •資料篩選、重新編碼 • 排序、分割 • 合併資料(串檔) • 敘述統計 三、集群分析 四、探討最適組合：聯合分析 • 聯合分析基本概念說明 • 聯合分析流程說明 • 聯合分析實例操作 2
- 3.
- 4.
- 5. SPSS基本介紹 II 5 變數檢視視窗 • 可直接定義變數性質 –名稱(Var. Name)=「q3」 – 標記(Label Name)=「(3)性別」 – 值(Format)：1=男生、2=女生 1.變數的新增刪除、 2.更改變數名稱 3.設定變數類型(文字or數值) 4.更改label、format … 範例檔案英語學習調查問卷-RawData(整理後).sav
- 6. 常用操作功能 • 快捷操作的部分 – 叫回最近使用的對話 •節省尋找功能的時間 – 數值標記 • 資料檔可呈現類別欄位的Format 6 叫回最近使用的對話 數值標記
- 7.
- 8. 資料讀取-以文字檔為例 • 設定讀取方式：特定符號區隔 or自行切割 • 定義欄位屬性：數值、文字、日期… • 可儲存讀取格式檔，供後續重複使用 8 範例檔案英語學習調查問卷-RawData(整理後).csv
- 9.
- 10. 二、基本的資料處理功能 資料篩選、重新編碼 排序、分割 合併資料(串檔) 敘述統計
- 11. 資料篩選 I • 資料→選擇觀察值 •依照特定條件篩選資料 • 可設定不同選取方式 – 如果滿足設定條件 – 觀察值的隨機樣本 – 以時間或觀察值範圍為準 – 使用過濾變數 11 常用 篩選出資料檔中，性別為「男生」的資料 範例檔案英語學習調查問卷-RawData(整理後).sav
- 12. 資料篩選 II • 篩選出來選擇的觀察值 •僅在原資料集中暫時排除 • 後續計算不會考慮被排除的資料 12 範例檔案英語學習調查問卷-RawData(整理後).sav
- 13. 資料篩選 III • 複製已選擇觀察值至新資料集 •建立符合條件的新資料集 13 範例檔案英語學習調查問卷-RawData(整理後).sav
- 14. 資料篩選 IV • 刪除未選擇觀察值 •直接在刪除不符合條件的資料 • 記得備份原始資料 14 範例檔案英語學習調查問卷-RawData(整理後).sav
- 15. 問卷中常用的轉換 • 反向題的處理 • Q1：這次特賣會的產品符合我的需求 –(1)非常不同意(2)不同意(3)普通(4)同意(5)非常同意 – 分數越高，滿意度越高 • Q2：賣場人員的服務態度差 – (1)非常不同意(2)不同意(3)普通(4)同意(5)非常同意 – 分數越高，滿意度越低 15 1 2 3 54 5 4 3 12 ↓ ↓ ↓ ↓↓ 進入分析前必須要先將方向統一
- 16. 重新編碼 • 重新編碼成同一變數 • 重新編碼成不同變數 –1.設定新變數名稱 – 2.設定轉換條件 16 常用
- 17.
- 18.
- 19.
- 20. 資料合併功能-新增變數 I • 橫向合併 –利用關鍵變數併入資料 – 需先依關鍵變數遞增排序 • 21版之後可不需要先排序 20 + = Part1 Part2 範例檔案變數轉換_demo_raw.sav 範例檔案變數轉換_demo_birthday.sav
- 21. 資料合併功能-新增變數 II • 功能解說 –可使用多個關鍵變數 – 可調整合併後要保留的 變數 • 合併方式 – 兩檔皆提供觀察值 – 非作用中資料是索引表 – 作用中資料集是索引表 • 無法直接砍掉未比對到 的資料，需自行做篩選 – 利用選擇觀察值的功能 21 勾選→表示兩個檔案都已經透過關鍵變數 做「遞增排序」，否則會合併失敗 不勾選→檔案可以不做排序，但會將結果 產生至新的資料集，關閉舊有的檔案
- 22. 資料合併功能-新增變數 III • 兩檔皆提供觀察值 –A、B檔有的值都會保留 22 資料集A (作用中) 資料集B 範例檔案變數轉換_demo_新增變數1.sav 範例檔案變數轉換_demo_新增變數2.sav
- 23. 資料合併功能-新增變數 IV • 非作用中資料是索引表 –只保留A檔有的值 23 資料集A (作用中) 資料集B 範例檔案變數轉換_demo_新增變數1.sav 範例檔案變數轉換_demo_新增變數2.sav
- 24. 資料合併功能-新增變數 V • 作用中資料是索引表 –只保留B檔有的值 24 資料集A (作用中) 資料集B 範例檔案變數轉換_demo_新增變數1.sav 範例檔案變數轉換_demo_新增變數2.sav
- 25. 敘述統計 • 單一連續變數 – 描述性統計量 •單一類別變數 – 次數分配表 • 多個類別變數 – 交叉表 25
- 26. 多維度報表的應用 • 連續變數 vs.類別變數 –OLAP多維度報表 – 觀察值摘要 – 預檢資料 26
- 27. 連續變數 vs.類別變數 I •分析不同月份的收入 27 OLAP多維度報表 範例檔案變數轉換_demo_raw.sav
- 28. 連續變數 vs.類別變數 II •分析不同月份的收入 28 觀察值摘要 範例檔案變數轉換_demo_raw.sav
- 29. 連續變數 vs.類別變數 III •分析不同月份的收入 29 預檢資料 註.可額外產出莖葉圖與盒形圖，因為 無法調整所需的統計量故實用性不高 範例檔案變數轉換_demo_raw.sav
- 30. 多維度報表 or 觀察值摘要？ •設定架構相同，差別在跑完呈現的結果 • 可透過調整樞軸的方式將表格一致 30 OLAP多維度報表 觀察值摘要 範例檔案變數轉換_demo_raw.sav
- 31.
- 32. 集群分析 (Cluster) I •集群分析的目的 – 主要是將相似特性的分析對象歸為同一集群，使得 同一集群內具有高度同質性(群內變異小)，而不同 集群內具有高度異質性(群間變異大) • 集群分析的應用 – 區分消費習性：追求物慾、精打細算、一毛不拔 – 區分行為模式：夜貓族、白天型、下班時段 – 重點在集群的命名
- 33. 集群分析 (Cluster) II •SPSS預設會先對連續變數做標準化 • Two-step集群 – 根據BIC準則決定最適分群數，取BIC值最小的 分群數 – 輸出分群解果與集群組員欄位 • K-means集群 – 須自行設定分群數 – 輸出分群解果與集群組員欄位 • 建議 – 不確定資料結構時：使用Two-step集群 – 確定需要分為幾群時：使用K-means集群
- 34.
- 35.
- 36. 集群分析 (Cluster)-Demo • 分析結果 –分群個數 – 各集群在各個構面 的平均得分 36
- 37. 集群分析 (Cluster)-Demo • 集群命名 –解讀各個集群的特色，進行合理的命名 37 愛慕虛榮型 理性保守型 衝動消費型 Combined 流行崇洋導向 Mean .6432 -.8125 -.3189 .0000 新新人類導向 Mean .0191 .1273 -.1609 .0000 精打細算導向 Mean -.0628 .6354 -.5249 .0000 效率購買導向 Mean .0214 -.1516 .1139 .0000 衝動消費導向 Mean .0396 -.5858 .5162 .0000 廣告導引導向 Mean .4452 .1582 -.9414 .0000 圖求方便導向 Mean -.0350 -.0523 .1138 .0000 Centroids Cluster
- 38. 四、探討最適組合：聯合分析 聯合分析基本概念說明 聯合分析流程說明 聯合分析實例操作 38
- 39.
- 40. 聯合分析基本概念 I • 最佳組合：讓消費者的效用最大化 –效用：消費者透過消費行為所獲得的滿足程度 – 假設：所討論的都是理性的消費行為 • 消費者如何決策？ – 產品背後隱含了多種屬性與特色的組合 – 消費者需要做權衡與折衷(trade-off) 40
- 41. 聯合分析基本概念 II • 好打者，不簽嗎？ –洛杉磯天使隊經理的trade-off 41 Josh Hamilton Torii Hunter 打擊 能力 守備 能力 年齡 傷病史 明星 魅力 話題性 新合約 Josh Hamilton 左打 ※※ ※ 31 有 ※※ ※※※ 125M/5 年 Torii Hunter 右打 ※ ※※ 37 有 ※ ※ 26M/2年
- 42. 42 聯合分析基本概念 III • 消費者對產品的偏好以及選擇屬於心理層面 •1964年由心理學家Luce與統計學家Tukey首先提出， 1970年代由Green及Sirnivasan等人引入市場研究領 域，成為研究消費者在產品屬性選擇中，其偏好結構 的重要方法 – 量化消費者的心理判斷 – 設計更吸引消費者的商品組合 – 了解產品的關鍵屬性 – 簡易的數據，便於使用與解讀
- 43. 43 聯合分析基本概念 IV • 研究人員詢問受測者對不同產品組合的整體偏好。 •受測者不必告訴研究人員： 那一項產品屬性他認為很重要、某產品的某屬性水準 他覺得很好 • 受試者對不同受測體集合(stimuli)進行評估，研究人 員可分解其偏好結構，以效用值(utility)將消費者對 產品屬性的偏好量化
- 44. 44 產品的屬性 屬性的水準 漢堡樣式 漢堡肉 價格 附餐 玩具 Others… 三層 雙層單層 牛肉 豬肉 雞肉 70-90 90-110 110-130 沙拉 薯條 無 有 M速食套餐的研究
- 45. 調查偏好的方式 I • 如何詢問受訪者對產品的偏好？ –兩因素法 Two-factor-at-a-time Tradeoff Method • 在每次判斷中，僅就一對屬性中之各水準的不同組合加 以評估，排列出偏好順序，然後再評估另一對屬性 – 整體輪廓法 Full-Concept Method • 受訪者必須同時考慮所有產品屬性某一水準組合而成的 行銷組合 45 樣式 附餐 三層漢堡 雙層漢堡 單層漢堡 沙拉 3 4 6 薯條 1 2 5
- 46. 調查偏好的方式 II • 實務上較常使用整體輪廓法 –讓受試者可以做更實際的評估，但要小心圖示 與說明的精確性，避免誤導 – 會有受測項目過多的問題，可透過討論或使用 正交設計減少需要的組合數 46 三層豬肉漢堡+薯條 90-110元 A套餐 B套餐 雙層牛肉漢堡+薯條+玩具 70-90元 共3x3x3x2x2=108種
- 47. SPSS-產生正交設計 • 資料→Orthogonal設計→產生(須搭配SPSS Conjoint模組) •假設各屬性間沒有交互作用 47 設定要探討的產品屬性 (變數名稱可以是中文) 設定屬性水準 可設定最小組合數& 保留組合(測試模型用) 設定亂數種子：2000000
- 48. 衡量偏好的方式 I • 以Sequence的調 查方式為例 –請將以下各產品組 合，從最喜歡到最 不喜歡依序排列 48 組合3 屬性A：水準a1 屬性B：水準b1 屬性C：水準c1 … 組合2 屬性A：水準a1 屬性B：水準b1 屬性C：水準c1 … 組合1 屬性A：水準a1 屬性B：水準b1 屬性C：水準c1 … • 以Score的調查方 式為例 – 請針對以下組合回 答購買的意願 組合1 屬性A：水準a1 屬性B：水準b1 屬性C：水準c1 … 低意願 1 | 2 | 3 | 4 | 5 | 6 | 7 高意願
- 49. 衡量偏好的方式 II • 決定偏好衡量的方式 –Rank與Sequence類 似，直接呈現各組合 間的偏好順序，但是 當組合數較多時會造 成受訪者的負擔 – Score的評估方式對 受訪者較簡單，但有 時候會有差異不明顯 的狀況 49 Rank：資料代表組合的排序 受訪者 組合1 組合2 組合3 1 2 3 Sequence：資料代表組合的編號 受訪者 最喜歡 第二喜歡 第三喜歡 1 組合1 組合2 組合3 2 組合3 組合1 組合2 3 組合1 組合3 組合2 Score：資料代表組合的得分 受訪者 組合1 組合2 組合3 1 85 70 60 2 80 75 90 3 80 50 65
- 50. 問卷調查 • 紙本 • 電子問卷 –mySurvey較適合使用Score的調查方式 • 盡量減少調查過程中可能產生的誤差 – 決定適當的組合數 – 附加說明應清楚明白 – 產品組合的附圖不要讓人產生混淆 50
- 51. 建立聯合分析模型 I • 透過OLS最小平方法迴歸，預測偏好結構 •需要具備： 51 1.聯合分析的正交設計檔案 2.聯合分析的偏好調查結果檔案 3.SPSS Syntax語法
- 52.
- 53. 建立聯合分析模型 II • 設定屬性變數(手動輸入) –可視需要設定屬性水準的模式 53 手動輸入正交計畫檔中，各個屬 性的變數名稱，SPSS限制一次 分析最多不得超過10個屬性 屬性水準 的模式 敘述 離散 (Discrete) 屬性水準為類別型 線性 (Linear) 假設屬性水準與效用值之間有 線性關係 理想點 (Ideal) 假設屬性水準與效用值之關係 為二次式，即有一水準具有最 高效用值，其餘方向為遞減 反理想點 (Antiideal) 假設屬性水準與效用值之關係 為二次式，即有一水準具有最 低效用值，其餘方向為遞增 可進一步假設屬性水準的效用值是屬於 遞增或遞減的趨勢，但不影響模型的估 計結果，僅會增加方向的檢驗做為參考 範例檔案.聯合分析Conjoint_pref.sav 範例檔案.聯合分析Conjoint_plan.sav 建議使用時，若針對屬性水準的格 式沒有特別設定，就手動把它調整 為「離散」
- 54. 建立聯合分析模型 III • 設定輸出結果 –整體結果：不區分受試者組別 – 按受試者組別分類：可個別檢視不同組別的偏 好狀況，進行比較與評估 54 範例檔案聯合分析Conjoint_pref.sav 範例檔案聯合分析Conjoint_plan.sav
- 55. 量化消費者的效用 I • 計算屬性水準之效用值，以加總方式呈現 消費者可能最喜愛的產品組合 55 產品 屬性 屬性 水準 效用值 估計 漢堡樣式 (Burger_style) 三層-2.233 雙層 1.867 單層 0.367 漢堡肉 (meat) 牛肉 0.367 豬肉 -0.35 雞肉 -0.017 附餐 (side_dish) 沙拉 -1 薯條 1 玩具 (present) 無 -0.625 有 0.625 價格 (price) 70-90 -1.108 90-110 -2.217 110-130 -3.325 截距項 12.258 A套餐(70-90元)： 雙層牛肉堡+薯條、附贈玩具 →效用值加總：15.009 B套餐(110-130元)： 三層豬肉堡+沙拉 →效用值加總：4.725 範例檔案.聯合分析Conjoint_pref.sav 範例檔案.聯合分析Conjoint_plan.sav
- 56. 量化消費者的效用 II • 哪些屬性最需要重視？ –重要性越高：在該產品屬性下，不同水準間會 有越大的效用值差異 56 35.635 29.410 14.911 11.172 8.872 產品各屬性的重要性 漢堡樣式 價格 漢堡肉 附餐 玩具 100 1 × = ∑= n k k k k Range Range IMP 《補充》 Range：該屬性中，最 高與最低效用值的差距 在SPSS Conjoint中，若 有設定「受試者組別」 (Subject)的變項，則會 呈現取各組平均的結果 範例檔案聯合分析Conjoint_pref.sav 範例檔案聯合分析Conjoint_plan.sav
- 57. 聯合分析結果 • 分析數據 – 效用值(Utility) –重要性(Importance) – 相關性(correlations) • Pearson’s R • Kendall’s Tau • 其他分析結果的應用？ 57 代表屬性與效用值之間的關聯性， 跟相關分析的概念類似，先看顯 著與否，再看強度。 可用來做為模型好壞的參考。 範例檔案聯合分析Conjoint_pref.sav 範例檔案聯合分析Conjoint_plan.sav
- 58. 其他應用 • 新產品的推出，消費者的反應會如何？ – 在正交計畫檔中加入模擬組合 –直接比較效用值加總的順序 58 單層豬肉漢堡+薯條 110-130元 新組合1 雙層牛肉漢堡+沙拉+玩具 110-130元 新組合2 三層雞肉漢堡+薯條+玩具 90-110元 新組合3 範例檔案聯合分析Conjoint_pref.sav 範例檔案聯合分析Conjoint_plan_simulation.sav
- 59. 其他應用 • 新產品的推出，消費者的反應會如何？ – 透過不同的指標評估可能的選擇機率 •最大效用：該組合為受試者最高偏好的比例 • BTL指標：該組合的效用值佔模擬組合加總的比例 • Logit指標：該組合的效用值取指數，佔模擬組合加 總取指數的比例 59 範例檔案聯合分析Conjoint_pref.sav 範例檔案聯合分析Conjoint_plan_simulation.sav
- 60.
- 61.
- 62. 實例練習：設定屬性與水準 • A. 是否搭配手機(mobile) –是、否 • B. 是否搭配行動上網(gprs) – 是、否 • C. 搭配贈品(present) – 是、否 • D. 續約優惠(discount) – 購機優惠價、贈送加值服務、通話費優惠 • E. 新合約月租費(rent) – 300元以下、300-600元、600-1000元、1000元以上 62
- 63.
- 64.
- 65. mySurvey線上問卷調查系統 • http://www.mysurvey.tw/index.htm • 免費 •設定方便，提供常用的題項設計功能 • 網路填寫問卷，提高作答意願 • 自動整理回寫的結果，節省人工Key-in 65
- 66. 實例練習：調查對象 • 調查總數：500人 • 性別：男、女 •將年齡再區分為不同世代 – 青少年、中生代、老年 66 71 民國前/通 用格式 民國前/通 用格式 民國前/通 用格式 民國前/通 用格式 民國前/通 用格式 性別x世代別(人數) 青少年男性 青少年女性 中生代男性 中生代女性 老年男性 老年女性 範例檔案聯合分析實例操作_pref_16.sav
- 67.
- 68. 實例練習：分析結果(整體) • 了解整體受訪者的偏好結構 – 找出可能的最適組合 –不同的續約優惠會造成較大的偏好差異 68 整體受訪者 效用值估計 搭配手機 (mobile) 有搭配手機 -0.012 沒有搭配手機 0.012 搭配行動上網 (gprs) 有搭配行動上網 0.129 沒有搭配行動上網 -0.129 搭配贈品 (present) 有搭配贈品 0.011 沒有搭配贈品 -0.011 續約優惠 (discount) 購機優惠價 -0.107 贈送加值服務 -0.123 通話費優惠 0.229 新合約月租費 (rent) 300元以下 -0.194 300-600元 -0.387 600-1000元 -0.581 1000元以上 -0.775 截距項 6.049 範例檔案聯合分析實例操作_pref_16.sav 範例檔案聯合分析實例操作_plan_16.sav
- 69. 實例練習：分析結果(個別) I • 男女的偏好在是否搭配手機與贈品的部分有所不同 •以重要性來看，女性較男性重視是否搭配行動上網；反之， 男性較重視續約優惠的種類 69 性別 效用值估計 女性 男性 搭配手機 (mobile) 有搭配手機 -0.071 0.05 沒有搭配手機 0.071 -0.05 搭配行動上網 (gprs) 有搭配行動上網 0.208 0.047 沒有搭配行動上網 -0.208 -0.047 搭配贈品 (present) 有搭配贈品 0.122 -0.106 沒有搭配贈品 -0.122 0.106 續約優惠 (discount) 購機優惠價 -0.134 -0.078 贈送加值服務 0.038 -0.29 通話費優惠 0.096 0.368 新合約月租費 (rent) 300元以下 -0.175 -0.214 300-600元 -0.35 -0.427 600-1000元 -0.525 -0.641 1000元以上 -0.7 -0.854 截距項 5.743 6.37 範例檔案聯合分析實例操作_pref_16.sav 範例檔案聯合分析實例操作_plan_16.sav
- 70. 實例練習：分析結果(個別) II • 老年世代在偏好結構上與青少年、中生代有較大的差異， 尤其對月租費反而呈現正向偏好的關係 •青少年世代在重要性權重的表現較平均，中生代較重視新 合約月租費，老年世代較重視是否搭配手機 70 世代別 效用值估計 青少年 中生代 老年 搭配手機 (mobile) 有搭配手機 -0.331 -0.359 0.627 沒有搭配手機 0.331 0.359 -0.627 搭配行動上網 (gprs) 有搭配行動上網 0.23 0.565 -0.419 沒有搭配行動上網 -0.23 -0.565 0.419 搭配贈品 (present) 有搭配贈品 0.262 -0.279 0.108 沒有搭配贈品 -0.262 0.279 -0.108 續約優惠 (discount) 購機優惠價 -0.129 -0.072 -0.124 贈送加值服務 -0.095 0.105 -0.388 通話費優惠 0.224 -0.033 0.512 新合約月租費 (rent) 300元以下 -0.157 -0.543 0.147 300-600元 -0.314 -1.086 0.294 600-1000元 -0.471 -1.629 0.441 1000元以上 -0.628 -2.172 0.588 截距項 5.584 7.52 4.877 範例檔案聯合分析實例操作_pref_16.sav 範例檔案聯合分析實例操作_plan_16.sav
- 71. 實例練習：分析結果(個別) III • 個別分析六個族群的偏好結構與重要性權重 •針對各個不同背景變項的組合都進行分析與制定組合策略？ – 建議使用集群分析，依照每一個受訪者「個體」所呈現的偏好進 行分類分群 71 族群(性別*世代別) 效用值估計 青少年 男性 青少年 女性 中生代 男性 中生代 女性 老年 男性 老年 女性 搭配手機 (mobile) 有搭配手機 -0.162 -0.494 -0.417 -0.299 0.782 0.492 沒有搭配手機 0.162 0.494 0.417 0.299 -0.782 -0.492 搭配行動上 網(gprs) 有搭配行動上網 0.113 0.342 0.589 0.539 -0.643 -0.224 沒有搭配行動上網 -0.113 -0.342 -0.589 -0.539 0.643 0.224 搭配贈品 (present) 有搭配贈品 0.141 0.378 -0.236 -0.324 -0.173 0.352 沒有搭配贈品 -0.141 -0.378 0.236 0.324 0.173 -0.352 續約優惠 (discount) 購機優惠價 0.197 -0.443 -0.644 0.519 0.336 -0.524 贈送加值服務 -0.574 0.365 0.133 0.077 -0.531 -0.264 通話費優惠 0.377 0.078 0.512 -0.595 0.194 0.788 新合約月租 費(rent) 300元以下 -0.168 -0.147 -0.442 -0.648 0.011 0.265 300-600元 -0.335 -0.294 -0.883 -1.296 0.022 0.53 600-1000元 -0.503 -0.441 -1.325 -1.943 0.033 0.796 1000元以上 -0.67 -0.588 -1.767 -2.591 0.044 1.061 截距項 5.729 5.445 8.012 7.012 5.032 4.742 範例檔案聯合分析實例操作_pref_16.sav 範例檔案聯合分析實例操作_plan_16.sav
- 72.
- 73. 實例練習：分析結果─集群分析 II • 集群分析設定(分析→分類→TwoStep集群) –可自動決定最適組別數 73 範例檔案聯合分析實例操作_個別效用值輸出_by_id.sav 分類變數：截距項(變數名稱： Constant)+各屬性水準的效用值變數
- 74. 實例練習：分析結果─集群分析 III • 集群分析結果：2種 不同偏好結構的群組 –橫跨不同背景變項 • 應用觀察值摘要，可 看出兩集群的偏好結 構不同 – 可針對不同族群做更 精準的設計 74 TwoStep 不考慮截距項 集群1 集群2 有搭配手機 0.4425 -0.4181 沒有搭配手機 -0.4425 0.4181 有搭配行動上網 -0.3371 0.5459 沒有搭配行動上網 0.3371 -0.5459 有搭配贈品 0.1104 -0.0781 沒有搭配贈品 -0.1104 0.0781 購機優惠價 -0.0286 -0.1761 贈送加值服務 -0.4354 0.1572 通話費優惠 0.4640 0.0189 新合約月租費 0.0880 -0.4456 範例檔案聯合分析實例操作_個別效用值輸出_by_id.sav
- 75.
- 76.
- 77. 77 個數 1 2 青少年男性 4427 71 老年女性 90 2 92 老年男性 79 1 80 中生代女性 7 83 90 中生代男性 3 90 93 青少年女性 13 61 74 236 264 500 TwoStep_考慮截距項 * 族群(性別*世代別) 交叉表 TwoStep_考慮 截距項 總和 族群(性別*世代別) 總和 平均數 1 2 總和 有搭配手機 .4425 -.4181 -.0119 沒有搭配手機 -.4425 .4181 .0119 有搭配行動上網 -.3371 .5459 .1291 沒有搭配行動上網 .3371 -.5459 -.1291 有搭配贈品 .1104 -.0781 .0109 沒有搭配贈品 -.1104 .0781 -.0109 購機優惠價 -.0286 -.1761 -.1065 贈送加值服務 -.4354 .1572 -.1225 通話費優惠 .4640 .0189 .2290 新合約月租費 .0880 -.4456 -.1938 觀察值摘要 TwoStep_考慮截距項
- 78.