Bagaimana cara menganalisis skala peringkat dan peringkat bersama?

Dalam beberapa riset pasar, konsumen diminta untuk membuat peringkat fitur suatu produk berdasarkan prioritas. Sebagai contoh,

Beri peringkat fitur berikut untuk perangkat berdasarkan prioritas Anda (1 menjadi prioritas teratas)

Storage capacity         6
Portability              5
Touch interface          1
Keyboard                 4
Long battery life        2
Entertainment on the go  3

Pada skala 1 hingga 5, beri peringkat fitur berdasarkan kepentingan (1 menjadi sangat penting)

                    1   2   3   4   5
Storage capacity    1               
Portability                 3       
Touch interface     1               
Keyboard            1               
Long battery life       2           
Entertainment on the go         4   

Sekarang berdasarkan peringkat dan peringkat, saya ingin menetapkan bobot dan pada akhirnya mencari tahu apakah konsumen lebih suka laptop atau tablet PC /

Katakan dalam contoh ini konsumen memiliki peringkat sentuhan 1 dan daya tahan baterai 2; ini adalah atribut tablet. Tetapi dia telah menilai kapasitas penyimpanan keyboard dan yang paling penting, yang merupakan fitur dari laptop dengan keyboard.

Bagaimana saya menggabungkan keduanya dan mungkin menetapkan beberapa bobot dan menghasilkan skor? Jika skor berada di atas level tertentu maka konsumen lebih memilih tablet dan di bawah level tertentu maka konsumen lebih memilih laptop.

Saya berasumsi Anda tidak bisa hanya bertanya kepada mereka apakah mereka lebih suka laptop atau tablet; atau Anda ingin memeriksa apa yang mereka pikir mereka sukai dengan apa yang menurut Anda harus mereka sukai ...

Ada beberapa cara untuk melakukan ini. Ini sebenarnya adalah versi dari masalah kehidupan nyata yang sangat umum dalam mengevaluasi pelamar pekerjaan, atau tender untuk pekerjaan kontrak - Anda perlu memutuskan kriteria, menimbangnya, dan menilai kandidat berdasarkan kriteria. Anda telah menekankan masalah bobot kriteria, tetapi peringkat kandidat (laptop dan tablet) terhadap kriteria sangat penting, seperti pilihan enam kriteria di tempat pertama. Ini sebagian besar penilaian daripada pertanyaan statistik.

Ada dua langkah yang diperlukan: gabungkan informasi dalam dua pertanyaan untuk memberi Anda bobot untuk kriteria; dan membandingkan kepentingan yang diberikan ke enam kualitas dengan kinerja kedua produk terhadap keenam kualitas tersebut.

Masalah pertama Anda adalah bahwa Anda memiliki dua pertanyaan yang tampaknya (lihat komentar saya) pada dasarnya memiliki faktor mendasar yang sama dan bahwa responden tidak akan sepenuhnya tidak konsisten dalam jawaban mereka (walaupun mudah-mudahan tidak sebanyak dalam contoh Anda, di mana kapasitas penyimpanan adalah prioritas terendah tetapi "sangat penting"!)

Salah satu pendekatan untuk menggabungkan keduanya adalah mengubah peringkat ke peringkat pada skala yang sama dengan pertanyaan kedua dan kemudian mengambil rata-rata. Anda dapat melakukan ini misalnya dengan . $rate_{new}=\frac{rate+rank*\frac{4}{5}+0.2}{2}$

Ini agak kasar, tetapi faktanya tidak ada cara yang benar-benar memuaskan untuk menggabungkan keduanya tanpa kekurangan. Mengubah peringkat menjadi peringkat dan sebaliknya adalah masalah namun Anda melakukannya, dan semacam aturan diperlukan untuk berurusan dengan ikatan dalam peringkat (jika Anda ingin mengubahnya menjadi peringkat) atau kisaran yang tidak diketahui di belakang peringkat (jika Anda ingin mengubahnya menjadi peringkat yaitu pengguna telah dipaksa untuk peringkat dari satu menjadi 6, tetapi benar-benar berpikir mereka semua sangat penting - atau tidak penting ...).

Kekasaran berikutnya adalah Anda perlu menilai produk terhadap enam kualitas. Seringkali subyek diminta untuk melakukan ini, tetapi dalam kasus ini sepertinya Anda harus melakukannya sendiri. Anda akan menghasilkan matriks seperti:

                        Tablet   Laptop
Storage capacity         4          2
Portability              1          2
Touch interface          1          4
Keyboard                 5          1
Long battery life        3          2
Entertainment on the go  1          3

Saya telah mengikuti konvensi yang Anda miliki tentang skor rendah menjadi baik.

Kemudian Anda cukup gandakan dan jumlah peringkat penting Anda dengan skor kualitas ini dan Anda mendapatkan skor untuk tablet dan satu untuk laptop. Yang dengan skor terendah adalah preferensi - Anda tidak perlu ambang, hanya untuk membandingkan dua skor.

Perhatikan bahwa cara Anda menilai kedua produk terhadap enam kualitas akan sangat penting dalam hal ini - mungkin lebih penting daripada bagaimana Anda menghasilkan bobot. Jadi, Anda ingin mencoba berbagai skor yang berbeda dan melihat mana yang memberikan hasil yang masuk akal. Tidak ada cara statistik untuk mendapatkan skor "benar", dengan informasi yang Anda dapatkan. Jika Anda tahu preferensi laptop / tabel orang yang sebenarnya, Anda mungkin dapat menghasilkan serangkaian skor yang menghasilkan preferensi tersebut, tetapi seluruh latihan akan menjadi yang berbeda.

Lihat di bawah untuk beberapa kode R dan keluaran yang mengimplementasikan ini dan menyarankan bahwa subjek Anda yang agak bingung mungkin sebenarnya menginginkan laptop:

> r1 <- c(6,5,1,4,2,3)
> r2 <- c(1,3,1,1,2,4)
> newrate <- (r2+r1*4/5+.2)/2
> products <- as.matrix(data.frame(Tablet=c(4,1,1,5,3,1), Laptop=c(2,2,4,1,2,3)))
> cbind(products, newrate)
     Tablet Laptop newrate
[1,]      4      2     3.0
[2,]      1      2     3.6
[3,]      1      4     1.0
[4,]      5      1     2.2
[5,]      3      2     1.9
[6,]      1      3     3.3
> newrate%*%products
     Tablet Laptop
[1,]   36.6   33.1

Berpikir bahwa Anda dapat mempelajari apa yang penting dalam keputusan orang hanya dengan bertanya mengungkapkan optimisme yang tidak adil. Tetapi ada beberapa metode yang baik untuk "menurunkan" pentingnya berbagai faktor. Bertahun-tahun penelitian dalam bidang psikologi dan ekonomi perilaku telah membuktikan hal ini. Seorang kolega dan saya merangkum beberapa temuan dari literatur tentang topik ini dan mengeksplorasi beberapa cara untuk menerapkannya (dalam konteks pendidikan tinggi) di sini .

Ini adalah tugas belajar tanpa pengawasan. Ini adalah ide yang sangat sederhana yang jika salah saya harap orang lain menunjukkan. Masukkan sepuluh variabel Anda ke PCA untuk mengekstraksi 2 PC. Gunakan dua komponen utama dalam algoritma pengelompokan 2-rata untuk menentukan batas-batas untuk penugasan untuk masing-masing dari dua kelompok. Periksa PC, dan beri nama Tablet dan Laptop jika masuk akal untuk melakukannya. Anda sekarang memiliki kriteria berdasarkan kombinasi linear dari 10 variabel Anda.

Masalah utama yang saya lihat dengan ini adalah bahwa Anda tidak harus berakhir dengan algoritma prediksi "laptop" versus "tablet" yang pasti. Untuk mendapatkan sesuatu seperti itu Anda idealnya memiliki setidaknya beberapa poin data dengan hasil untuk dilatih.