あなたの分析ソリューション

XLSTAT-MXによるペナルティ分析

20/10/2017

ペナルティ分析

ペナルティ分析とは、顧客や専門家に行われた調査に基づき、製品の改良のための潜在的な方向性を識別するために、官能データ分析に用いられる手法です。2種類のデータが使われています:

  • ある製品に対する全体的な満足度指標(たとえば、チョコレート・バーに対する9件法(9段階)の嗜好得点)や、製品の特徴に対するグローバルな満足度指標(たとえば、1~10で評価する車の快適度)に対応します。
  • JAR((Just About Right)5件法(5段階)で集められたデータ。これらは興味のある製品の複数の特徴に1~5で評価したものです。 1は、« Not enough at all »(まったく十分ではない)、2 « Not enough »(十分でない)、3 « JAR »  ((Just About Right:ちょうどよい)顧客の理想といえる)、4は « Too much »多過ぎる、5は« Far too much »(かなり多すぎる)となります。たとえば、チョコレートバーに関しては苦味を評価し、車の快適度に関してはエンジンの音量を評価します。

ANOVAで用いられるのと同様の多重比較に基づいたこの手法は、JAR尺度で調査された各特徴に関して、JAR尺度での評価が嗜好得点での有意差の結果に関連しているかどうかを識別することにあります。

ペナルティ分析を実行するデータセット

このチュートリアルで用いられるExselシートは、こちらからダウンロードできます。この例で用いられるデータは、与えられたポテト・チップスのブランド/種類が150名の顧客に評価される調査です。顧客はそれぞれ、4属性(塩味、甘味、酸味、パリパリ感)にJARスケール(1~5)で意見を出します。そしてその後、1~10のリッカート・スケールで全体的な嗜好得点を出します。

我々の目的は、新しい製品の開発の方向性を認識することです。

ペナルティ分析のセットアップ

XLSTATを開き、XLSTAT│官能データ分析│ペナルティ分析コマンドを選択するか、 XLSTAT-官能データ分析​ ツールバーの対応するボタンをクリックします(下図参照)

XLSTAT Sensory menu, Penalty analysis

ボタンを押すと、ダイアログボックスが現れます。嗜好尺度を選択して、JARデータを選択します。3水準JARラベルも選択します。これらは結果の解釈を簡単にするものです。

pen1.gif

オプションタブで、標本サイズのしきい値(それ以下では十分に信頼できないので比較検定を行わない標本サイズ)を定義します。

pen2.gif

次の出力オプションが選択されています。順序データなので、スピアマンの相関が選ばれました。

pen3.gif

OKをクリックすると、計算が始まります。そして結果が表示されます。

ペナルティ分析の結果の解釈

最初の結果は、嗜好データや様々なJAR変数の記述統計です。そして相関係数行列の表が表示されます。

pen4.gif

JARデータのランクは真の順序データではない(JARスケールでは5が3より小さいのに対して、嗜好スケールでは5が4より大きい)ので、嗜好得点とJAR変数の相関は解釈すべきではありません。

ただし、もしJAR変数と嗜好変数との相関が0と有意に差があれば、それはJAR変数が嗜好変数に対する影響が低いことを意味します:もし、強い影響があれば、相関は0に近くなるはずです。もし、"too much"のケースが"too little"よりも影響が小さければ相関は正になり、逆の場合は負の相関になります。

次の表はJARデータの要約です。続くチャートは表に基づいたもので、JAR得点が各次元についてどのように分布しているかをすばやく可視化できます。

pen5.gifpen6.gif

そしてデータは、3水準の尺度に縮約されています。対応する度数の表と表を図が下に表示されています。

pen7.gifpen8.gif

次の表が、ベナルティ分析になります。

pen9.gif

:次の情報が、各JAR次元について表示されます。

  • JAR次元の名前 
  • JARデータの3つの水準(縮約後) 
  • 各水準に対応する度数  
  • 各水準に対応する% 
  • 各水準に対応す嗜好得点の合計 
  • 各水準の平均嗜好得点 
  • "too much"と"too little"水準の平均drop(これは、JAR水準の嗜好平均マイナス "too muck"または"too little"の差です)この情報は、嗜好得点が何点なら、顧客が製品を"too much"または"too little"と評価しないのかを示しているので、非常に興味深いものです。
  • 標準階差は、後の比較検定で用いる中間統計量です。 
  • P値は、JAR水準の平均とその他の2水準の平均との比較検定に対応します(これは、3群の多重比較です)。
  • そして、解釈が自動で提供され、この解釈は選択された有意水準(ここでは5%)にしたがって決まります。
  • そして、ペナルティが計算されます。これは平均値間の重み付き階差です(JARに関する嗜好の平均 マイナス 一緒にとったその他2の水準にについての嗜好の平均)。この統計量が、この手法の名前の由来です。嗜好が何点なら、顧客の期待を裏切らないかを示してします。
  • 標準階差は、後の比較検定で用る中間統計値です。
  • P値は、JAR水準の平均とその他の水準の平均の多重比較に対応します。これはペナルティが有意に0でないかどうかを検定しているのと等価です。
  • そして、解釈が自動で提供され、この解釈は選択された有意水準(ここでは5%)にしたがって決まります。

塩味の次元に関しては、顧客がその製品を十分にしょっぱくないと思ったとき、その製品を非常に不利にすることがわかります。平均dropは両方とも有意に0とは異なり、全体のペナルティも同様です。

甘味と酸味の次元は、検定で有意にはなりませんでした。甘味に関して、これはより真実に近いものです。

パリパリ感に関しては、"too much"水準のケースの%が初期に設定したしきい値20%よりも低かったので、平均drop検定が"too much"水準については計算されませんでした。十分にパリパリしていないとき、その製品は非常に不利になります。

次の2つの図は、上記の結果を要約したものです。棒が赤い時は差が有意であること、緑のときは差が有意でないこと、灰色のときはその検定が十分なケースがなくて計算されなかったことを意味しています。

pen10.gifpen11.gif

お問合わせは、マインドウエア総研へ。

1c26995d494fb3061dd0ae8571ffc0a4@xlstat.desk-mail.com
https://cdn.desk.com/
false
desk
読み込み中
秒前
1 分前
分前
1 時間前
時間前
1 日前
日前
バージョン情報
false
無効な文字が見つかりました
/customer/portal/articles/autocomplete
9283