Wie kann man ein Ranking und eine Bewertungsskala zusammen analysieren?

In einigen Marktforschungen werden Verbraucher gebeten, die Merkmale eines Produkts nach Priorität zu ordnen. Zum Beispiel,

Ordnen Sie die folgenden Funktionen für ein Gerät anhand Ihrer Priorität ein (1 ist die höchste Priorität).

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

Bewerten Sie die Merkmale auf einer Skala von 1 bis 5 nach Wichtigkeit (1 ist sehr wichtig).

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

Anhand des Rankings und der Bewertung möchte ich nun Gewichte zuweisen und am Ende herausfinden, ob der Verbraucher einen Laptop oder einen Tablet-PC bevorzugt.

Angenommen, in diesem Beispiel hat der Verbraucher die Berührung als 1 und die Akkulaufzeit als 2 eingestuft. Dies sind die Attribute eines Tablets. Aber er hat Tastatur- und Speicherkapazität als die wichtigsten eingestuft, die die Merkmale eines Laptops mit Tastatur sind.

Wie kombiniere ich beide und ordne wahrscheinlich einige Gewichte zu und erhalte eine Punktzahl? Wenn die Punktzahl über einem bestimmten Niveau liegt, bevorzugt der Verbraucher ein Tablet und unter einem bestimmten Niveau bevorzugt der Verbraucher einen Laptop.

Ich nehme an, Sie können sie nicht einfach fragen, ob sie einen Laptop oder ein Tablet bevorzugen. oder Sie möchten überprüfen, was sie bevorzugen, mit dem, was sie Ihrer Meinung nach bevorzugen sollten ...

Es gibt verschiedene Möglichkeiten, dies zu tun. Dies ist in der Tat eine Version des sehr häufigen realen Problems bei der Bewertung von Bewerbern oder Ausschreibungen für die Auftragsvergabe. Sie müssen Kriterien festlegen, sie gewichten und die Bewerber anhand der Kriterien bewerten. Sie haben das Problem der Gewichtung der Kriterien hervorgehoben, aber die Bewertung der Kandidaten (Laptop und Tablet) anhand der Kriterien ist entscheidend, ebenso wie die Wahl der sechs Kriterien an erster Stelle. Dies sind eher Urteilsvermögen als statistische Fragen.

Es sind zwei Schritte erforderlich: Kombinieren Sie die Informationen in den beiden Fragen, um eine Gewichtung für die Kriterien zu erhalten. und vergleichen Sie die Bedeutung, die den sechs Qualitäten für die Leistung der beiden Produkte beigemessen wird, mit diesen sechs Qualitäten.

Ihr erstes Problem ist, dass Sie zwei Fragen haben, die anscheinend (siehe meinen Kommentar) im Grunde den gleichen zugrunde liegenden Faktor haben und dass die Befragten in ihren Antworten unweigerlich nicht vollständig konsistent sind (obwohl hoffentlich nicht so viel wie in Ihrem Beispiel, wo Speicherkapazität vorhanden ist ist die niedrigste Priorität, aber "sehr wichtig"!)

$rate_{new}=\frac{rate+rank*\frac{4}{5}+0.2}{2}$

Das ist ein bisschen grob, aber Tatsache ist, dass es keinen wirklich zufriedenstellenden Weg gibt, die beiden ohne irgendwelche Nachteile zu kombinieren. Das Konvertieren von Ranglisten in Bewertungen und umgekehrt ist ein Problem, wie auch immer Sie es tun, und es ist eine Faustregel erforderlich, um mit Bindungen in den Bewertungen (wenn Sie sie in Ranglisten umwandeln möchten) oder einem unbekannten Bereich hinter den Ranglisten (wenn Sie dies tun) umzugehen Ich möchte sie in Bewertungen umwandeln, dh der Benutzer wurde gezwungen, von eins bis sechs zu ranken, könnte aber wirklich denken, dass sie alle wirklich wichtig sind - oder unwichtig ...).

Die nächste Grobheit ist, dass Sie die Produkte gegen die sechs Qualitäten bewerten müssen. Oft wurden Probanden gebeten, dies zu tun, aber in diesem Fall sieht es so aus, als müssten Sie es selbst tun. Sie erstellen eine Matrix wie:

                        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

Ich habe mich an die Konvention gehalten, dass niedrige Punktzahlen gut sind.

Dann multiplizieren Sie einfach Ihre Wichtigkeitsbewertungen mit diesen Qualitätswerten und erhalten eine Bewertung für das Tablet und eine für den Laptop. Der mit der niedrigsten Punktzahl ist die Präferenz - Sie benötigen keinen Schwellenwert, nur um die beiden Punkte zu vergleichen.

Beachten Sie, dass es entscheidend darauf ankommt, wie Sie die beiden Produkte gegen die sechs Qualitäten bewerten - wahrscheinlich wichtiger als die Art und Weise, wie Sie die Gewichtungen generiert haben. Sie möchten also eine Reihe verschiedener Ergebnisse ausprobieren und herausfinden, welche plausible Ergebnisse liefern. Es gibt keine statistische Möglichkeit, mit den Informationen, die Sie haben, die "richtigen" Ergebnisse zu erzielen. Wenn Sie die tatsächlichen Laptop- / Tischpräferenzen der Leute kennen, könnten Sie vielleicht eine Reihe von Bewertungen generieren, die diese Präferenzen hervorbringen, aber dann wäre die gesamte Übung eine andere.

Im Folgenden finden Sie einige R-Codes und Ausgaben, die dies implementieren und darauf hindeuten, dass Ihr etwas verwirrtes Thema tatsächlich einen Laptop haben möchte:

> 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

Zu denken, dass man lernen kann, was für die Entscheidungen der Menschen wichtig ist, indem man einfach fragt, drückt ungerechtfertigten Optimismus aus. Es gibt jedoch einige fundierte Methoden, um die Bedeutung verschiedener Faktoren abzuleiten. Jahrelange Forschungen in Psychologie und Verhaltensökonomie haben dies bestätigt. Ein Kollege und ich haben einige Ergebnisse aus der Literatur zu diesem Thema zusammengefasst und einige Möglichkeiten untersucht, sie (im Kontext der Hochschulbildung) hier anzuwenden .

Dies ist eine unbeaufsichtigte Lernaufgabe. Hier ist eine sehr einfache Idee, auf die, wenn sie falsch ist, hoffentlich jemand anderes hinweist. Geben Sie Ihre zehn Variablen in eine PCA ein, um 2 PCs zu extrahieren. Verwenden Sie die beiden Hauptkomponenten in einem 2-Mittelwert-Clustering-Algorithmus, um Grenzen für die Zuordnung zu jeder der beiden Gruppen zu definieren. Untersuchen Sie die PCs und nennen Sie sie Tablet und Laptop, wenn dies sinnvoll ist. Sie haben jetzt ein Kriterium, das auf einer linearen Kombination Ihrer 10 Variablen basiert.

Das Hauptproblem, das ich dabei sehe, ist, dass Sie nicht unbedingt einen bestimmten Vorhersagealgorithmus "Laptop" gegenüber "Tablet" haben. Um so etwas zu bekommen, hätten Sie idealerweise mindestens ein paar Datenpunkte mit Ergebnissen, auf die Sie trainieren können.