コンジョイント分析入門 千葉大学 真城知己.

Slides:



Advertisements
Similar presentations
7 月 21 日 MG9356 小沢 直宏( nao ) 1. 目次  電子マネーとは?  現在流通している電子マネー  電子マネーのシェア  電子マネーの利便性  電子マネーの問題点  電子マネーのこれから  まとめ  参考文献 2.
Advertisements

計量的手法入門 人材開発コース・ワークショップ (IV) 2000 年 6 月 29 日、 7 月 6 ・ 13 日 奥西 好夫
認知心理学の知見のさわり 知覚、記憶、学習、思考などを研究対象とする心理学の一 分野。 [せまい意味] 認知の領域をあつかう心理学(人間の認知の働き)を 研究対象としてとりあげ、 コンピューター科学をはじめとする認知科学の枠組みの もとで 解明していこうという心理学の一領域をさす。 認知科学 心理学、コンピューター科学、脳神経科学、言語学、哲.
SNS によるストレスの研 究 鴫原 康太. 本研究の目的 今回私がこの研究を行おうと思ったきっかけは、 SNS によるストレスを自分も少なからず感じるこ とがしばしばあったということが今回の研究を 行ったきっかけである。 「既読無視」「バカッター」など SNS のあり方、 使い方を誤って使ったり、
白井ゼミ 豊田秀樹(2008)『データマイニング入門』 (東京図書)。4章
研修のめあて 授業記録、授業評価等に役立てるためのICT活用について理解し、ディジタルカメラ又はビデオカメラのデータ整理の方法について研修します。 福岡県教育センター 教員のICT授業活用力向上研修システム.
第1節 問題解決の工夫 1 情報を活用しよう 2 問題解決の工夫.
「わかりやすいパターン認識」 第1章:パターン認識とは
コメント 「ファセット・アプローチの 魅力とパワー」
仮説の立て方、RQの絞り方 論文を考える根本的思考 担当・柴田真吾
実証分析の手順 経済データ解析 2011年度.
Shelf-Navigator ユーザ動作による書籍相関抽出機構
市場調査の手順 問題の設定 調査方法の決定 データ収集方法の決定 データ収集の実行 データ分析と解釈 データ入力 データ分析 報告書の作成.
 授業を設計する(その4) 情報科教育法 後期5回 2004/11/6 太田 剛.
      特別支援学校 高等部学習指導要領 聴覚障害教育について.
土木計画学 第5回(11月2日) 調査データの統計処理と分析3 担当:榊原 弘之.
4.「血液透析看護共通転院サマリーVer.2」 の説明
経済情報処理ガイダンス 神奈川大学 経済学部.
総合科目「学生による授業評価 アンケート」(マークシート方式)
因子分析や3相因子分析による分析の問題点を整理する 狩野裕+原田章(行動工学講座)
<研修資料>研修後の具体的な取組の事例紹介 <クラスの実態に合わせて個々の学級担任が取り組んだ例>
フットサルシューズの最適化 ~コンジョイント分析を用いて~
マーケティング・リサーチ.
プロジェクトの選択基準 と CBAの役割と限界
総合科目「学生による授業評価 アンケート」(マークシート方式)
経済情報処理ガイダンス 神奈川大学 経済学部.
~企画~ GO,桑田,ヒルズ.
物流への興味向上のためのVRを用いた近未来流通センターの構築
小売店舗における陳列改善策の検討とVRの活用に関する研究
経済情報処理ガイダンス 神奈川大学 経済学部.
仮想評価(仮想市場)法 CVM(Contingent Valuation Method)
地理情報システム論演習 地理情報システム論演習
要約 きりん、まぐろ、PB.
看護研究における 統計の活用法 Part 1 京都府立医科大学 浅野 弘明 2012年11月10日.
仮想評価(仮想市場)法 CVM(Contingent Valuation Method)
思考支援ツールを用いた 情報処理技術知識の学習方式
メンタルレキシコン3:ことばの意味を実験から探る
あらまし アンサンブル学習の大きな特徴として,多数決などで生徒を組み合わせることにより,単一の生徒では表現できない入出力関係を実現できることがあげられる.その意味で,教師が生徒のモデル空間内にない場合のアンサンブル学習の解析は非常に興味深い.そこで本研究では,教師がコミティマシンであり生徒が単純パーセプトロンである場合のアンサンブル学習を統計力学的なオンライン学習の枠組みで議論する.メトロポリス法により汎化誤差を計算した結果,ヘブ学習ではすべての生徒は教師中間層の中央に漸近すること,パーセプトロン学習では
第11回授業(12/11)の学習目標 第8章 分散分析 (ANOVA) の学習 分散分析の例からその目的を理解する 分散分析の各種のデザイン
情報知能学基礎演習 豊田秀樹(2008)『データマイニング入門』 (東京図書)第6章
多変量解析ゼミ 第10回 第12章クラスター分析 発表者 直江 宗紀.
予測に用いる数学 2004/05/07 ide.
コードクローンの動作を比較するためのコードクローン周辺コードの解析
IoT活用による糖尿病重症化予防法の開発を目指した研究
情報科の評価 情報科教育法 後期5回 2004/11/05 太田 剛.
Data Clustering: A Review
ロードプライシングによる環境に優しい街づくり
1.目的 サプライチェーンにおいて重要なこと ・商品のコスト ・商品の充填率 需要が予測できれば、 充填率を下げずに在庫が減らせる 在庫
確率と統計2009 第12日目(A).
データの型 量的データ 質的データ 数字で表現されるデータ 身長、年収、得点 カテゴリで表現されるデータ 性別、職種、学歴
コードクローン分類の詳細化に基づく 集約パターンの提案と評価
1.因子分析とは 2.因子分析を行う前に確認すべきこと 3.因子分析の手順 4.因子分析後の分析 5.参考文献 6.課題11
わかりやすいパターン認識 第7章:部分空間法  7.1 部分空間法の基本  7.2 CLAFIC法                  6月13日(金)                  大城 亜里沙.
「アルゴリズムとプログラム」 結果を統計的に正しく判断 三学期 第7回 袖高の生徒ってどうよ調査(3)
仮想評価(仮想市場)法 CVM(Contingent Valuation Method)
ISO23950による分散検索の課題と その解決案に関する検討
福岡県教育センター ※ ※ ※ ※ ※ ※ ※ 研修担当の先生へ ※ ※ ※ ※ ※ ※
情報の集約 記述統計 記述統計とは、収集したデータの分布を明らかにする事により、データの示す傾向や性質を要約することです。データを収集してもそこから情報を読み取らなければ意味はありません。特に膨大な量のデータになれば読みやすい形にまとめて要約する必要があります。
演習1に関する講評 ~ 業務仕様を書く難しさ ~
ハザードマップの理解に対する ドリルマップ提示の効果
仮想評価(仮想市場)法 CVM(Contingent Valuation Method)
情報コミュニケーション入門b 第9回 表計算ソフト入門(3)
自転車の利用促進に着目した研究 名古屋大学  E班 M1  酒井大輔             徐剛           高橋和大 平野泰博    安江勇弥.
個人の関心を考慮した交通手段選択モデルの推定
Webページタイプによるクラスタ リングを用いた検索支援システム
回帰分析入門 経済データ解析 2011年度.
第2回実務者会議の議論を受けた検討 資料14 1 第2回実務者会議での議論の概要 (○:有識者意見、●:関係府省意見) 1
テクニカル・ライティング 第4回 ~文章の設計法「KJ法」について~.
情報社会とコンピュータ 第1章 2節 問題解決とコンピュータの活用 4 問題解決の流れと手順 p16~p21.
教師がコミティマシンの場合のアンサンブル学習 三好 誠司(神戸高専) 原 一之(都立高専) 岡田 真人(東大,理研,さきがけ)
Presentation transcript:

コンジョイント分析入門 千葉大学 真城知己

Part I コンジョイント分析の基礎 従来の手法と比べた特徴

コンジョイント分析の要点 複数の名義尺度間でいずれの要因が重視されているのかを視覚的に把握することができる ポイントとなる点を端的に把握可能 分析結果をもとにシミュレーションができる 調査結果の実現にむけた予測作業に便利

以下の課題をどのように調査するか 既存のサービス利用へのニーズ 新しいサービス開発へのニーズ 交通手段選択の判断 eg.「どのようなサービスを受    けたいですか?」 新しいサービス開発へのニーズ eg.「どのようなサービスが必   要ですか?」 交通手段選択の判断 eg.「福岡までの移動にどのような   条件で移動したいですか?」 教員免許状取得条件 として重視される内容の把握 eg.「どのような条件で教員免許状取得のための講習を受講したいですか?」

以下の課題をどのように調査するか ・・ 従来の手法なら 既存のサービス利用へのニーズ eg.「どのようなサービスを受    けたいですか?」

以下の課題をどのように調査するか どれも利用したいサービスばかり !! ・・ 従来の手法なら 既存のサービス利用へのニーズ ・・ 従来の手法なら 既存のサービス利用へのニーズ eg.「どのようなサービスを受    けたいですか?」 既存のサービスを並記して, サービスを利用したい程度を尺度化した項目で評価        利用したくない  利用したい  送迎サービス       1 2 3 4 5  一時預かりサービス   1 2 3 4 5  宿泊ケアサービス     1 2 3 4 5  余暇プログラム 1 2 3 4 5 どれも利用したいサービスばかり !! どのサービスの必要度が高いのか ?? どれから用意すればいいのか ??

以下の課題をどのように調査するか ・・ 従来の手法なら 新しいサービス開発へのニーズ eg.「どのようなサービスが必   要ですか?」

以下の課題をどのように調査するか ・・ 従来の手法なら 新しいサービス開発へのニーズ 平均値の差がニーズの差になっているだろうか ? ・・ 従来の手法なら 新しいサービス開発へのニーズ eg.「どのようなサービスが必   要ですか?」 新しく考案するサービスを並記して,そのサービスを利用したい程度を尺度化した項目で評価         利用したくない  利用したい  タクシー利用券       1 2 3 4 5  サービス受給券       1 2 3 4 5  サービス受給現金給付   1 2 3 4 5  余暇カレッジの講座 1 2 3 4 5 平均値の差がニーズの差になっているだろうか ? どれか一つだけサービスを用意できるとしたときに,「平均値」の一番高かったものが「もっとも必要とされる内容である」と判断して大丈夫だろうか ??

以下の課題をどのように調査するか ? ・・ 従来の手法なら(名義尺度の場合) 交通手段選択の判断 ・・ 従来の手法なら(名義尺度の場合) 交通手段選択の判断 eg.「福岡までの移動にどのような      条件で移動したいですか?」 早くて,安くて,楽ちんな移動手段を用意するのは現実には難しい 1.移動時間       長時間   普通   短時間 2.料金           安い     普通    高い 3.快適さ         疲れる   普通    楽ちん 4.同伴者       相性悪い人  同僚  友人  恋人 ?

交通手段選択の判断 (名義尺度データ) 早くて,安くて,楽ちんな移動手段を用意するのは現実には難しい 交通手段選択の判断 (名義尺度データ) eg.「福岡までの移動にどのような条件で移動したいですか?」 早くて,安くて,楽ちんな移動手段を用意するのは現実には難しい すべての条件を同時に見比べて  どこかの条件を妥協している or (優先させている条件がある) 1.移動時間       長時間   普通   短時間 2.料金           安い     普通    高い 3.快適さ         疲れる   普通    楽ちん 4.同伴者       相性悪い人  同僚  友人  恋人 理想型 1.移動時間       長時間   普通   短時間 2.料金           安い     普通    高い 3.快適さ         疲れる   普通    楽ちん 4.同伴者       相性悪い人  同僚  友人  恋人 飛行機 1.移動時間       長時間   普通   短時間 2.料金           安い     普通    高い 3.快適さ         疲れる   普通    楽ちん 4.同伴者       相性悪い人  同僚  友人  恋人 新幹線 1.移動時間       長時間   普通   短時間 2.料金           安い     普通    高い 3.快適さ         疲れる   普通    楽ちん 4.同伴者       相性悪い人  同僚  友人  恋人 夜行バス

ここまでのポイント 1 従来のニーズ調査では コンジョイント分析では 「どれも重要」という結果では,その後に活かしにくい ここまでのポイント 1 従来のニーズ調査では 「どれも重要」という結果では,その後に活かしにくい 「平均値」で代表させることがむしろ結果の解釈を誤らせてしまう可能性がある 名義尺度データの場合には,回答者がどの条件を重視して判断しているのかが解釈できない場合がある 個々の回答者ごとの分析は ローデータからの解釈しかできない コンジョイント分析では 条件間の「相対的重要度」で表記するので,どこが重視されているのかを容易に把握でき,実現可能な対策のためのデータが得られる 名義尺度データでも,回答者が各条件にどのような相対的な評価をしているのか把握することができる 回答者のデータをプロフィールの形で個別に表現することができる →類似したプロフィールでグループ分けをして分析をすることも

ここまでのポイント 2 コンジョイント分析では 従来のニーズ調査では 各調査項目が項目間相互で 「独立している」ことが前提 ここまでのポイント 2 従来のニーズ調査では   各調査項目が項目間相互で   「独立している」ことが前提  →各項目ごとに質問されれば,「高い評定」や          「理想像に近い評定」が    なされてしまう →実際には,いくつかの条件を 「同時に勘案して判断している」   ・判断に大きな影響のある項目    ・判断にほとんど影響のない項目 コンジョイント分析では 複数の条件を同時に勘案する処理なので,回答者の実際の思考パターンに近い形の分析となる 回答者の項目評価の際に  「大きな影響のある条件」と  「ほとんど影響のない条件」を 「相対的重要度」のプロフィール図 として集団・個別に表すことができる

コンジョイント分析では なにができるのか 複数の要因間で(条件比較をして) いずれの要因が重視されているのかを コンジョイント分析では      なにができるのか 複数の要因間で(条件比較をして)  いずれの要因が重視されているのかを  視覚的に相対化して明瞭に表現できる 名義尺度や順序尺度など異なる尺度が混在してもかまわない

Part II コンジョイント分析の実際 シンタックスの作成と留意のポイント

コンジョイント分析のプロフィール出力例 (出展: 真城知己(2001):SPSSによるコンジョイント分析.東京図書 p.15)

もっとも好まれる水準の組み合わせ +0.136 +0.087 +0.076 +1.034 +2.758 (定数項) 4.091 全効用 課程の種類:夜間 +0.087 学習年限 :1年 +0.076 免許状種類:一種 +1.034 在籍の身分:専従免除 +2.758 (定数項)  4.091  全効用

課程の種類を夜間から昼間に変更 -0.064 +0.087 +0.076 +1.034 +2.758 (定数項) 3.891 (全効用) 課程の種類:昼間 +0.087 学習年限 :1年 +0.076 免許状種類:一種 +1.034 在籍の身分:専従免除 +2.758 (定数項)  3.891 (全効用)

在籍の身分を専従免除から個人責任に変更 +0.136 +0.087 +0.076 -1.034 +2.758 2.027 課程の種類:夜間 学習年限 :1年 +0.076 免許状種類:一種 -1.034 在籍の身分:個人責任 +2.758 (定数項)  2.027  (全効用)

-0.064 課程の種類:昼間 +0.087 学習年限 :1年 +0.076 免許状種類:一種 +1.034 在籍の身分:専従免除 課程の種類を夜間から昼間に変更 在籍の身分を専従免除から個人責任に変更 -0.064 課程の種類:昼間 +0.087 学習年限 :1年 +0.076 免許状種類:一種 +1.034 在籍の身分:専従免除 +2.758 (定数項)  3.891  (全効用) +0.136 課程の種類:夜間 +0.087 学習年限 :1年 +0.076 免許状種類:一種 -1.034 在籍の身分:個人責任 +2.758 (定数項)  2.027  (全効用) ※ もっとも好まれる組み合わせの場合の全項用     → 4.091

コンジョイント分析のプロフィール出力例 (出展: 真城知己(2001):SPSSによるコンジョイント分析.東京図書 p.15)

コンジョイント分析の具体的手順 1.要因と水準の決定 水 準 要 因 要因数は 4~6程度 水準数は 2~5程度 例) 課程の種類 学習年限      4~6程度 水準数は      2~5程度  要 因  水 準 課程の種類 ・昼間 ・夜間 ・昼夜間 学習年限 ・1年 ・2年 免許状種類 ・一種 ・専修 在籍の身分 ・専従免除 ・個人責任

コンジョイント分析の具体的手順 2.直行配列表を使った項目の絞り込み 水 準 要 因 すべての水準の 例) 組み合わせでは 項目が膨大に   組み合わせでは   項目が膨大に   なってしまうため 右表程度であれば 3×2×2×2=24 たいしたことはないが 要因数や水準数が 少し増えただけで 例)3×2×4×3×3= 例)  要 因  水 準 課程の種類 ・昼間 ・夜間 ・昼夜間 学習年限 ・1年 ・2年 免許状種類 ・一種 ・専修 在籍の身分 ・専従免除 ・個人責任  216

コンジョイント分析の具体的手順 3.調査票の作成 回答者による評定は リッカート方式 5段階評定など 順位付け方式   リッカート方式    5段階評定など   順位付け方式    もっとも好ましい項目からそうでない項目まで     順位をつける   並べ替え方式(カード式)    各組み合わせをカードにして好ましいものから     そうでないものに並び替える

要因や水準を設定する際の留意点 要因として設定すべきか水準とすべきか 同じベクトル上にある水準が複数の要因に またがっていないか    またがっていないか 相反する水準の組み合わせが生じていないか 相対性の表現が適切か 水準間の距離が適切か 実際に実現可能な水準の内容か

コンジョイント分析の項目例 例) 課程の種類 ・・・ 夜間 学習年限 ・・・ 1年 免許状種類 ・・・ 専修 課程の種類  ・・・  夜間 学習年限    ・・・  1年 免許状種類  ・・・  専修 在籍の身分  ・・・  校務からの専従免除 リッカート方式でたずねるなら   好ましくない・・・・どちらともいえない・・・・好ましい      1     2     3     4     5 順位付け方式でたずねるなら   このカードの順位は?           位

コンジョイント分析の具体的手順 4.コンジョイント分析の出力 SPSSのプログラムの場合   結果は「Subfile Summary(全体要約)」と   各回答者ごとのプロフィールが出力される  →各個人がどの要因を重視しているのかも    明確にわかる 全体要約や各回答者のプロフィールをもとにシミュレーションを行うことができる

まとめ 予測性の高さ →具体的な内容を提示して回答させるため 「どこから着手すればよいか」の指針をえるため まったくの探索的段階には不向き  →具体的な内容を提示して回答させるため    実際に回答者の行動予測がやりやすい 「どこから着手すればよいか」の指針をえるため まったくの探索的段階には不向き  →ある程度まで要因や水準が具体的に   絞られた段階で用いる分析方法 すでにとったデータを後から処理することはできない   →コンジョイント分析のために計画した調査票を   用いて行わなければならない ニーズとサービスの橋渡しのための調査手法  →調査結果を具体的に実現させやすいという    特徴を有効に活用してこそ真価を発揮

まとめ 予測性の高さ →具体的な内容を提示して回答させるため 「どこから着手すればよいか」の指針をえるため まったくの探索的段階には不向き  →具体的な内容を提示して回答させるため    実際に回答者の行動予測がやりやすい 「どこから着手すればよいか」の指針をえるため まったくの探索的段階には不向き  →ある程度まで要因や水準が具体的に   絞られた段階で用いる分析方法 すでにとったデータを後から処理することはできない   →コンジョイント分析のために計画した調査票を   用いて行わなければならない ニーズとサービスの橋渡しのための調査手法  →調査結果を具体的に実現させやすいという    特徴を有効に活用してこそ真価を発揮

まとめ 予測性の高さ →具体的な内容を提示して回答させるため 「どこから着手すればよいか」の指針をえるため まったくの探索的段階には不向き  →具体的な内容を提示して回答させるため    実際に回答者の行動予測がやりやすい 「どこから着手すればよいか」の指針をえるため まったくの探索的段階には不向き  →ある程度まで要因や水準が具体的に    絞られた段階で用いる分析方法 すでにとったデータを後から処理することはできない   →コンジョイント分析のために計画した調査票を   用いて行わなければならない ニーズとサービスの橋渡しのための調査手法  →調査結果を具体的に実現させやすいという    特徴を有効に活用してこそ真価を発揮

まとめ 予測性の高さ →具体的な内容を提示して回答させるため 「どこから着手すればよいか」の指針をえるため まったくの探索的段階には不向き  →具体的な内容を提示して回答させるため    実際に回答者の行動予測がやりやすい 「どこから着手すればよいか」の指針をえるため まったくの探索的段階には不向き  →ある程度まで要因や水準が具体的に    絞られた段階で用いる分析方法 すでにとったデータを後から処理することはできない   →コンジョイント分析のために計画した調査票を    用いて行わなければならない ニーズとサービスの橋渡しのための調査手法  →調査結果を具体的に実現させやすいという    特徴を有効に活用してこそ真価を発揮

まとめ 予測性の高さ →具体的な内容を提示して回答させるため 「どこから着手すればよいか」の指針をえるため まったくの探索的段階には不向き  →具体的な内容を提示して回答させるため    実際に回答者の行動予測がやりやすい 「どこから着手すればよいか」の指針をえるため まったくの探索的段階には不向き  →ある程度まで要因や水準が具体的に    絞られた段階で用いる分析方法 すでにとったデータを後から処理することはできない   →コンジョイント分析のために計画した調査票を   用いて行わなければならない ニーズとサービスの橋渡しのための調査手法  →調査結果を具体的に実現させやすいという    特徴を有効に活用してこそ真価を発揮

おわりに コンジョイント分析でもっとも難しいのは,設問のたてかた 調査票の作成までに,全体の時間配分の7割を割くぐらいの調査計画が大切 これによって調査結果を意図的に歪めることさえ可能 調査票の作成までに,全体の時間配分の7割を割くぐらいの調査計画が大切

コンジョイント分析関係の書籍 ・岡本眞一:コンジョイント分析.ナカニシヤ出版 ¥2,000 ・代喜一 :コンジョイント分析.データ分析研究所       ¥2,000 ・代喜一 :コンジョイント分析.データ分析研究所       ¥5,000 ・真城知己:SPSSによるコンジョイント分析.       東京図書 ¥2,800