Search

キーワードを入力してください

マーケティング用語集多変量解析法とは

多変量解析法とは、多くの変数(変量)を総括的に取り扱う分析手法の一分野で、利用目的によって使い分けられます。

変数を総合化する手法

因子分析、主成分分析

いま20個のブランドがあってそれぞれを5つの製品属性評価(変数)で測定するものとします。そのデータを用いてそれらのブランドを位置づけするには5次元空間が必要です。もし5つの変数を総合化して、2次元または3次元に圧縮できればブランドの位置をグラフに描いて視覚化することが可能となります。上の2つの手法では総合化された新しい変数をそれぞれ因子、主成分と呼んでいます。(図参照)

重回帰分析、判別分析

同じ一つのブランドでも消費者により属性評価が異なり購入意向も異なります。この場合、属性評価を説明変数(複数)、購入意向を目的変数(1個)として、前者を総合化することによって後者を推測しようとします。つまりある人の属性評価からその人の購入意向の度合いを知ろうとするわけで、これが重回帰分析です。目的変数が購入・非購入の2カテゴリーのときは、分析結果から買うか買わないかがわかればいいので、これは判別分析となります。

変数間の距離を用いる手法

クラスター分析

ブランド間の距離を属性評価データによって計算するものとします。3次元までは距離を実感できますが、それ以上次元が多くなると実感はできません。しかし、定義した距離式を用いて計算上の距離を求めることは可能です。それによってブランド間の距離の遠い近いを識別することができるので、互いに近くにまとまっているブランドを括ってクラスターとすることも可能です。同じクラスター内は似たような属性評価のブランドとなります。もし因子または主成分を用いてクラスターを作るとクラスターはグラフ上に視覚化できます。

多次元尺度法

ブランド間の距離を空間に表すにはもとの次元数の空間が必要です。ここで距離尺度を順序尺度に変換すると、もとの正確な距離の比較が 「より遠い」「より近い」というアバウトな比較になり、次元数は節約されます。もし3次元空間に4つのブランドがあったとするとブランド間の距離は6通りあります。これを2次元平面に忠実に表現はできませんが、距離の順序(1位-6位)が合えばよいのなら表現は可能です。これを利用したのが多次元尺度法で、次元数圧縮の一つの手段です。

カテゴリーを数量データに変換する手法

数量化I~III類

説明変数がカテゴリーの場合、それぞれのカテゴリーにスコアを与えて分析するいくつかの手法がここに入ります。主なものは次のようで、上の各手法に対応します。

コンジョイント分析

目的変数が順序尺度ですが、最終的に各カテゴリーに効用値というスコアを与えるのでこの分類に入ります。

関連サービス