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   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  交通手段選択の判断 eg.「どのようなサービスが必要ですか？」 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・・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？」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 ?? 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送迎サービス一時預かりサービス宿泊ケアサービス余暇プログラム利用したい 12345 12345 12345 12345 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  eg.「どのようなサービスが必要ですか？」平均値の差がニーズの差になっているだろうか？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タクシー利用券サービス受給券サービス受給現金給付余暇カレッジの講座利用したい 12345 12345 12345 12345 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  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？」１．移動時間早くて，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長時間普通短時間安い普通高い３．快適さ疲れる普通楽ちん４．同伴者相性悪い人２．料金同僚友人？恋人交通手段選択の判断タ）（名義尺度デー 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，楽ちんなすべての条件を同時に見比べて移動手段を用意するのはどこかの条件を妥協している or 現実には難しい（優先させている条件がある）  理想型１．移動時間飛行機長時間普通短時間１．移動時間安い普通高い２．料金３．快適さ疲れる普通楽ちん４．同伴者相性悪い人２．料金同僚友人恋人新幹線１．移動時間長時間普通短時間安い普通高い３．快適さ疲れる普通楽ちん４．同伴者相性悪い人同僚長時間普通短時間安い普通高い普通楽ちん恋人夜行バス長時間普通短時間１．移動時間安い普通高い２．料金３．快適さ疲れる普通楽ちん３．快適さ疲れる４．同伴者相性悪い人４．同伴者相性悪い人２．料金友人同僚友人恋人同僚友人恋人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相対的重要度相対的重要度要因効用値及び図 0 20 40 課程の種類昼間夜間昼夜 -. 064 . 136 -. 072 | |-| １３．２６学習年限１年２年 . 087 -. 087 |-| １１．１１免許状種類一種専修 . 076 -. 076 |-| ９．６７在籍の身分専従免除個人責任 1. 034 -1. 034 | -------| 60 80 ６７．９５ ( 定数項　2. 758) Pear son' s R = . 99 Kendal l ' s t au = . 93 Si gni f i cance = . 00 ( p<. 01) Si gni f i cance = . 00 ( p<. 01) 図１免許状取得希望のコンジョイント分析 (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課程の種類：夜間相対的重要度相対的重要度要因効用値及び図 0 20 40 ＋０．０８７学習年限：課程の種類昼間夜間昼夜 -. 064 . 136 -. 072 | |-| １３．２６＋０．０７６免許状種学習年限１年２年 . 087 -. 087 |-| １１．１１＋１．０３４在籍の身分：専従免除免許状種類一種専修 . 076 -. 076 |-| ９．６７在籍の身分専従免除個人責任 1. 034 -1. 034 | -------| １年類：一種＋２．７５８（定数項）４．０９１全効用 60 ６７．９５ ( 定数項　2. 758) Pear son' s R = . 99 Kendal l ' s t au = . 93 Si gni f i cance = . 00 ( p<. 01) Si gni f i cance = . 00 ( p<. 01) 図１免許状取得希望のコンジョイント分析 80 課程の種類を夜間から昼間に変更－０．０６４課程の種類：昼間相対的重要度相対的重要度要因効用値及び図 0 20 40 ＋０．０８７学習年限：課程の種類昼間夜間昼夜 -. 064 . 136 -. 072 | |-| １３．２６＋０．０７６免許状種学習年限１年２年 . 087 -. 087 |-| １１．１１＋１．０３４在籍の身分：専従免除免許状種類一種専修 . 076 -. 076 |-| ９．６７在籍の身分専従免除個人責任 1. 034 -1. 034 | -------| １年類：一種＋２．７５８（定数項）３．８９１（全効用） 60 ６７．９５ ( 定数項　2. 758) Pear son' s R = . 99 Kendal l ' s t au = . 93 Si gni f i cance = . 00 ( p<. 01) Si gni f i cance = . 00 ( p<. 01) 図１免許状取得希望のコンジョイント分析 80 在籍の身分を専従免除から個人責任に変更＋０．１３６課程の種類：夜間相対的重要度相対的重要度要因効用値及び図 0 20 40 ＋０．０８７学習年限：課程の種類昼間夜間昼夜 -. 064 . 136 -. 072 | |-| １３．２６＋０．０７６免許状種学習年限１年２年 . 087 -. 087 |-| １１．１１－１．０３４在籍の身分：個人責任免許状種類一種専修 . 076 -. 076 |-| ９．６７在籍の身分専従免除個人責任 1. 034 -1. 034 | -------| １年類：一種＋２．７５８（定数項） 60 ６７．９５ ( 定数項　2. 758) ２．０２７（全効用） Pear son' s R = . 99 Kendal l ' s t au = . 93 Si gni f i cance = . 00 ( p<. 01) Si gni f i cance = . 00 ( p<. 01) 図１免許状取得希望のコンジョイント分析 80 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＋０．１３６課程の種類：夜間＋０．０８７学習年限：１年＋０．０８７学習年限：１年＋０．０７６免許状種類：一種＋０．０７６免許状種類：一種＋１．０３４－１．０３４＋２．７５８在籍の身分：専従免除（定数項）＋２．７５８在籍の身分：個人責任（定数項）３．８９１（全効用）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相対的重要度相対的重要度要因効用値及び図 0 20 40 課程の種類昼間夜間昼夜 -. 064 . 136 -. 072 | |-| １３．２６学習年限１年２年 . 087 -. 087 |-| １１．１１免許状種類一種専修 . 076 -. 076 |-| ９．６７在籍の身分専従免除個人責任 1. 034 -1. 034 | -------| 60 80 ６７．９５ ( 定数項　2. 758) Pear son' s R = . 99 Kendal l ' s t au = . 93 Si gni f i cance = . 00 ( p<. 01) Si gni f i cance = . 00 ( p<. 01) 図１免許状取得希望のコンジョイント分析 (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例）１．要因と水準の決定  要因数は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例）  すべての水準の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＝２１６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  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）課程の種類学習年限免許状種類在籍の身分・・・・・・・・・・・・夜間１年専修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１２３４５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  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￥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