Conjoint analysis by merging attributes

Purpose: A large number of attributes with mixed levels are often considered in the conjoint analysis. The respondents may have difficulty with scoring their preferences accurately because of many attribute items involved in each survey question. We research on the technique for reducing the number of attribute items. Methods: In order to reduce the number of attribute items in a survey question, we make a new attribute by merging two original attributes. A 'No question' option is also included as a new level in a merged attribute. Results: We propose BIB $6^4$ design in the case where we have four attributes with 2 levels and 3 levels, respectively and then analyze all the respondents survey data generated by the repeated simulation study in order to compare various model selection methods. Conclusion: How to reduce the number of attribute items is proposed and how to design and analyze the survey data are illustrated.

속성 병합에 의한 컨조인트 분석

본 연구는 컨조인트 분석에서 고려하고자 하는 속성의 수가 많은 경우 속성들의 병합을 통해 문항 당 묻는 속성의 수를 줄이는 방법을 제안한다. 속성 병합에 의한 문항 설계의 경우에 각 문항에 대한 응답자의 더욱 일관된 응답을 기대할 수 있어서 응답의 정확도를 높일 수 있다는 점에서 제안된 방법의 의의를 찾을 수 있다. 사례분석으로 2수준과 3수준 속성이 각각 4개인 $2^4{\times}3^4$ 문항 설계를 위하여 제안된 속성 병합 설계를 이용하여 블록의 크기가 36인 블록화 $6^4$ 설계를 생성하고, 각각의 문항에 대한 응답자들의 선호도 점수를 시뮬레이션 모형에 의해 생성하기 위해 주효과 A, C, V, W와 이인자 교호작용효과 AV, AW를 이용한 효용함수를 가정한다. 축차적인 변수 선택법과 모형 선택 기준에 따라서 1000회 반복된 시뮬레이션 모형에 의해 생성된 문항 자료를 분석하여 각 방법의 power를 비교한 결과, 보수적으로 변수를 선택하는 방법인 BIC를 기준으로 한 변수선택법과 유의수준을 0.01로 하는 본페로니 보정된 유의 수준값을 사용한 전진적 선택법이 적절한 모형 선택 방법으로 추천된다. 속성 병합 설계를 사용하는 경우에는 병합된 속성들 간의 교호작용효과를 추정할 수 없게 된다는 단점이 있다. 특정한 속성들 간의 교호작용효과가 존재할 가능성이 높다고 알려진 경우에는 실무 담당자들이 속성 병합 설계시에 병합되는 속성들의 배치를 조절해 잠재적인 속성들의 이인자 교호작용효과들은 추정가능하게 함으로써 이 문제는 해결 할 수 있다.