MaxDiff系列（五）MaxDiff的数据分析

这一节我们将介绍MaxDiff最重要的一个部分，即如何分析Maxdiff数据。文章内容可能数学味道浓一些，但是别担心，绝大多数的计算只需要中学数学水平。我们希望大家明白，MaxDiff的分析并不是黑箱子，而恰恰相反，是非常简单和符合直觉判断的。

在估计Maxdiff题目中每个对象的偏好效用得分时，分层贝叶斯算法（Hierarchical Bayesian）是目前最普遍采用的方法，但这种方法比较耗时，且原理不太容易理解，很多人一看到分层贝叶斯这几个字，顿觉云里雾里（当然，在本节最后，我会简介这种方法的原理）。那么是否能够通过简单的方法来解释MaxDiff数据分析的原理呢？是否可以通过一些简单的计算方法也能保证较高的偏好估计准确性呢？

接下来我们会介绍一种常见的快捷计算方式。这个分析方式不但易于理解和计算，而且在很多情形下准确性也不亚于分层贝叶斯算法估算出来的偏好效用。

计数分析(Countinganalysis)

对于Maxdiff数据，最简单的分析方式无疑是计数分析。顾名思义，这种方法就是合计每个对象被选择为“最好”和“最差”的次数，然后进行推算的分析方法。

假设我们的MaxDiff里有8个对象，我们设置了6个任务，每个任务里随机出现4个对象，受访者每次从4个对象中选出一个“最好”和“最差”的对象。

基于上述条件，一个良好的设计能保证每个对象恰好出现3次（分别出现在3个任务中），例如下面的设计：

 对于以上的设计而言，无论哪个对象，在这样的MaxDiff问题中被选择为“最好”或“最差”的情形都只能是以下10种结果之一。

精彩全文请点击：MaxDiff系列（五）MaxDiff的数据分析