问卷分析
联合分析CBC
每次摆出两三张完整成品卡，只准挑一张（或都不买），用被选次数估计轮廓份额，而不是给每张卡打 1–9 分。
这篇能回答什么
选择式联合（Choice-Based Conjoint，CBC）回答的是「这三款同时在货架上，哪一款会被拿走」。受访者看见的是带齐属性的成品，不是单独给品牌打分。份额来自选择次数，解释用离散选择：效用高的轮廓被选概率更高，但概率不是效用本身。
教学结果把 267 次有效选择记到三个轮廓：轮廓 A 57 次（21.35%），轮廓 B 71 次（26.59%），轮廓 C 139 次（52.06%）。C 过半，比 50% 多 2.06 个百分点；A+B 合计 47.94%，两张较弱的卡加起来仍少于 C。解读时把 A/B/C 当成三款竞争成品，例如「品牌 B + 中价 + 长续航」「品牌 A + 高价 + 短续航」「品牌 A + 低价 + 中续航」。
如何选择方法
CBC 的标记是「互斥拿走」。同一人可以给十张卡都打 8 分，评分联合仍能跑，但十张 8 分推不出货架份额。MaxDiff 拉开的是项目重要性，拼不出「低价配中续航」这张卡。KANO 给类型，不给被选概率。
CBC（本页）：实验设计轮廓 + 每次任务的选择；输出轮廓份额与（完整模型下的）水平效用。
评分式联合：偏好分 OLS，重要性来自效用极差，默认不做份额。
MaxDiff：最佳/最差项目，重要性份额不是产品份额。
KANO：正反向归类，与货架选择无关。
输入、输出与限制
输入
标准长表包含任务编号、该任务里每张卡的属性水平、被选中的那张卡（或「都不选」）。教学结果把一次选择压成轮廓 A/B/C 三档。工作台若用三列定类字段演示，请把三类读成三张成品卡，不要读成人口学分组。文本与设计表的 conjoint 工作表是评分长表，要改成「每次三选一」才能称为 CBC 任务。
轮廓属性：能还原每张卡的品牌、价格档、续航等水平。
选择结果：每个任务 1 个被选轮廓，可选「都不买」；分析列 1–20 个。
输出
结果表列出轮廓 A/B/C 的被选频数、占比与有效 N。条形图横轴为权重/份额，C 接近 0.52、B 接近 0.27、A 接近 0.21，应与表一致。完整 CBC 还会给出水平效用与「换一张卡之后份额怎么变」；本页先把三张卡的实证份额读准。
产品限制
N=267 是有效选择次数；一人 8 个任务时人数远小于 267。
没有「都不买」时，份额是货架内相对份额，偏乐观。
正交或随机设计不平衡时，原始被选次数会偏向常出现的水平，模型效用比原始频数更干净。
图只画三个轮廓；更多卡片时以表为准。
评分式联合的部分效用不能直接当成本页的份额。
案例
研究问题。 上市前要在三款配置里定主力：一款堆长续航但品牌弱，一款品牌强但又贵又短续航，一款品牌强、价低、续航中等。团队需要「三张同时出现时谁会被拿走」，而不是再收一轮 1–9 分。
教学结果有效选择 267 次。轮廓 C 139 次、过半；B 71 次；A 57 次。若把 C 读成「品牌 A + 低价 + 中续航」，它与评分式联合练习表里的纸面最优方向一致，但这里的 52.06% 是被选份额，不是那张表上的部分效用。下载示例后先看 conjoint 工作表理解属性，再按选择任务理解本页三类。
在 StatsX 中操作
步骤 1 · 准备选择任务长表
每行一次挑选：任务号、各卡属性、选了哪张。评分表（一人一行一个分数）不是 CBC。
步骤 2 · 属性水平保持可辨认
画像里品牌、价格档、续航应是少量水平。把偏好分再当一张「卡」，选择模型会失去成品含义。
步骤 3 · 搜索联合分析CBC
目录搜「CBC」。可用不代表当前文件已经是选择设计。
步骤 4 · 把三类写成三张卡
分析变量指向轮廓与选择列（1–20）。运行后立刻把类别 A/B/C 翻译成配置清单，写进方法。
步骤 5 · 份额与效用分开读
先核 57/71/139 是否等于你的任务计数。再谈水平效用或「把 C 的低价改成高价后份额掉多少」——那一步需要模型，不是把 52.06% 减一个整数。
如何阅读输出
下表有效选择 267。轮廓 A 57 次、21.35%；轮廓 B 71 次、26.59%；轮廓 C 139 次、52.06%。条形图的权重/份额应落在约 0.21、0.27、0.52。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| 联合分析CBC | 类别 A | 频数 | 57 |
| 联合分析CBC | 类别 B | 频数 | 71 |
| 联合分析CBC | 类别 C | 频数 | 139 |
| 联合分析CBC | 合计 | 有效样本 N | 267 |
| 联合分析CBC | 类别 A | 占比(%) | 21.35 |
| 联合分析CBC | 类别 B | 占比(%) | 26.59 |
| 联合分析CBC | 类别 C | 占比(%) | 52.06 |
左右滑动可查看完整表格
教学示例表在 StatsX 工作台中的计算结果口径。
C 过半，只说明在这组三选一里它最常被拿走。若任务里 C 出现的次数本来就更多，原始频数会偏袒它，必须用设计权重或模型效用再看。A 的 21.35% 不是「没人要」，它在另一组对照卡里可能翻身。把 C 定成唯一 SKU 之前，先做「去掉 B」或「C 改高价」的份额模拟，看 52% 还剩多少。
和评分式联合对照时：那张练习表 R² 很低，纸面最优「A+低+中」只是系数拼盘；本页 52.06% 是选择计数。两者方向碰巧都偏向品牌 A 配低价，也不能把 0.4255 的部分效用加总当成 52% 的来源。MaxDiff 若排出「续航最重要」，仍可能在 CBC 里输给低价卡——重要性份额与产品份额单位不同。
理论与公式
轮廓 j 的可加效用 V_j 由各属性水平的部分效用相加。在同一任务的集合 S 里，多项 logit 给出选择概率
允许都不买时，S 里增加零效用或单独估计的 no-choice 项。教学表给出的是实证份额 s_j=n_j/n，它等于把多次任务的选择指示平均。当每个任务都是 {A,B,C} 且出现次数相同，s_j 就是这三张卡的市场构成估计：
评分 OLS 的 Y 是分数，CBC 的似然是选择指示。把评分效用直接 softmax，会忽略尺度和「每次只选一个」的约束，份额通常对不上。设计不平衡时，应最大化选择似然，而不是只报原始 57/71/139。
注意事项
陈述选择仍高于真实付款，份额偏乐观。
任务里总出现的明星卡会抬高原始频数。
禁止「都不买」会挤干真实的离开。
一人多任务时不要把 267 写成人数。
KANO 的魅力属性在 CBC 里仍可能输给低价，类型替代不了份额。
常见问题
参考文献
Louviere, J. J., Woodworth, G. Design and analysis of simulated consumer choice or allocation experiments[J]. Journal of Marketing Research, 1983, 20(4): 350–367.
Train, K. Discrete Choice Methods with Simulation. Cambridge University Press, 2009.
Orme, B. Getting Started with Conjoint Analysis. Research Publishers.
Louviere, J. J., Flynn, T. N., Marley, A. A. J. Best-Worst Scaling. Cambridge University Press, 2015.