Best—Worst Scaling方法綜述

摘 要：關(guān)于測(cè)量市場(chǎng)和消費(fèi)者行為的方法，現(xiàn)有的研究大都是用李克特量表直接測(cè)量，然而這種方法有很多弊端，據(jù)此得到的調(diào)查數(shù)據(jù)質(zhì)量并不高?；诖?，有學(xué)者發(fā)明了一種更加準(zhǔn)確的方法——Best—Worst Scaling。文章主要介紹了Best—Worst Scaling方法的背景與內(nèi)涵、該方法的具體操作步驟、后期數(shù)據(jù)分析的方法以及該方法在各個(gè)領(lǐng)域的具體運(yùn)用。

關(guān)鍵詞：市場(chǎng)；消費(fèi)者行為；Best—Worst Scaling方法

中圖分類(lèi)號(hào)：F713.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1008-4428（2018）05-66-02

一、 Best—Worst Scaling方法的背景與內(nèi)涵

Best—Worst Scaling方法是對(duì)成對(duì)比較法的一種改進(jìn)，早在20世紀(jì)20年代Thurstone博士就建立了一套關(guān)于測(cè)度的理論方法，他將其稱(chēng)為“比較性判斷準(zhǔn)則”（Law of Comparative Judgement）。這套準(zhǔn)則是讓被調(diào)查者將所有的對(duì)象進(jìn)行兩兩比較，最終計(jì)算出每個(gè)對(duì)象的測(cè)量分?jǐn)?shù)，后來(lái)的學(xué)者根據(jù)這種方法的特點(diǎn)將其命名為“成對(duì)比較法”，但是這個(gè)方法實(shí)施起來(lái)效率比較低。

當(dāng)時(shí)Thurstone博士任教于芝加哥大學(xué)，彼時(shí)芝加哥犯罪頻發(fā)，學(xué)者們開(kāi)始研究應(yīng)該如何減少犯罪，如何量刑。Thurstone博士就非常關(guān)注量刑方面的問(wèn)題，他選擇了19種當(dāng)時(shí)比較常見(jiàn)的犯罪行為，以此來(lái)調(diào)查人們對(duì)這19種犯罪行為的嚴(yán)重程度的看法。一般來(lái)說(shuō)，大多數(shù)人會(huì)選擇打分的方式進(jìn)行測(cè)評(píng)，但Thurstone博士認(rèn)為通過(guò)打分得到的結(jié)果往往差異化程度不夠，而且容易受到被調(diào)查者自身習(xí)慣的影響，因?yàn)橛行┍徽{(diào)查者傾向于打高分，有些則傾向于打低分。同樣，如果采用排序的方法，被調(diào)查者很難準(zhǔn)確地完成排序。一般來(lái)說(shuō)，當(dāng)需要排序的對(duì)象超過(guò)7個(gè)時(shí)，被調(diào)查者就很難做出準(zhǔn)確的判斷了，何況這里有19種犯罪行為。最終，Thurstone博士采用了成對(duì)比較法，將這19種犯罪行為進(jìn)行兩兩比較，總共有171（19×（19-1）÷2=171）次成對(duì)比較。盡管這意味著需要花費(fèi)更多的時(shí)間完成更多的問(wèn)題，但被調(diào)查者并不會(huì)覺(jué)得乏味和困難，而且依此得到的數(shù)據(jù)分析會(huì)更加有效和準(zhǔn)確，能獲得更有意義的具有顯著差異性的結(jié)果。

在此基礎(chǔ)上，F(xiàn)inn & Louviere于20世紀(jì)90年代初發(fā)明了Best—Worst Scaling方法，簡(jiǎn)稱(chēng)為BWS，又稱(chēng)為Maximum Difference Scaling，被翻譯為最大差異測(cè)量。這種方法是讓被調(diào)查者分別從多組備選選項(xiàng)中指出“最好的”和“最差的”，然后研究者對(duì)其進(jìn)行賦值，計(jì)算出每個(gè)對(duì)象的所得分?jǐn)?shù)并進(jìn)行排序，便可得出相應(yīng)的結(jié)果。Best—Worst Scaling這種方法就不需要將所有對(duì)象進(jìn)行兩兩比較，被調(diào)查者需要回答的問(wèn)題數(shù)量也大大減少，這樣既保留了成對(duì)比較法的優(yōu)點(diǎn)，又極大程度地提高了成對(duì)比較法的效率。

二、 Best—Worst Scaling方法的具體操作步驟

在開(kāi)始進(jìn)行操作之前，首先需要下載一個(gè)輔助軟件，將需要比較的多個(gè)對(duì)象k進(jìn)行分組。在此可以利用例如SAS、R等軟件，但其中最權(quán)威、功能最豐富、最容易使用和速度最快的軟件是Sawtooth Software。使用Sawtooth Software的MaxDiff模塊時(shí)，只需要輸入需要比較的對(duì)象列表，設(shè)置好相關(guān)參數(shù)，軟件就會(huì)自動(dòng)生成問(wèn)卷。

下一步就是設(shè)置相關(guān)參數(shù)，首先列舉出多個(gè)需要比較的對(duì)象k，由多個(gè)對(duì)象k組成“最好/最差”任務(wù)。一般來(lái)說(shuō)，一個(gè)任務(wù)中包含3—5個(gè)需要比較的對(duì)象m，且要保證每個(gè)對(duì)象至少出現(xiàn)了3—5次。據(jù)此可以推導(dǎo)出一套MaxDiff問(wèn)題中任務(wù)個(gè)數(shù)t的公式：3×k/m≤t≤5×k/m，根據(jù)這個(gè)公式，便可以快速確定所需要的任務(wù)數(shù)量。當(dāng)然，BWS方法對(duì)于樣本量n也有要求，一般來(lái)說(shuō)，必須保證各個(gè)對(duì)象出現(xiàn)的總次數(shù)不少于500次，即（n×m×t）/k≥500。假設(shè)在單個(gè)被調(diào)查者層面上每個(gè)對(duì)象出現(xiàn)至少3次（（m×t）/t=3），那么需要的最小樣本量n為167（500÷3）。從實(shí)際角度來(lái)說(shuō)，如果能夠保證每個(gè)對(duì)象出現(xiàn)3次的話(huà)，樣本量n設(shè)為200是一個(gè)比較可行的選擇。如果為了進(jìn)行一些分組分析或人群細(xì)分分析，需要滿(mǎn)足每個(gè)組別或每個(gè)細(xì)分人群都能滿(mǎn)足上述條件。舉個(gè)例子來(lái)說(shuō)，假設(shè)最終的細(xì)分人群為4—5個(gè)，且需要比較這些細(xì)分人群之間計(jì)算結(jié)果的差異，那么相應(yīng)的樣本量應(yīng)該是800—1000。最后，還有一個(gè)參數(shù)需要注意，就是MaxDiff問(wèn)題的版本數(shù)。版本數(shù)越多，獲得的比較信息就越全面。但是，過(guò)多的版本數(shù)也沒(méi)有必要。一般來(lái)說(shuō)，版本數(shù)控制在4—10左右。同時(shí)，每個(gè)版本對(duì)應(yīng)的樣本數(shù)量不需完全一致。因?yàn)槊總€(gè)受訪(fǎng)者完成的Maxdiff版本是隨機(jī)派發(fā)的，這樣就可以保證每個(gè)版本對(duì)應(yīng)的樣本數(shù)都非常接近。設(shè)置好以上參數(shù)后，Sawtooth Software會(huì)自動(dòng)生成問(wèn)卷。

在生成問(wèn)卷之后，可以通過(guò)以下四個(gè)原則來(lái)判斷MaxDiff實(shí)驗(yàn)設(shè)計(jì)的優(yōu)劣：①每個(gè)對(duì)象出現(xiàn)的次數(shù)均等；②兩兩對(duì)象同時(shí)出現(xiàn)的次數(shù)均等；③對(duì)象出現(xiàn)在每個(gè)任務(wù)中每個(gè)位置的頻率相等；④所有對(duì)象均可相連接。以上這4個(gè)條件實(shí)際體現(xiàn)了兩個(gè)核心要素——公平和效率。保證公平是為了測(cè)度結(jié)果準(zhǔn)確，保證效率是為了節(jié)省時(shí)間和精力。如果不滿(mǎn)足“每個(gè)對(duì)象出現(xiàn)的次數(shù)均等”這個(gè)條件，將會(huì)導(dǎo)致“出鏡率低”的對(duì)象的測(cè)量誤差增大?！皟蓛蓪?duì)象同時(shí)出現(xiàn)的次數(shù)均等”，這也是為了公平起見(jiàn)。“對(duì)象出現(xiàn)在每個(gè)任務(wù)中每個(gè)位置的頻率相等”，是為了消除位置因素導(dǎo)致的影響。因?yàn)槿嗽谟^(guān)察事物時(shí)，眼睛掃描對(duì)象存在一定的方向傾向，第一眼看到的內(nèi)容給人留下的印象往往更加深刻。所以，排在不同位置的對(duì)象往往會(huì)受到這種被關(guān)注次序的影響?！八袑?duì)象均可相連接”，這實(shí)際指的是成對(duì)比較信息的可傳遞性問(wèn)題。假設(shè)只有2個(gè)Maxdiff問(wèn)題，題目一需要在A(yíng)/B/C/D中指出“最具影響/最沒(méi)有影響”的對(duì)象，題目二需要在“E/F/G/H”中指出“最具影響/最沒(méi)有影響”的對(duì)象。這時(shí)無(wú)論如何也無(wú)法推算這兩個(gè)題目的比較信息，因?yàn)榈谝活}中4個(gè)對(duì)象的比較關(guān)系無(wú)法和第二題中4個(gè)對(duì)象的比較關(guān)系建立任何“連接”。

三、 Best—Worst Scaling方法的后期數(shù)據(jù)分析

談到數(shù)據(jù)分析，分層貝葉斯算法是目前被采用最多的方法，但這種方法比較耗時(shí)，且原理不太容易理解。相對(duì)來(lái)說(shuō)，最簡(jiǎn)單的分析方式是計(jì)數(shù)分析，該方法不僅容易理解，而且計(jì)算方便、簡(jiǎn)單。因?yàn)榉謱迂惾~斯算法和計(jì)數(shù)分析這兩種方法最后得到的結(jié)果并沒(méi)有顯著差異，所以使用計(jì)數(shù)分析方法進(jìn)行數(shù)據(jù)分析會(huì)更加方便。

計(jì)數(shù)分析是指統(tǒng)計(jì)每個(gè)對(duì)象被選擇為“最好的”和“最壞的”的次數(shù)，然后把前者的數(shù)值減去后者的數(shù)值就可以得到每個(gè)對(duì)象的偏好分?jǐn)?shù)。比如：某個(gè)對(duì)象在其所出現(xiàn)的4個(gè)任務(wù)中均被選為“最好的”，則其偏好分?jǐn)?shù)被記為最高分4分，如果在其所出現(xiàn)的4個(gè)任務(wù)中均被選為“最壞的”，則其偏好分?jǐn)?shù)被記為最低分-4。一般來(lái)說(shuō)，最后得到的偏好分?jǐn)?shù)的分布會(huì)是正態(tài)分布，也就是說(shuō)總會(huì)有少數(shù)幾個(gè)對(duì)象獲得高分，少數(shù)幾個(gè)對(duì)象獲得低分，盡量拉開(kāi)最好和最差的區(qū)別，也即Maximum Difference。這也是為什么這種測(cè)度方法最終被命名為Maximum Difference Scaling的原因。

四、 Best—Worst Scaling方法在各個(gè)領(lǐng)域中的運(yùn)用

BWS方法在全世界范圍內(nèi)得到了廣泛認(rèn)可，最近由Marley & Louviere（2005）對(duì)其進(jìn)行了詳細(xì)闡述。此后，該方法得到了廣泛推廣，多被運(yùn)用在醫(yī)療保健、社會(huì)科學(xué)等多個(gè)領(lǐng)域（Cohen，2009）。

Auger、Devinney、Louviere（2007）采用了BWS方法，調(diào)查了超過(guò)600位來(lái)自六個(gè)國(guó)家的消費(fèi)者對(duì)社會(huì)和道德問(wèn)題態(tài)度的差異，結(jié)果表明，這六個(gè)國(guó)家的消費(fèi)者對(duì)社會(huì)和倫理問(wèn)題的態(tài)度確實(shí)有一些差異。但是總的來(lái)說(shuō)，被調(diào)查者最看重的是：人權(quán)、童工、安全的工作環(huán)境、良好的生活環(huán)境；最不看重的是：回收包裝、使用動(dòng)物副產(chǎn)品、使用可回收的材料、使用轉(zhuǎn)基因材料。

Lusk（2009）利用BWS方法來(lái)確定消費(fèi)者的食品價(jià)值系統(tǒng)。文章編制了一個(gè)內(nèi)含十一種食物價(jià)值的表格，通過(guò)實(shí)證結(jié)果表明，在消費(fèi)者看來(lái)，食品的安全性、營(yíng)養(yǎng)、口味和價(jià)格是最重要的，而公平、傳統(tǒng)和原產(chǎn)地等食品價(jià)值是最不重要的。

Sun et al.（2009）在研究中運(yùn)用了BWS方法，在北京的各大超市門(mén)口隨機(jī)采訪(fǎng)了超市購(gòu)物者以及大學(xué)生，調(diào)查影響消費(fèi)者購(gòu)買(mǎi)葡萄酒的因素，調(diào)查結(jié)果表明，事先品嘗、葡萄酒產(chǎn)地和品牌是影響消費(fèi)者購(gòu)買(mǎi)決策的三個(gè)最重要的因素。

Louviere et al.（2013）在文章中舉了兩個(gè)運(yùn)用BWS方法的實(shí)證案例，其中在第一個(gè)案例中，被調(diào)查者是420名悉尼、澳大利亞的居民，讓他們從6個(gè)備選旅游地中選出周末最想去度假和最不想去度假的地方，最終根據(jù)每個(gè)旅游地的得分將其進(jìn)行排序，從而得出被調(diào)查者對(duì)這6個(gè)備選旅游地的偏好。

Costanigro、Deselnicu、McFadden（2016）列出了牛奶生產(chǎn)企業(yè)的九個(gè)維度的CSR活動(dòng)，使用BWS的方法來(lái)評(píng)估消費(fèi)者對(duì)牛奶生產(chǎn)企業(yè)的CSR活動(dòng)的看重程度，最終發(fā)現(xiàn)消費(fèi)者最看重的CSR活動(dòng)是動(dòng)物福利和可持續(xù)農(nóng)業(yè)實(shí)踐，而水資源的消耗與社區(qū)活動(dòng)是最不看重的CSR活動(dòng)。

總的來(lái)說(shuō)，Best—Worst Scaling方法的應(yīng)用非常廣泛，尤其是在企業(yè)社會(huì)責(zé)任的研究領(lǐng)域，克服了打分法、排序法、李克特量表在多個(gè)對(duì)象的比較方面的弊端，希望通過(guò)文章的介紹能為相關(guān)領(lǐng)域的研究提供一定的參考和指導(dǎo)。

參考文獻(xiàn)：

[1]MARLEY A A J， LOUVIERE J J. Some Probabilistic Models of Best，Worst， and Best. Worst Choices[J]. Journal of Mathematical Psychology，2005，49（6）：464-480.

[2]COHEN E. Applying best.worst scaling to wine marketing[J]. International Journal of Wine Business Research，2009，21（1）：8-23.

[3]AUGER P， DEVINNEY T M， LOUVIERE J J. Using Best—Worst Scaling Methodology to Investigate Consumer Ethical Beliefs Across Countries[J]. Journal of Business Ethics，2007，70（3）：299-326.

[4]LUSK G. Food Values[J]. American Journal of Agricultural Economics，2009，91（1）：184-196.

[5]SUN H， GOODMAN S， YU Y， et al. Chinese Choices：A Survey of Wine Consumers In Beijing[J]. International Journal of Wine Business Research，2009，21（2）：155-168.

[6]LOUVIERE J， LINGS I， ISLAM T， et al. An introduction to the application of（case 1）best—worst scaling in marketing research[J]. International Journal of Research in Marketing，2013，30（3）：292-303.

[7]COSTANIGRO M， DESELNICU O， MCFADDEN D T. Product differentiation via corporate social responsibility：consumer priorities and the mediating role of food labels[J]. Agriculture and Human Values，2016，33（3）：597-609.

作者簡(jiǎn)介：

張芳，女，湖南衡陽(yáng)人，廣州工商學(xué)院工商管理系教師，碩士，研究方向：市場(chǎng)營(yíng)銷(xiāo)、企業(yè)管理。