案例：结合分析法在上海通用赛欧汽车市场定位中的运用
在结合分析中，轮廓是由研究人员事先按照某种因子结构（factorial structure）采用部分因子正交实验加以设计的。

结合分析有三个主要目的：（1）确定消费者赋予某个预测变量（水平）的贡献和效用（utilities）以及属性的相对重要性（2）寻找消费者可接受的某种产品的最佳市场组合，这种组合最初可能并没有被消费者所评价（3）模拟市场，估计市场占有率和市场占有率变化。

为了达到这些研究目的，首先要估计不同属性水平的效用，进一步计算出属性的相对重要性（Attributes relative importance）和轮廓效用（profile utilities），以便定量化地测量消费者的偏好，然后基于消费者的偏好采用最大效用模型估计市场占有率。

在确认了属性水平后，我们通过SPSS来进行正交实验设计。

我们可以依次定义每一个属性和水平，SPSS软件最多提供每个属性有9个水平的可能性，所以如果水平数太多就要考虑其它方法，或者进行相应的变换，当然，如果属性的水平数越多代表了你越重视它，将来的分析相当重要性就会高！
正交实验设计方法，在SPSS是比较简单的，人为的控制不多，我们只能寄希望SPSS 的正交实验设计给我们一个号的结果，但没有评估设计效应的指标。

如果你希望下次得到同
样的正交设计集，必须设定一样的随机种子！
设计好后，先不用运行，先要“粘贴”下来，也就是把语法粘贴下来，因为Conjoint Analysis分析方法在SPSS中没有窗体命令，必须用语法执行！
正交实验设计生成了16张卡片，同时也是随机卡片集，并产生两个系统变量，不要改变变量名称，其中：STATUS_值标 1-Design 2-Holdout 3-Simulation。

这16张卡片代表了对432种组合产品的代表性，原则上即使有不理想或不现实的卡片出现，也不要没理由的删除！在SPSS系统分析中，最好考察属性水平设定的问题，而不要随意改变！下面我们就要考虑收集被访者评价信息了，当然也包括卡片的展示方式！
收集到被访者信息后就可以分析了！
注：
全轮廓方法：每一个属性同时展现给消费者
∙样本量：一般消费者研究 100到400之间
∙调查方法：派调查员面访face-to-face
∙因子设计：属性和水平数目不太多 (<20个最多不超过30个)
∙部分因子设计: 正交排列法 orthoplan
∙估计主效应（ main effect )
∙产品/服务的概念（轮廓）事先设计和确定。

∙调查可以采用纸张或计算机辅助访问。

最小轮廓数选择：NC=NL - NA + 1 ，
其中: NC：最小组合轮廓数
NL：所有属性水平数的和
NA：所有属性数的和
例如：六个属性，每个属性有4个水平，可能组合数=4×4×4×4×4×4=4096（种），最小组合数=（4+4+4+4+4+4）- 6+1=19（种）推荐组合轮廓数：最小轮廓数的
1.5 到 2 倍
案例来源：/
问题：
1、通过分析可以看出赛欧车的最佳市场定位是什么？
2、男性消费者与女性消费者对赛欧车有什么不同的偏好？。