最近，我去商店旅行时，我清单上的其中一项是苹果。 当我到达农产品区的苹果货架时，我被众多的苹果品种弄得不知所措。 这与我童年的红色美味、格兰尼史密斯或金色美味的时代相去甚远。 店里有20多个品种的苹果，我不知道哪个最好吃。 回到家后，我和妻子凯利讨论了这个问题。
我：“店里有 20 多种苹果。 我们怎么知道我们选择的是最好吃的？”
凯利： “那太多了。 你有没有像我说的那样捡到三个？”
我： “有那么多可以尝试，我怎么能只选三个呢？”
凯利：“你得到了多少个苹果？”
我： “十六个，八个不同品种中的两个。”
凯利： “我们要用 16 个苹果做什么？”
我： “2018 年苹果品鉴会！ 幸好家人在城里度假。 他们可以帮助判断。”
凯利（带着一丝讽刺）： “哦，快乐。”
我决定在JMP来运行这个实验。 用于研究的八种苹果是 Ambrosia、Honey Crisp、McIntosh、Pink Lady、Gala、Fuji、Snap Dragon 和 Opal。 这项研究的测试者都是参加我们感恩节庆祝活动的九个人：我的孩子、我的妻子、我的姐姐、我的父母、我妻子的父母和我自己。
我向每个人解释了这项研究的工作原理：“每个人都会尝试三个苹果，然后从三个苹果中选出他们最喜欢和最不喜欢的。”
我的女儿佩顿回答说：“我不喜欢苹果。”
凯利说：“这似乎有很多苹果要尝试。”
我姐姐贝丝问道：“酒在哪儿？”
Apple Taste-Off 2018 的热情显而易见。 我切碎了所有的苹果，并给它们贴上了 1 到 8 的标签，以隐藏品种的身份，从而消除一些偏见。因为他 5 岁并且是苹果爱好者，所以我儿子 Sam 是最愿意测试的人并开始品尝苹果。
My son, Sam, enthusiastically kicked off Apple Taste-Off 2018.My son, Sam, enthusiastically kicked off Apple Taste-Off 2018.My son, Sam, enthusiastically kicked off Apple Taste-Off 2018.My son, Sam, enthusiastically kicked off Apple Taste-Off 2018.我的儿子 Sam 热情地开始了 Apple Taste-Off 2018。山姆喜欢所有的苹果，但他自己挑选了。 每个测试人员尝试了四组选择，每组三个苹果，（也许凯利对很多苹果的看法是正确的）并做出了他们的选择。 对于 MaxDiff 研究，最喜欢的苹果得到 1 的响应，最不喜欢的苹果得到 -1 的响应，而中间的苹果得到 0 的响应。 以下是如何输入响应的示例。
随着研究的进行，很明显存在不同的口味，而且似乎并不是最喜欢的。 对于小组中最不喜欢的苹果，似乎确实存在共识。 当我的岳母丽莎品尝苹果时，情况是这样的：
我： “好的，再试试3号苹果。”
丽莎： “呃，那是我喂狗吃的。”
我： “你能再试一次吗？”
丽莎：“我只记得它是我最不喜欢的。”
将结果编译到 JMP 中后，我运行了一个 MaxDiff 模型。 结果如下。
对于那些不熟悉 MaxDiff 研究结果的人来说，边际效用是感知价值的指标。 边际效用越高，苹果味的价值就越大。 在这种情况下，Ambrosia、Honey Crisp 和 Pink Lady 是评分最高的苹果。另外，您可能会猜到哪个苹果是我婆婆不想吃两次的。 边际概率是受试者会选择该苹果口味而不是所有其他口味的估计概率。 似然比检验表明苹果的品种对检验人员有影响。 如果多样性不影响人们的投票方式，则 Prob>ChiSq（或 p 值）会更大。 好吧，现在让我们比较苹果与苹果。
要阅读此报告，请在行中选择您感兴趣的苹果，然后将其与列中的苹果进行比较。 例如，如果我们查看比较 Ambrosia（行）和 McIntosh（列）的方框，顶部的数字显示了两个苹果之间边际效用的差异，在本例中为 ~1.47。 中间的数字是该差异的标准误差 ~0.508。 底部以红色突出显示的数字是偶然发生差异的概率或 p 值 0.00712。 较小的 p 值表示具有很强的统计显着性，并且被涂上较深的阴影以表示苹果在统计上更具差异性。 红色阴影与边际效用的增加有关，蓝色则与减少有关。
结论是家人没有找到明确喜欢的苹果品种，但我们确实找到了下一次家庭聚会应该跳过的苹果品种。
注意：附上我的苹果比较测试数据（见下文）供您尝试。
嗨，Pete - 如果您能将您的数据和分析发布到 JMP Public，那就太棒了！
我自己就是一个 Honey crisp 人。
谢谢！
埃里克
对我来说听起来很有趣。 皮特，我很抱歉你的家人没有分享你的热情！ 他们应该感谢您使用了 MaxDiff 研究。 看看他们对更传统的消费者研究会有何反应会很有趣。 我很确定会有更多的抱怨。
