本博客以评估多个产品的特性为例，使用“Cochrann's Q检验”作为检查产品之间评估一致性的方法，并使用“对应分析”作为检查产品与评估之间关系的方法。我会告诉你如何做。
“Cochran's Q test”可能是一种鲜为人知的测试方法，但它作为评估多个产品的测试方法（如本例）很有用。请务必使用它。
多种罐装咖啡特性比较
例：7种罐装咖啡的甜味、烘焙感、苦味等评价
对于7种罐装咖啡（A、B、C、D、E、F、G），12名小组成员（评估员）评估了咖啡的以下5个特征
香气: 气味
酸度： 酸的
甜度: 甜度
苦味: 苦涩的感觉
烘烤度: 烤味
评价
每位评审员都检查了强烈感受到上述特征的每罐装咖啡。
如本例所示，评估者检查产品的相应特征（评估项目），统计检查次数，并检查产品的特征。 CATA（勾选所有适用项）法案它主要用于市场营销研究。
下面的股票图表总结了评估结果。值为“1”表示已检查，值为“0”表示未检查。简而言之，对于每种咖啡和每个特征（项目），1 的比率越高，小组成员感受到该特征的次数就越多。
此时，Cochran 的 Q 检验用于检验产品之间对某个功能的检查百分比是否存在差异。
Cochran 的 Q 检验是一种检查三个或更多配对二元变量（具有两个值的分类数据）的变量之间的比例是否存在差异的方法。
在这个例子中，评估了7种罐装咖啡，因此有3个或更多变量，并且小组成员正在评估多种罐装咖啡，因此数据具有对应性。而且，评估只能取“1”或“0”两个值，因此是二进制数据，满足使用Cochran Q检验的要求。
多重对应分析和 Cochran's Q 检验
JMP 提供 Cochran Q 检验作为多重对应分析中的选项。让我们对这个罐装咖啡评估示例进行 Cochran 的 Q 检验。
上一节中的股票图表是根据以下数据表创建的。
项目：特征（5个评价项目）
小组成员：评价者（P1～P12 12人）
咖啡A到咖啡G ：7种罐装咖啡。勾选各功能时输入“1”，未勾选时输入“0”。
分析 > 多变量 > 多重对应分析，按左下图所示分配列，并从显示的分析报告左上角的红色三角形按钮对应分析 > Cochran 的 Q 检验选择。
在五个评估项目中，此处显示了 Binnerness 和 Aroma 两个报告。对应分析报告与 Cochran's Q 检验报告一起显示。
如果检验的显着性水平为 0.05，则图左上方的“苦味”的 p 值为 0.0134，表明存在显着性差异；图右上方的“香气”的 p 值为 0.3946，表明没有显着性差异。显着差异。
由此可以说，7种罐装咖啡感受到的苦味比例存在差异，但不能说香气存在差异。
这个解释从对应分析图中也可以直观地知道。
对应分析为每种咖啡绘制了“0”和“1”点，但苦味 0 和 1 的位置并不靠近，而是在二维上混合。这是一种产品之间评级不存在相似性的状态。另一方面，对于Aroma，“0”位于左侧，“1”在某种程度上位于右侧，因此可以说评价存在相似性。评级相似表明产品之间没有差异。
实际上，Cochran的Q检验是针对五个特征（评估项）进行的，因此从右键菜单中【连接创建数据表】将它们全部显示在一张表中。
香气以外的项目存在显着差异，即，产品之间对甜味、烘焙度、苦味和酸味的评价不同。
通过基于列联表的对应分析进行产品定位
我们将上述数据中 Item 和 Coffee 的出现频率进行聚合，并对聚合后的数据进行对应分析。目的是根据Coffee和Item的双向分析表进行对应分析，考察产品与评价项目之间的关系。
显示对应分析报告。维度 1（横轴）解释了 66% 的变异，维度 2（纵轴）解释了 22.5% 的变异，因此这两个维度也解释了数据中 88.5% 的变异。可以说，二维图足以展示产品和端点之间的关系。
查看对应分析报告，可以看出B、C、D分别是苦味和烘焙味，F是酸度，A是罐装咖啡，有甜味。
这样，对应分析报告就可以二维地映射类别之间的关系。例如，可以方便地以通俗易懂的方式说明自己公司的产品特点与其他公司产品的差异、产品的定位等。
作者：Naohiro Masukawa（JMP 日本）
