最近，我去商店旅行時，我清單上的其中一項是蘋果。 當我到達農產品區的蘋果貨架時，我被眾多的蘋果品種弄得不知所措。 這與我童年的紅色美味、格蘭尼史密斯或金色美味的時代相去甚遠。 店裡有20多個品種的蘋果，我不知道哪個最好吃。 回到家後，我和妻子凱利討論了這個問題。
我：“店裡有 20 多種蘋果。 我們怎麼知道我們選擇的是最好吃的？”
凱利： “那太多了。 你有沒有像我說的那樣撿到三個？”
我： “有那麼多可以嘗試，我怎麼能只選三個呢？”
凱利：“你得到了多少個蘋果？”
我： “十六個，八個不同品種中的兩個。”
凱利： “我們要用 16 個蘋果做什麼？”
我： “2018 年蘋果品鑑會！ 幸好家人在城裡度假。 他們可以幫助判斷。”
凱利（帶著一絲諷刺）： “哦，快樂。”
我決定在JMP來運行這個實驗。 用於研究的八種蘋果是 Ambrosia、Honey Crisp、McIntosh、Pink Lady、Gala、Fuji、Snap Dragon 和 Opal。 這項研究的測試者都是參加我們感恩節慶祝活動的九個人：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。
我向每個人解釋了這項研究的工作原理：“每個人都會嘗試三個蘋果，然後從三個蘋果中選出他們最喜歡和最不喜歡的。”
我的女兒佩頓回答說：“我不喜歡蘋果。”
凱利說：“這似乎有很多蘋果要嘗試。”
我姐姐貝絲問道：“酒在哪兒？”
Apple Taste-Off 2018 的熱情顯而易見。 我切碎了所有的蘋果，並給它們貼上了 1 到 8 的標籤，以隱藏品種的身份，從而消除一些偏見。因為他 5 歲並且是蘋果愛好者，所以我兒子 Sam 是最願意測試的人並開始品嚐蘋果。
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.我的兒子 Sam 熱情地開始了 Apple Taste-Off 2018。山姆喜歡所有的蘋果，但他自己挑選了。 每個測試人員嘗試了四組選擇，每組三個蘋果，（也許凱利對很多蘋果的看法是正確的）並做出了他們的選擇。 對於 MaxDiff 研究，最喜歡的蘋果得到 1 的響應，最不喜歡的蘋果得到 -1 的響應，而中間的蘋果得到 0 的響應。 以下是如何輸入響應的示例。
隨著研究的進行，很明顯存在不同的口味，而且似乎並不是最喜歡的。 對於小組中最不喜歡的蘋果，似乎確實存在共識。 當我的岳母麗莎品嚐蘋果時，情況是這樣的：
我： “好的，再試試3號蘋果。”
麗莎： “呃，那是我餵狗吃的。”
我： “你能再試一次嗎？”
麗莎：“我只記得它是我最不喜歡的。”
將結果編譯到 JMP 中後，我運行了一個 MaxDiff 模型。 結果如下。
對於那些不熟悉 MaxDiff 研究結果的人來說，邊際效用是感知價值的指標。 邊際效用越高，蘋果味的價值就越大。 在這種情況下，Ambrosia、Honey Crisp 和 Pink Lady 是評分最高的蘋果。另外，您可能會猜到哪個蘋果是我婆婆不想吃兩次的。 邊際概率是受試者會選擇該蘋果口味而不是所有其他口味的估計概率。 似然比檢驗表明蘋果的品種對檢驗人員有影響。 如果多樣性不影響人們的投票方式，則 Prob>ChiSq（或 p 值）會更大。 好吧，現在讓我們比較蘋果與蘋果。
要閱讀此報告，請在行中選擇您感興趣的蘋果，然後將其與列中的蘋果進行比較。 例如，如果我們查看比較 Ambrosia（行）和 McIntosh（列）的方框，頂部的數字顯示了兩個蘋果之間邊際效用的差異，在本例中為 ~1.47。 中間的數字是該差異的標準誤差 ~0.508。 底部以紅色突出顯示的數字是偶然發生差異的概率或 p 值 0.00712。 較小的 p 值表示具有很強的統計顯著性，並且被塗上較深的陰影以表示蘋果在統計上更具差異性。 紅色陰影與邊際效用的增加有關，藍色則與減少有關。
結論是家人沒有找到明確喜歡的蘋果品種，但我們確實找到了下一次家庭聚會應該跳過的蘋果品種。
注意：附上我的蘋果比較測試數據（見下文）供您嘗試。
嗨，Pete - 如果您能將您的數據和分析發佈到 JMP Public，那就太棒了！
我自己就是一個 Honey crisp 人。
謝謝！
埃里克
對我來說聽起來很有趣。 皮特，我很抱歉你的家人沒有分享你的熱情！ 他們應該感謝您使用了 MaxDiff 研究。 看看他們對更傳統的消費者研究會有何反應會很有趣。 我很確定會有更多的抱怨。
