Latent structureMultivariate analysis

Phân tích liên hợp mạnh mẽ

Phân tích liên hợp mạnh mẽ phân tách sở thích của người trả lời đối với các sản phẩm hoặc dịch vụ đa thuộc tính thành các tiện ích bộ phận (part-worth utilities) đồng thời bảo vệ chống lại ảnh hưởng làm sai lệch của các đánh giá ngoại lai hoặc những người trả lời bất thường. Nó điều chỉnh ước lượng liên hợp cổ điển bằng các kỹ thuật hồi quy mạnh mẽ hoặc tổng hợp mạnh mẽ để các kết luận về tầm quan trọng của thuộc tính vẫn đáng tin cậy ngay cả khi một thiểu số các đánh giá sai lệch đáng kể so với đa số.

Áp dụng với StatMindSắp ra mắtVideoSắp ra mắtDownload slides

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Method map

The neighbourhood of related methods — select a node to explore.

Nguồn tài liệu

  1. Croux, C., Filzmoser, P., & Oliveira, M. R. (2007). Algorithms for Projection-Pursuit Robust Principal Component Analysis. Chemometrics and Intelligent Laboratory Systems, 87(2), 218–225. DOI: 10.1016/j.chemolab.2007.01.004
  2. Green, P. E., & Srinivasan, V. (1978). Conjoint Analysis in Consumer Research: Issues and Outlook. Journal of Consumer Research, 5(2), 103–123. DOI: 10.1086/208721

Cách trích dẫn trang này

ScholarGate. (2026, June 3). Robust Conjoint Analysis. ScholarGate. https://scholargate.app/vi/statistics/robust-conjoint-analysis

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateRobust Conjoint Analysis (Robust Conjoint Analysis). Truy cập ngày 2026-06-15 từ https://scholargate.app/vi/statistics/robust-conjoint-analysis · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026