การประยุกต์ใช้ Conjoint Analysis ทางเศรษฐศาสาตร์เกษตร

1. การประยุกต์ใช้ Conjoint Analysisทางเศรษฐศาสาตร์เกษตร ดร.รวิสสาข์ สุชาโต การฝึกอบรมเชิงปฏิบัติการสำหรับสำนักงานเศรษฐกิจการเกษตร 18 ส.ค. 2554 ณ สถาบันเกษตราธิการ มหาวิทยาลัยเกษตรศาสตร์

2. ปัญหาของความหลากหลายในตัวสินค้าเกษตรและโครงการช่วยเหลือเกษตรกรปัญหาของความหลากหลายในตัวสินค้าเกษตรและโครงการช่วยเหลือเกษตรกร • สินค้าเกษตรมีคุณลักษณะที่หลากหลาย เช่น ข้าว • พันธุ์: ข้าวหอมมะลิ ข้าวหอมปทุม ข้าวสังหยด • ความหอมของข้าว • ความนิ่มของข้าว • ลักษณะเมล็ด • กากใย • ลักษณะไหนที่เป็นที่ต้องการของตลาด ควรส่งเสริมให้มีการผลิต

3. ปัญหาของความหลากหลายในตัวสินค้าเกษตรและโครงการช่วยเหลือเกษตรกรปัญหาของความหลากหลายในตัวสินค้าเกษตรและโครงการช่วยเหลือเกษตรกร • ลักษณะต่าง ๆ ของโครงการช่วยเหลือเกษตรกร • บริการรวดเร็ว vsผิดพลาดน้อย • ต้องมีสินค้าไปจำนำ vsไม่ต้องมีสินค้าไปจำนำ • ไม่ยุ่งยาก vsโปร่งใส • เข้าใจง่าย • โครงการช่วยเหลือเกษตรกรลักษณะใดที่เป็นที่ต้องการของเกษตรกร ควรสร้างโครงการช่วยเหลือแบบใดที่จะทำให้เกษตรกรเข้าร่วมโครงการเป็นจำนวนมาก

4. ปัญหาของความหลากหลายในตัวสินค้าเกษตรและโครงการช่วยเหลือเกษตรกรปัญหาของความหลากหลายในตัวสินค้าเกษตรและโครงการช่วยเหลือเกษตรกร • ลักษณะการประกันภัยพืชผล • ลักษณะภัยที่คุ้มครอง • ค่าเบี้ยประกันภัย • วงเงินประกันภัย • การจ่ายเงินชดเชย • เราสามารถใช้ Conjoint Analysis ในการวิเคราะห์คุณลักษณะใดของสินค้า(โครงการ)ที่ตลาด(เกษตรกร)ต้องการ เพื่อส่งเสริมให้มีการผลิต (ใช้โครงการ)ที่ประสบความสำเร็จ

5. Conjoint analysis คืออะไร? • Conjoint analysis เป็นเทคนิคที่พัฒนามาจากการศึกษาทางด้านคณิตศาสตร์/สถิติและมีการนำมาปรับใช้ทางด้านเศรษฐศาสตร์ซึ่งอยู่บนพื้นฐานของทฤษฎีอรรถประโยชน์ (Utility) • Lancaster (1971) กล่าวว่าอรรถประโยชน์/ความพึงพอใจ (Utility) ของผู้บริโภคจากการบริโภคสินค้าไม่ได้เกิดมาจากตัวสินค้าโดยตรงแต่ได้มาจากความพึงพอใจในคุณลักษณะต่างๆของตัวสินค้า • Green and Rao (1971) ได้ประยุกต์ใช้ Conjoint analysis ในงานด้านการตลาดโดยนำมาใช้วัดความพึงพอใจของผู้ซื้อต่อทางเลือกในคุณลักษณะสินค้าที่มีความหลากหลาย

6. Conjoint analysis คืออะไร? (2) • ConjointAnalysis เป็นการค้นหาว่าลักษณะสำคัญ (Key attributes) ลักษณะใดของสินค้าหรือบริการ ที่จะสร้างอรรถประโยชน์ (Utility) ให้แก่ผู้บริโภค และที่ระดับใด • Conjoint analysis ถูกนำมาใช้ในการพัฒนาผลิตภัณฑ์ใหม่ๆเพื่อป้อนเข้าสู่ตลาดรวมทั้งยังถูกนำมาใช้ในการปรับปรุงสินค้าและบริการให้ดีขึ้น เพื่อให้สินค้าและบริการที่ผลิตออกมานั้นตรงต่อความต้องการของผู้บริโภคมากที่สุด • Conjoint analysis สามารถถูกนำมาใช้ในการกำหนดราคาของสินค้ารวมทั้งคาดการณ์ส่วนแบ่งการตลาดและหาค่าความน่าจะเป็นที่สินค้าที่ได้รับการพัฒนาขึ้นใหม่จะสามารถจำหน่ายได้ได้อีกด้วย

7. แนวคิดของ Conjoint Analysis • ตัวอย่างเช่น การเลือกที่นั่งบนเครื่องบิน ให้ตัดสินใจเลือกระหว่าง 1.ลักษณะที่นั่ง: นั่งที่เหยียดเท้าได้ กับ ที่นั่งที่เหยียดเท้าไม่ได้ 2. ราคาตั๋ว:28,000 บาท กับ 35,000 บาท 3. การเดินทาง: ไม่มีการ Transit ระยะเวลาเดินทาง 8 ชั่วโมง กับ มีการ Transit ระยะเวลาเดินทาง 15 ชั่วโมง

8. แนวคิดของ Conjoint Analysis (2) • P1. ที่นั่งแคบ + 28,000 + 8 ชม. • P2. ที่นั่งแคบ + 28,000 + 15 ชม. • P3. ที่นั่งแคบ + 35,000 + 8 ชม. • P4. ที่นั่งแคบ + 35,000 + 15 ชม.  The least preferred • P5. ที่นั่งกว้าง + 28,000 + 8 ชม.  The most preferred • P6. ที่นั่งกว้าง + 28,000 + 15 ชม. • P7. ที่นั่งกว้าง + 35,000 + 8 ชม. • P8. ที่นั่งกว้าง + 35,000 + 15 ชม.

9. แนวคิดของ Conjoint Analysis (3) • การพิจารณาเลือกทางเลือกอื่นๆ นอกเหนือจาก P4 ซึ่งผู้บริโภคชอบน้อยที่สุด และ P5 ซึ่งผู้บริโภคชอบมากที่สุด จะเป็นการพิจารณาตัดสินใจซึ่งเกิดจากการเปรียบเทียบทางเลือกต่างๆ หรือการให้ความสำคัญกับปัจจัยในด้านต่างๆ ของผู้บริโภค • นอกจากนี้ ถ้าหากมีข้อมูลส่วนบุคคลของผู้บริโภค ก็จะสามารถทำให้เกิดการพิจารณาแบ่งส่วนตลาดของสินค้าได้ดียิ่งขึ้น เช่น ผู้เดินทางเป็นนักธุรกิจ หรือ ผู้เดินทางเป็นนักเรียน เป็นต้น

10. แนวคิดของ Conjoint Analysis (4) • โดยทั่วไป ในการศึกษาความสัมพันธ์ระหว่างตัวแปร ตัวแปรอิสระและตัวแปรตาม จะต้องมีลักษณะเป็นตัวแปรเชิงปริมาณ (Quantitative data) หรือ ตัวแปรแบบ Metric • สำหรับ Conjoint analysis ซึ่งนิยมใช้ในการศึกษาพฤติกรรมของมนุษย์ ตัวแปรอิสระมักเป็นตัวแปรเชิงคุณภาพ (Qualitative variable) หรือเป็นตัวแปรแบบ Non-metric เช่น คุณลักษณะของสินค้า (Levels of certain variables)ในขณะที่ตัวแปรตามอาจเป็นความพึ่งพอใจโดยรวม การตัดสินใจเลือกซื้อ หรือการยอมรับ (Overall rating or a purchase decision or an adoption decision)

11. แนวคิดของ Conjoint Analysis (5) • The basic model in a CA study is: • U(X) = U1 (X1 )+ U2 (X2 )+… + Un (Xn) • (Metric or Non-metric) (Non-metric) • Value or Utility Utilities of an attribute • ดังนั้นข้อดีของการใช้ CA ก็คือ การนำเอาตัวแปรอิสระที่มีลักษณะเป็น Non-metric มาอธิบายตัวแปรตามที่อาจมีลักษณะเป็น Metric หรือ Non-metric ซึ่งทำให้ไม่จำเป็นต้องมีข้อสมมติที่เกี่ยวข้องกับความสัมพันธ์ระหว่าตัวแปรในเชิงเส้นตรง

12. หลักการของ Conjoint analysis • สมมติว่าบริษัทประกันภัยพืชผลแห่งหนึ่งต้องการที่จะออกผลิตภัณฑ์ประกันภัยใหม่ โดยทางบริษัททราบว่าปัจจัยที่มีผลต่อการตัดสินใจซื้อประกันภัยพืชผลของเกษตรกร คือ วงเงินประกันภัยสูงสุด จำนวนภัยที่คุ้มครอง (ภัยแล้ง ภัยน้ำท่วม ภัยลมพายุ) และค่าเบี้ยประกัน โดยทางเลือกต่าง ๆ มีดังนี้

13. หลักการของ Conjoint analysis (2) • แน่นอนที่สุด คุณลักษณะของประกันฯที่เกษตรกรอยากได้คือ • ในขณะที่คุณลักษณะของประกันภัยฯ ที่บริษัทอยากขายก็คือ

14. หลักการของ Conjoint analysis (3) • บริษัทประกันภัยโดยส่วนใหญ่รู้แน่ชัดอยู่แล้วว่าเกษตรกรต้องการประกันภัยฯ ที่มีวงเงินคุ้มครองและจำนวนภัยที่คุ้มครองมาก ดังนั้นหากจะจัดลำดับในเรื่องของวงเงินคุ้มครองและจำนวนภัยคุ้มครองโดยพิจารณาปัจจัยทั้ง 2 ด้าน แยกส่วนจากกัน ย่อมได้ลำดับดังนี้

15. หลักการของ Conjoint analysis (4) • สมมติว่าถ้าหากทำการพิจารณาปัจจัยในเรื่องของ วงเงินคุ้มครองและจำนวนภัยที่คุ้มครองไปพร้อมๆกันหรือพิจารณาร่วมกัน (Conjointly) โดยให้เกษตรกรทำการจัดลำดับ (Ranking) คุณลักษณะของประกันภัยฯ ที่เป็นได้ทั้งหมด 9 ชนิด (3*3) ทั้งนี้กำหนดให้ราคาเป็นค่าคงที่ค่าหนึ่งผลของการสอบถามเกษตรกรจำนวน 2 รายได้ข้อมูลดังนี้

17. หลักการของ Conjoint analysis (6) • สมมติว่าผลการประเมินค่าความพึงพอใจในแต่ละคุณลักษณะซึ่งเป็นไปตามเงื่อนไขในการจัดลำดับ (Rank orders) ของเกษตรกรรายแรกเป็นดังตาราง

18. หลักการของ Conjoint analysis (7) • ในขั้นต่อมา สมมติว่านำปัจจัยเรื่องเบี้ยประกันมาพิจารณาร่วมกับจำนวนภัยที่คุ้มครองโดยได้ข้อมูลการจัดลำดับความสำคัญดังตาราง

19. หลักการของ Conjoint analysis (8) • ผลการประเมินค่าความพึงพอใจในแต่ละคุณลักษณะซึ่งเป็นไปตามเงื่อนไขในการจัดลำดับ (Rank orders) ของเกษตรกรเป็นดังตาราง (ทั้งนี้กำหนดให้ความพึงพอใจในเรื่องจำนวนภัยคุ้มครองไม่เปลี่ยนแปลง)

20. หลักการของ Conjoint analysis (9) • ดังนั้นจากข้อมูลทั้งหมด สามารถนำมาเขียนแสดงความพึงพอใจของเกษตรกรจำแนกตามปัจจัยและคุณลักษณะต่างๆ ได้ ดังนี้ • จากข้อมูลข้างต้น ทำให้สามารถประเมินความพึงพอใจของเกษตรกรในการประกันภัยฯแบบต่างๆ ได้ นอกจากนี้ยังสามารถนำมาคำนวณหาความน่าจะเป็นที่เกษตรกรจะตัดสินใจซื้อ หรือความเต็มใจจ่ายได้อีกด้วย

21. หลักการของ Conjoint analysis (10) • ตัวอย่างเช่น มีการประกันภัยฯ อยู่ 2 แบบ คือ • 1. วงเงินคุ้มครองสูง (2000 บาท) แต่ครอบคลุมภัยน้อย (1 ภัย) และค่าเบี้ยกลางๆ (90 บาท) • 2.วงเงินคุ้มครองกลางๆ (1600 บาท) แต่ครอบคลุมภัยมาก (3 บาท) และค่าเบี้ยแพง (100 บาท) • ท่านคิดว่า เกษตรกรจะตัดสินใจซื้อประกันภัยฯ ตัวไหน และเพราะเหตุใด

22. หลักการของ Conjoint analysis (11)

23. ขั้นตอนในการทำ Conjoint Analysis • 1. เลือกคุณลักษณะหรือปัจจัย และระดับของคุณลักษณะหรือปัจจัยที่จะใช้ในการศึกษา • 2. สร้างชุดของคุณลักษณะที่เป็นไปได้ และพัฒนาของคุณลักษณะสำหรับการเก็บข้อมูล โดยอาศัยวิธีการ Full fractional factorial design เพื่อให้ได้จำนวนชุดของคุณลักษณะที่เหมาะสมกับการศึกษา • 2.1 หาจำนวนทางเลือกที่เป็นไปได้ทั้งหมด (ผลคูณของระดับหรือประเภทของแต่ละคุณลักษณะ) • 2.2 ตัด/ลด จำนวนทางเลือกบางทางเลือกออก

24. จำนวนทางเลือกทั้งหมด = ผลคูณของระดับหรือประเภทของคุณลักษณะแต่ละคุณลักษณะ (กรณีตั๋วเครื่องบิน : 2x2x2 = 8) จำนวนทางเลือก ทั้งหมด 2x2x2x2 =16

25. ขั้นตอนในการทำ Conjoint Analysis (2) • ออกแบบลักษณะวิธีการเก็บรวบรวมข้อมูล • Pair wise trade-off design • Full profile design • อื่น ๆ เช่น Hybrid conjoint design, adaptive conjoint analysis design

26. วิธี pair-wise trade off design • หรือ two factor evaluations • จับคู่ลักษณะของผลิตภัณฑ์ที่จะประเมินทีละคู่ จนครบทุกคู่ • เช่น

27. วิธี pair-wise trade off design(2) • ข้อดี • ทำให้ง่ายต่อการประเมินคุณค่า (Utility value) ของลักษณะแต่ละคู่ • ข้อเสีย • เป็นการประเมินลักษณะแต่ละคู่ทำให้ไม่ได้ภาพรวมของการประเมินลักษณะทั้งหมด

28. วิธี Full profile design • หรือ Multiple factor evaluation • ลักษณะทั้งหมดของผลิตภัณฑ์จะได้รับการประเมินพร้อมกัน • เช่น

29. ขั้นตอนในการทำ Conjoint Analysis (3) • 4. การเลือกใช้วิธีการวัดความพึงพอใจต่อชุดคุณลักษณะที่นำเสนอ • ให้คะแนน Rating (Interval scale) • เรียงลำดับ Ranking (Ordinal scale) • 5. การเลือกแบบจำลองความพึงพอใจ (พิจารณาจากความสัมพันธ์ของระดับ/ประเภทของคุณลักษณะแต่ละคุณลักษณะ) • ไม่มีความสัมพันธ์กัน:ใช้ Discretemodel • มีความสัมพันธ์เชิงเส้นตรง : ใช้ Vector model (Linear more or linear less) • มีความสัมพันธ์ไม่เชิงเส้นตรง: ใช้ Ideal-point model (or anti ideal-point model)

31. ระดับของคุณลักษณะมีความสัมพันธ์ในเชิงเส้นตรงระดับของคุณลักษณะมีความสัมพันธ์ในเชิงเส้นตรง

32. ระดับของลักษณะมีความสัมพันธ์ไม่เชิงเส้นตรงระดับของลักษณะมีความสัมพันธ์ไม่เชิงเส้นตรง

33. ขั้นตอนในการทำ Conjoint Analysis (3) • 6. การเลือกใช้วิธีการในการประมาณค่าพารามิเตอร์ของสมการ (พิจารณาตามลักษณะของแบบสอบถามที่ใช้) • วิธี pair-wise : ใช้ Probit, Logit, etc. • วิธี full profile : ใช้ OLS, Tobit , etc. หมายเหตุ: การแปลผลให้ดูที่ค่า coefficient ซึ่งจะบอกเราว่าระดับของแต่ละลักษณะมีผลต่ออรรถประโยชน์เท่าไร

34. Disadvantages • ขั้นตอนในการวิเคราะห์แบบ Conjoint มีความสลับซับซ้อนโดยเฉพาะในส่วนของการออกแบบการศึกษาและทางเลือกต่างๆ • ทางเลือกบางทางเลือกอาจจะไม่มีอยู่จริงหรือยากที่จะทำการผลิต • ผู้บริโภคอาจไม่สามารถให้ความเห็นกับผลิตภัณฑ์ใหม่ได้ • การออกแบบการศึกษาที่ไม่ดีอาจทำให้เกิดการ Over หรือ Under value ในบางปัจจัยหรือคุณลักษณะ • ไม่ได้มีการคำนึงถึงยอดการจำหน่ายของผลิตภัณฑ์ ดังนั้นจึงไม่สามารถอธิบายถึงเรื่องของส่วนแบ่งการตลาดได้

35. ตัวอย่าง : • ปัจจัยที่มีผลต่อการตัดสินใจเลือกซื้อน้ำส้มพร้อมดื่ม 100% ของผู้บริโภค (วรรณวิษา และ วิศิษฐ์, 2553) • คุณสมบัติของน้ำส้มที่ผู้เขียนเลือกมาศึกษามีทั้งหมดกี่ลักษณะ อะไรบ้าง • ขั้นตอนที่ผู้เขียนใช้วิเคราะห์ Conjoint Analysis เหมือนหรือแตกต่างกับที่เพิ่งเรียนไป • จากผลงานวิจัยนี้ หากท่านต้องการผลิตน้ำส้มมาขายท่านจะผลิตน้ำส้มออกมาในลักษณะใด • ท่านสามารถพัฒนางานวิจัยชิ้นนี้ได้อย่างไร

36. เปรียบเทียบ Hedonic VS Conjoint

37. การวิเคราะห์ conjoint โดยการใช้ SPSS

38. กรณีศึกษา:carpet-cleaner preference • สมมติว่าปัจจัยและระดับของปัจจัยที่มีผลต่อความพึงพอใจของผู้บริโภคเป็นดังตาราง จำนวนชุดของคุณลักษณะที่เป็นไปได้ทั้งหมด = 3*3*3*2*2 = 108 ชุด

39. การลดจำนวนชุดของคุณลักษณะด้วย Orthogonal Design • ขั้นที่ 1 บนโปรแกรม SPSS เลือก Data / Orthogonal Design / Generate… /

40. การลดจำนวนชุดของคุณลักษณะด้วย Orthogonal Design • ขั้นที่ 2 ระบุ Factor Name และ Factor Label / กด Add • ขั้นที่ 3 เลือก Define Values… / ตั้งค่า Value และ Value Label / กด Continue • ขั้นที่ 4 ทำขั้นตอนที่ 2 และ 3 ซ้ำ จนกว่าจะระบุปัจจัยและระดับของปัจจัยต่างๆ ครบถ้วน • ขั้นที่ 5 เลือก Replace working data file

41. การลดจำนวนชุดของคุณลักษณะด้วย Orthogonal Design • ขั้นที่ 6 เลือก Option โดยระบุจำนวนชุดของคุณลักษณะและจำนวนชุดของ Holdout ที่ต้องการ (สมมติให้เท่ากับ 18 และ 4 ตามลำดับ) / กด Continue / กด OK Note: ขั้นตอนที่ 6 อาจไม่ต้องทำก็ได้ ถ้าหากไม่ต้องการกำหนดจำนวนชุดของคุณลักษณะและจำนวนชุดของ Holdout ที่ต้องการ • ขั้นที่ 7 เลือก File / Save as / file name: carpet_plan.sav Note: หากต้องการให้ SPSS แสดงค่าเป็นแบบ Value Labels ให้ไปที่ View / เลือก Value Labels

43. ลักษณะของข้อมูลสำหรับการวิเคราะห์แบบ Conjoint • สำหรับข้อมูลตัวอย่างที่ใช้ในการศึกษาครั้งนี้อยู่ใน file: carpet_pref.sav โดยผู้บริโภคจะถูกขอให้จัดเรียงลำดับ (Ranking) ชุดของคุณลักษณะทั้ง 22 ชุด ตามลำดับของความชอบ ทั้งนี้การจัดเรียงข้อมูลเพื่อการวิเคราะห์แบบ Conjoint จะเป็นดังภาพที่ 1 ซึ่งจะแสดงให้เห็นว่า ตัวอย่างหมายเลข 1 ชอบชุดของคุณลักษณะที่ 13 มากที่สุด รองลงไปคือ ชุดของคุณลักษณะที่ 15, 1, 20, 14, 7 และ 11 ตามลำดับ

44. คำสั่ง หรือ Command Syntax สำหรับ Conjoint Analysis • เพื่อทำการวิเคราะห์แบบ Conjoint โดยใช้โปรแกรม SPSS จำเป็นที่ต้องใช้ชุดของคำสั่ง หรือ Command Syntax ดังนี้ CONJOINT PLAN='D:carpet_plan.sav' /DATA='D:carpet_pref.sav' /sequence=PREF1 TO PREF22 /SUBJECT=ID /FACTORS=PACKAGE BRAND (DISCRETE) PRICE (LINEAR LESS)SEAL (LINEAR MORE)MONEY (LINEAR MORE) /PRINT=sumaryonly /PLOT=sumary. • ระวัง path ของไฟล์ว่าไฟล์ที่ save ไว้ถูกเก็บไว้ส่วนใดของคอมพิวเตอร์

45. คำสั่ง หรือ Command Syntax สำหรับ Conjoint Analysis • เพื่อสร้าง Command Syntax ให้เลือก File / New / Syntax / • หลังจากนั้นให้พิมพ์ชุดของคำสั่งข้างต้นลงไปใน Dialog Box • เมื่อเขียนคำสั่งเสร็จแล้วให้ทำการบันทึกโดยไปที่ File / Save as / file name: carpet_test_syn.sps • เพื่อที่จะ Run Conjoint Analysis ให้กดคำสั่ง Run บน Tool bar

46. ระวัง path!! ไฟล์ที่สร้างขึ้นตอนแรกเพื่อกำหนดคุณลักษณะ คำสั่ง run ไฟล์ข้อมูลที่ได้จากการสัมภาษณ์ ในวงเล็บคือความสัมพันธ์ของคุณลักษณะกับอรรถประโยชน์ ซึ่งต้องระบุทุกคุณลักษณะ

47. Utilities ผลการประมาณค่า Conjoint Analysis

48. คะแนนเฉลี่ยรวมของแต่คุณลักษณะคะแนนเฉลี่ยรวมของแต่คุณลักษณะ • Importance Values • Averaged Importance Score