McFadden Market Research 1986

The Choice Theory Approach to Market Research
เขียนโดย Daniel McFadden (1986)

แปลโดย คมสัน สุ ริยะ
ที่มา: Marketing Science, Vol. 5, No.4. Special Issue on Consumer Choice Models
(Autumn, 1986), pp. 275 – 297
บทคัดย่ อ
บทความนี้ ได้สาํ รวจทฤษฎีทางเลือกทางเศรษฐศาสตร์ โดยเน้นไปที่การใช้ขอ้ มูลจากการทดลองทาง

จิตวิทยาและการทดลอง conjoint เพื่อพยากรณ์ความต้องการของตลาด ศึกษาวิธีการทางเศรษฐมิติอื่น
นอกจาก Multinomial Logit ั ่ างขวางอยูแ่ ล้ว อธิบายวิธีการประมาณคาแบบจํ
ที่ใช้กนอยางกว้ ่ าลอง
Multinomial Probit อธิบายการใช้งานแบบจําลองที่ใช้ขอ้ มูลเชิงทัศนคติและการรับรู ้ซ่ ึงสร้างให้ออกมาเป็ น
ตัวแปร latent ่
อภิปรายการประมาณคาแบบจํ ่ ้ งแบบจําลองที่เน้นศึกษารายบุคคล (fixed
าลองดังกลาวทั
่
effects) และแบบจําลองที่ศึกษาความแตกตางระหวางผู ่ บ้ ริ โภคแตละราย
่ (random effects) นําเสนอ
ั อมูลที่ได้จากการทดลอง conjoint และอภิปรายวิธีการทดสอบ
ประเด็นที่จะใช้แบบจําลองทางเลือกกบข้
consistency ของแบบจําลอง Multinomial Logit
คําสํ าคัญ: Choice theory, conjoint analysis, factor analysis, latent variables, multinomial logit,
multinomial probit, perceptual mapping, random utility model
------------------------------------------------------------------------------------------------------------------------------
ขอความกรุ ณาทานผู ่ อ้ า้ งอิงบทความนี้ เขียนในบรรณานุกรมของทานดั ่ งนี้
คมสัน สุ ริยะ (แปล). 2552. การใช้ ทฤษฎีทางเลือกทางเศรษฐศาสตร์ สําหรับการวิจัยตลาด. แปลจาก

Daniel McFadden. 1986. The Choice Theory Approach to Market Research. Marketing Science,
Vol. 5, No.4. Special Issue on Consumer Choice Models (Autumn, 1986), pp. 275 – 297.
[ online ] www.tourismlogistics.com
ิ
ผูเ้ ขียนน้อมรับคําแนะนํา และการแจ้งความผิดพลาดอันเกดจากการแปลและการพิ มพ์
กรุ ณาแจ้งมาได้ที่ komsan@tourismlogistics.com จักขอบคุณยิง่
การใช้ ทฤษฎีทางเลือกทางเศรษฐศาสตร์ สําหรับการวิจยั ตลาด เขียนโดย Daniel McFadden(1986) แปลโดย คมสัน สริุ ยะ 2
ตอนที่ 1: การวิจยั ตลาดทีม่ ่ ุงความสนใจไปทีภ่ าพรวมของตลาด
นักเศรษฐศาสตร์มกั มองวาผู ่ บ้ ริ โภคเป็ นกลองดํ

่ าที่ทาํ หน้าที่หาความพอใจสู งสุ ด สิ่ งที่ผบู ้ ริ โภค
รับเข้ามาในการตัดสิ นใจประกอบด้วย คุณลักษณะของสิ นค้า คุณลักษณะของผูบ้ ริ โภค ข้อมูลทางการ
ตลาด ประสบการณ์ในอดีต และข้อจํากดของตลาด ั สิ่ งที่เป็ นผลลัพธ์ออกมาคือการตัดสิ นใจซื้ อ ปริ มาณ
การบริ โภค และพฤติกรรมทางการตลาดที่เกยวข้ ี่ อง ทฤษฎี economic choice เป็ นวิธีหนึ่งที่จะจําลองการ
ตัดสิ นใจของผูบ้ ริ โภคซึ่งออกแบบมาเพื่อพยากรณ์เชิงปริ มาณด้วยคุณลักษณะที่ดีทางสถิติ ข้อมูลที่
ผูบ้ ริ โภคแสดงออกมาซึ่งได้จากการเกบข้ ็ อมูลภาคสนามหรื อจากการทดลองต่างทําให้เราสามารถสร้างความ
่
เชื่อมโยงระหวางเหตุ และผลในการตัดสิ นใจบริ โภคได้ ทฤษฎี economic choice เริ่ มใช้กนตอนแรกกบ ั ั
ข้อมูลภาคสนามและได้ประยุกต์ใช้กบการวิ ั ่
จยั ตลาดอยางรวดเร็ ่ อมูลจากการแสกนบาร์โค้ด ใน
ว เชนข้
บทความนี้ ผเู ้ ขียนจะมุ่งไปยังวิธีการใช้งานทฤษฎี economic choice ในรู ปแบบใหมในการวิ ่ เคราะห์ขอ้ มูล
การตลาดที่ได้จากการทดลอง
โดยทัว่ ไปแล้วนักวิจยั ตลาดสามารถดูความเชื่อมโยงระหวางปั ่ จจัยตาง ่ ๆ เชน่ การออกแบบสิ นค้า

และโปรแกรมการตลาดกบผลลั ั พธ์คือยอดขายและกาไรได้ํ อยูแ่ ล้วโดยไมต้่ องเข้าไปดูกลไกการตัดสิ นใจ
ของผูบ้ ริ โภค อีกด้านหนึ่งนักวิจยั ที่ตอ้ งการทราบกลไกการตัดสิ นใจของผูบ้ ริ โภคซึ่งได้สร้างการทดลอง
ตาง ่ ๆ ขึ้ นมากไมสามารถบอกอะไรได้
็ ่ มากมายในเรื่ องสิ นค้าที่จะออกใหมหรื ่ อโปรแกรมการตลาดใหม่ ๆ
ทางออกทางหนึ่งคือเราจะสร้างแบบจําลองเพื่อดูวาผู ่ บ้ ริ โภคตัดสิ นใจอยางไร ่ โดยใช้ขอ้ มูลจากการทดลอง
ในด้านทัศนคติของผูบ้ ริ โภค การรับรู ้ ความชอบ และความตั้ งใจ เมื่อเราทราบกลไกดังกลาวแล้ ่ วเราก็
ิ
จะสามารถจําลองผลที่จะเกดจากโปรแกรมการตลาดใหม ่ ๆ หรื อสิ นค้าใหมได้่
รู ปที่ 1 แสดงแผนภาพสําหรับกระบวนการตัดสิ นใจ สิ่ งที่อยูใ่ นวงรี เป็ นตัวแปรทางที่สมมติข้ ึนซึ่ง
่ วแปร latent สวนสิ
เรี ยกวาตั ่ ่ งที่อยูใ่ นกรอบสี่ เหลี่ยมเป็ นข้อมูลที่สาํ รวจพบจริ งหรื อวัดได้จากการทดลอง
ตัวแปรที่วดั ได้ประกอบด้วย คุณลักษณะของสิ นค้า ข้อมูลทางการตลาด ประสบการณ์ในอดีต คุณลักษณะ
ั
ของผูซ้ ้ือ และข้อจํากดทางการตลาด ั
ซึ่งรวมไปถึงข้อจํากดทางงบประมาณและสิ ่ งที่มีขาย ผลลัพธ์ที่วดั
ออกมาได้คือพฤติกรรมทางการตลาด เชน่ การซื้ อสิ นค้า การหันไปซื้ อสิ นค้าอื่น เป็ นต้น ตัวแปรที่สมมติ
ขึ้ นมาในแบบจําลองประกอบด้วย การรับรู ้หรื อความเชื่อเกยวกบสิ ี่ ั นค้า ทัศนคติหรื อคานิ ่ ยม ความชอบ
การชัง่ ใจคิดซึ่งโยงเอาสิ่ งตาง่ ๆ ที่อยากได้ให้กลายมาเป็ นทางเลือกที่จะให้ตดั สิ นใจ และความตั้ งใจที่จะ
เลือกทางเลือกนั้ น
คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

่ ่ ผูซ้ ้ือเครื่ องปรับอากาศอาจจะรับรู ้ถึงความทนทานของยีห่ อ้ ตาง

ยกตัวอยางเชน ่ ๆ รู ้วาอะไรในตั
่ ว
สิ นค้าที่จะทําให้ทนหรื อไมทน ่ ่ วที่มีต่อยีห่ อ้ หรื อรุ่ น การชัง่ ใจคิดถึงต้นทุนคาเสี
ความชอบสวนตั ่ ยโอกาส
ที่จะเอาเงินที่จะซื้ อเครื่ องปรับอากาศไปทําอยางอื ่ ่น (มีทางเลือกเกดขึ
ิ ้ นวาจะไมซื
่ ่ ้ อ) และความตั้ งใจที่จะมา
ซื้ อยีห่ อ้ ใดยีห่ อ้ หนึ่งอยูแ่ ล้ว
ความรับรู ้ได้รับอิทธิพลมาจากคุณลักษณะของสิ นค้าและข้อมูลทางการตลาด ในขณะที่ท้ งั ความ

รับรู ้ ทัศนคติและการชัง่ ใจคิด ได้รับอิทธิพลมาจากประสบการณ์ในอดีตและคุณลักษณะของตัวผูซ้ ้ือเอง
ทัศนคติและความรับรู ้ก่อให้เกดความชอบ
ิ ่
ความชอบที่ผานกระบวนการชั ่ เกดความตั
ง่ ใจแล้วจะกอให้ ิ ้ งใจที่
จะซื้ อ ภายใต้ขอ้ จํากดั ของทางเลือกเหลานั
่ ้ น ซึ่งจิตวิทยาเป็ นพื้นฐานของทฤษฎีเหลานี
่ ้

่ ชนีในหลายเรื่ อง ในขณะที่ทศั นคติจะวิเคราะห์โดย factor

ความรับรู ้สามารถวัดได้โดยการใช้คาดั
analysis เพื่อรวบรวมสร้างเป็ นรสนิยม ดัชนีวดั การตัดสิ นใจใช้เพียงคําพูด เชน่ ซื้ อ หรื อ ไมซื่ ้ อ การ
ทดลองเปรี ยบเทียบสิ นค้าเป็ นคู่ ๆ การเรี ยงลําดับ และการให้เลือกแบบตาง ่ ๆ จะทําให้ได้ขอ้ มูลและความ
ตั้ งใจที่ผบู ้ ริ โภคแสดงออกมาโดยตรง นี่คือวิธีที่เรี ยกวา่ conjoint analysis ซึ่งพัฒนามาใช้ทางการตลาดโดย
มีพ้ืนฐานจากการวัดทางจิตวิทยา
ปัญหาการสร้างแบบจําลองคือการใช้ขอ้ มูลทางจิตวิทยาเพื่อวิเคราะห์เชิงปริ มาณตามแผนผังในรู ปที่

็ าลองผลอันเกดจากการออกลิ
1 แล้วจากนั้ นกจะจํ ิ ตภัณฑ์ใหมหรื ่ อโปรแกรมการตลาดใหม่ ๆ วิธีการงาย ่ ๆ
่ ่ งคือการจําลองการตัดสิ นใจของผูบ้ ริ โภคขึ้ นในห้องทดลองด้วยทางเลือกที่มีให้เลือกจริ ง ๆ แต่
อยางหนึ
ควบคุมทางเลือกนั้ นให้ออกแบบมาตามทฤษฎี ซึ่งมีคาตั ่ วแปรทางจิตวิทยาทั้ งทางด้านทัศนคติและการรับรู ้
ํ ั
กากบเอาไว้ ่ โดยปกติแล้วนักการตลาดกจะทํ
ทุกอยาง ็ ากนอยูั แ่ ล้วและจะนําเสนอในรู ปของ conjoint
analysis และเอาผลการศึกษาไปใช้ได้โดยตรงในเรื่ องการพัฒนาผลิตภัณฑ์ใหมหรื ่ อการออกแบบโปรแกรม
การตลาดใหม่ ๆ แตอี่ กด้านหนึ่งข้อมูลเหลานี
่ ้ สามารถเอามาสร้างแบบจําลอง choice theory model ตามที่
นักเศรษฐมิติถนัด ซึ่งแบบจําลองที่จะได้ออกมากมี็ ขอ้ ดีอยูห่ ลายอยาง
่ โครงสร้างทางทฤษฎีจะเป็ นพื้นฐาน
่
ที่แนนหนาสํ าหรับการพยากรณ์ยอดขายและกาไร ํ การวิเคราะห์ทางสถิติจะชวยสร้่ าง confidence intervals
่ ่ ๆ ที่จะพยากรณ์ออกมา ความสามารถของระบบที่จะย้อนกลับไปจําลองพฤติกรรมการตลาด
สําหรับคาตาง
ในอดีตจะชวยทํ่ าให้เกดหลั
ิ กเกณฑ์ที่ดีในการสร้างเสกลวัดตัวแปรทางจิตวิทยาตาง ่ ๆ และยังชวยเป็
่ นตัว
่
เทียบวาผลการพยากรณ์ ของเราออกมาสมจริ งสมจังหรื อไม่
ํ งพยายามทําแบบจําลองอยูน่ ้ ีคือ หนึ่ง การออกแบบเครื่ องมือสําหรับการ

ความท้าทายที่เรากาลั
ทดลองเพื่อตรวจวัดการตอบสนองของผูบ้ ริ โภคจากข้อมูลทางการตลาดที่เชื่อถือได้ สอง พัฒนาเครื่ องมือ
่
ที่แปลงข้อมูลจากห้องทดลองให้เป็ นสิ่ งที่ใช้พยากรณ์ดา้ นการตลาดออกมาได้ สาม บอกได้วาผลการ
็ ั
พยากรณ์ออกมาสมจริ งสมจัง นักเศรษฐมิติโดยทัว่ ไปจริ ง ๆ กประสบกบความท้ ่ ้ อยูแ่ ล้วเพียงแต่
าทายเหลานี
่ ่ ใช้ขอ้ มูลจากการทดลองแตใช้
วาไมได้ ่ ขอ้ มูลจากการเกบตั็ วอยางภาคสนามมากกวา
่ ่
ั ม่ าแกปั้ ญหาเรื่ องการพยากรณ์ทางการตลาดจาก

บทความนี้ จะใช้เครื่ องมือที่นกั เศรษฐมิติใช้กนอยู
ข้อมูลที่ได้จากการทดลอง ผูเ้ ขียนจะเริ่ มต้นกลาวถึ่ งการใช้ขอ้ มูลที่พบจากผูบ้ ริ โภคแตละคนมาหลอม
่
ั นพฤติกรรมของตลาดคือผูบ้ ริ โภคทั้ งหมดโดยรวม จากนั้ นจะกลาวถึ
รวมกนเป็ ่ งทฤษฎี economic choice
โดยสังเขป ซึ่งใช้กนั มากขึ้ นในการวิเคราะห์ขอ้ มูล conjoint และจะแสดงให้เห็นวามั ่ นใช้กบข้
ั อมูลทาง
่
จิตวิทยาได้อยางไร ่
ลําดับตอไปจะได้ แกปั้ ญหาสามอยางข้
่ างต้น แล้วจะอภิปรายประเด็นบางอยางที ่ ่จาํ เป็ น
่
ตอการสร้ างกรอบการวิเคราะห์และใช้ส่ิ งที่เรี ยกวา่ external market metrics มากาํหนดคาตั ่ วแปร
่
นอกจากนั้ นจะได้อภิปรายถึงเรื่ องความแตกตางระหวางผู ่ บ้ ริ โภคแตละคน
่ ณ จุดที่เป็ นอุดมคติและการต้อง
่ ่ งตาง
เลือกเอาระหวางสิ ่ ๆ รวมทั้ งการรับรู ้ที่สอดคล้องกนระหวางทางเลื
ั ่ อก การเรี ยงลําดับ และการให้
คะแนน ในตอนท้ายยังจะกลาวถึ ่ งวิธีการงาย ่ ๆ ที่จะทดสอบคุณสมบัติของแบบจําลองที่ใช้ขอ้ มูล conjoint
่
และจะได้แสดงตัวอยางการนํ ั
าวิธีการนี้ ไปใช้กบการทดลอง conjoint เรื่ องหนึ่ง
ผูจ้ ดั การฝ่ ายการตลาดมักจะสนใจเฉพาะสวนตลาดเล็ ่ ่

ก ๆ บางแหงและกสนใจตลาดทั ็ ้ งหมดใน
ภาพรวม คําถามหนึ่งในการวางกลยุทธ์การวิจยั กคื็ อเราควรที่จะทําตามวิธีการของพวก reductionist ที่นิยม
การอธิบายพฤติกรรมของคน ๆ หนึ่งอยางเจาะลึ ่ ่
ก หรื อวาเราควรจะมองไปที ่ส่ วนตลาดที่เราสนใจมากกวา่
กนั ข้อดีของการเจาะลึกไปที่คน ๆ หนึ่งจะเกดขึ ิ ้ นกตอเมื
็ ่ ่อผูบ้ ริ โภคแตละคนตางมี
่ ่ พฤติกรรมทางจิตวิทยาที่
คงที่และตลาดเปลี่ยนแปลงไปตามสภาพเศรษฐกจและพื ิ ้นที่ภูมิศาสตร์ แตเมื ่ ่อผูบ้ ริ โภคแตละคนรวมกน
่ ั
เป็ นตลาดแล้วอาจจะเกดความผั ิ นผวนอะไรบางอยางขึ ่ ้ นไมเหมื่ อนกบตอนที
ั ่อยูค่ นเดียว ถ้าเป็ นอยางนั ่ ้น
เวลาที่เราพยากรณ์ตลาดจากแบบจําลองที่สร้างจากคน ๆ เดียวยอมกอให้ ่ ่ เกดความคลาดเคลื
ิ ่อนสูง ในเมื่อ
กาลเวลาได้สร้างตัวอยางการตั ่ ดสิ นใจซื้ อของตลาดขึ้ นมามากมายซึ่งทําให้เราเห็นพฤติกรรมของตลาดมา
โดยตลอด ผูท้ ี่สนใจเรื่ องการพยากรณ์อุปสงค์กไมจํ ็ ่ าเป็ นต้องไปใช้แบบจําลองพฤติกรรมของคน ๆ เดียวอีก
่
ตอไป ่
แตกระนั ็ ่ ่่
้ นกไมใชวาจะไมมี ่ ประโยชน์เลยเพราะข้อมูลเรื่ องการตอบสนองตอสิ ่ ่ งเร้าภายนอกของ
่
ผูบ้ ริ โภคแตละรายเป็ ี่ ั
นเพียงสิ่ งเดียวที่จะบอกอะไรเราได้เกยวกบการนํ าผลิตภัณฑ์ใหมออกสู ่ ่ ตลาด ซึ่งก็
แปลวาต้ ่ องยังใช้อยูใ่ นเรื่ องการพยากรณ์วาโปรแกรมการตลาดใหม
่ ่ ๆ จะสร้างยอดขายหรื อกาไรได้ ํ ่
เทาไร
่ ้ น แตมั่ นกไมจํ
ถึงแม้ขอ้ มูลรายบุคคลจะมีประโยชน์อยางนั ็ ่ าเป็ นที่จะต้องสร้างแบบจําลองคนตอคน
่
่
ออกมาเพื่อบอกวาตลาดจะเป็ ่
นอยางไร มันเพียงพอแล้วที่จะบอกถึงการกระจายของรู ปแบบพฤติกรรมใน
กลุ่มประชากร ข้อสังเกตนี้ สาํ คัญมากสําหรับการออกแบบการทดลองทางจิตวิทยาและการวิเคราะห์ทาง
สถิติจากข้อมูลที่ได้จากการทดลอง การลดความสําคัญของการวัดเชิงจิตวิทยาที่มุง่ ไปยังคน ๆ เดียวมาก
ิ
เกนไป ่ ่ องโดยการใช้ขอ้ กาหนดทางสถิ
และการผูกข้อมูลแบบเรื่ องตอเรื ํ ่
ติมาชวยในการวิ เคราะห์กลุ่ม
ประชากร ความแตกตางเชนนี่ ่ ้ ต่อไปจะพบอีกครั้ งเมื่อเราจะสร้างแบบจําลองประเภท fixed effects และ
random effects
การใช้ขอ้ มูลจากการทดลองแทนที่จะเกบข้ ็ อมูลภาคสนามมีขอ้ ดีหลายอยาง ่ อยางแรกกคื

่ ็อ
ํ
สิ่ งแวดล้อมของการตัดสิ นใจเลือกถูกกาหนดได้ ่ ่ตอ้ งการ ซึ่งทําให้นกั วิจยั ขจัดตัวแปรอื่นที่ไม่
อยางที
ี่ องออกไปและมุ่งไปที่ปัจจัยที่กระตุน้ ผูบ้ ริ โภคเพียงตัวใดตัวหนึ่ง นอกจากนั้ นการพัฒนาบริ การ
เกยวข้
ใหม่ ๆ กเอามาศึ
็ ็ ในต้นทุนที่ไมแพงเกนไป
กษาได้ ข้อมูลจํานวนมากสามารถเกบได้ ่ ิ ็
กระนั้ นกอาจจะมี
่ วข้อมูลจากการทดลองจะไปพยากรณ์สิ่ งที่จะเกดขึ
ผูส้ งสัยวาแล้ ิ ้ นจริ งได้หรื อไม่ เทคนิคการวางแผนการ
่ ดความสับสนในโลกความจริ งออกไปได้ แตผลที
ทดลองที่ดีอาจจะชวยขจั ่ ่ได้กต้็ องผานการตรวจสอบใน
่
ภาคสนามกอนถึ ่ งจะบอกได้วาดี
่ จริ ง ในทางเศรษฐศาสตร์มีบทความน้อยมากที่เขียนเกยวกบการ
ี่ ั
ตรวจสอบผลการศึกษาแบบนี้ ในภาคสนาม
ตอนที่ 2: ทฤษฎีทางเลือกทางเศรษฐศาสตร์
ทฤษฎีทางเลือกทางเศรษฐศาสตร์สมัยใหมเริ่ ่ มต้นจากการตั้ งข้อสมมติวาบุ ่ คคลใด ๆ กตาม ็ หรื อ

ิ
ประชากรที่เกดจากบุ คคลที่มีลกั ษณะเหมือนกนั มีพฤติกรรมทางการตลาดที่เกดมาจากการแสวงหาความ
ิ
พอใจสูงสุ ด ความพอใจนั้ นอาจไมคงที ่ ่เนื่องจากความผันผวนในการรับรู ้ ทัศนคติ หรื อปั จจัยที่วดั ออกมา
่ อื่น ๆ ความพอใจในแตละสิ
ไมได้ ่ นค้ากตางกนไปตามคุ
็่ ั ณลักษณะของสิ นค้าที่ต่างกนทั ั ้ งที่วดั ออกมาได้
และวัดออกมาไมได้ ่ การตัดสิ นใจในอดีตเกดมาจากนิ
ิ สยั และประสบการณ์ ทัศนคติกมี็ ผลตอการตั ่ ดสิ นใจ
และเราต้องจําลองออกมาวาทั ่ ศนคติเปลี่ยนแปลงไปตามสภาพตลาดอยางไรด้ ่ วย ความพอใจยังเกดจาก ิ
่ วทั้ งเรื่ องคุณลักษณะของผูบ้ ริ โภค สภาพเศรษฐกจของผู
ปัจจัยสวนตั ิ บ้ ริ โภค และสภาพสังคมของผูบ้ ริ โภค
แบบจําลองของเราทํางานได้โดยการเชื่อมโยงระหวางแบบจํ ่ าลองความพอใจผันแปร (random preference
ั
model) เข้ากบโอกาสการตอบสนองทางการตลาด ํ
การกาหนดโครงสร้ างเงื่อนไขข้อตกลงเบื้องต้น
(axiom) จะทําให้โอกาสการตอบสนองทางการตลาดจะสามารถคํานวณและวิเคราะห์ได้ดว้ ยวิธีการทางสถิติ
แบบจําลองที่จะข้อตกลงสองอยาง ่ อยางแรกคื
่ อเราจะใช้ตวั แปรที่วดั ออกมาได้เทานั ่ ้ น และอยางที ่ ่สองคือ
ผลการพยากรณ์จะต้องสามารถตรวจสอบได้ตามสภาพทางการตลาดที่เกดขึ ิ ้ นจริ ง
ั ดีกบทฤษฎี
แนวคิดตามรู ปที่ 1 เข้ากนได้ ั ่ ่มเข้าไปในสวนของการชั
เศรษฐศาสตร์ เพียงแตเพิ ่ ง่ ใจคิด
่
แล้วตั้ งใจวาจะเลื อกทางไหนด้วยข้อตกลงที่วา่ ผูบ้ ริ โภคจะเลือกทางไหนกเพื
็ ่อให้ได้ความพอใจสูงสุ ด
่ ้ กเพราะวาพฤติ
ทําไมเราถึงตั้ งข้อตกลงอยางนี ็ ่ กรรมของบุคคลหนึ่งที่แสดงออกมาได้รับอิทธิพลจากความ
พอใจของเขา ซึ่งได้รับอิทธิพลมาจากการรับรู ้และทัศนคติอีกทอดหนึ่ง
่ ่ ่ องใหม่ ผูเ้ ขียนขออ้างถึงงานเขียนของ F.M. Taussig ซึ่งเขียนไว้ต้ งั แตปี่ ค.ศ. 1912

เรื่ องนี้ ไมใชเรื
(พ.ศ. 2455) ดังนี้

“สิ่ งใดสิ่ งหนึ่งจะไมมี่ คาเลยถ้

่ าไมมี่ ความพอใจ ใครกจะไมจายอะไรให้
็ ่่ ตราบเทาที ่ ่มนั ยังไมได้
่ ทาํ ให้
ิ
เกดความพอใจ บางคนอาจจะดูเหมือนคนโงหรื ่ อทําตัวเหมือนเด็ก ๆ ที่ซ้ือโนนซื
่ ้ อนี้ โดยไมยั่ ้งคิด แตอยาง
่ ่
น้อยในขณะนั้ นพวกเขากสนุ ็ กที่ได้ซ้ือและเหมือนกบวามั
ั ่ นเป็ นรางวัลของชีวิต”
แนวคิดนี้ ใช้อธิบายพฤติกรรมทางเศรษฐกจเรื ิ ่ อยมาหลายสิ บปี จนกระทัง่ Hicks และ Samuelson ได้

สร้างแบบจําลองเชิงคณิ ตศาสตร์ข้ ึนมาแทนที่ในทศวรรษที่ 1930 ในแบบจําลองเชิงปริ มาณนี้ กาหนดให้ ํ
ความพอใจคงที่แล้วให้มนุษย์เป็ นเครื่ องจักรที่พยายามหาจุดสมดุลระหวางสรรพสิ ่ ่ ง แบบจําลอง Hicks-
Samuelson ได้รับการยอมรับเป็ นอยางสู ่ งและดึงดูดความสนใจของนักเศรษฐศาสตร์ เพราะมันให้ความรู ้
ใหม่ ๆ เชนเรื
่ ่ องความยืดหยุน่ ของอุปสงค์ที่มีต่ออาหาร หรื อการสู ญเสี ยประสิ ทธิภาพที่เกดจากการเกบภาษี
ิ ็
สรรพสามิต แตกระนั่ ้ นสิ่ งที่สาํ คัญที่สุดอยางหนึ ิ
่ ่ งกลับหายไป คือ อิทธิพลอันเกดจากความผั นแปรของการ
รับรู ้ การคิดอะไรแผลง ๆ และการเรี ยนรู ้จากประสบการณ์ในอดีต
็ ความสนใจในเรื่ องพฤติกรรมการเลือก เริ่ มต้นจากมุมมองของการวิเคราะห์

นักจิตวิทยายุคแรกกให้
่
ความแตกตางของพฤติ กรรมที่มนุษย์แสดงออกมา งานเขียนที่ได้รับการยอมรับในวงการ อาทิ Thurstone
(1927) ซึ่งได้ขยายกฎของเฟรชเนอร์ และกฎของเว็บเบอร์ ให้กลายเป็ นแบบจําลองเรื่ องการตัดสิ นใจอัน
ิ
เกดจากเปรี ยบเทียบ งานเขียนนี้ ได้เป็ นจุดเริ่ มต้นของคําวา่ random utility (ความพอใจที่ผนั แปรไปตามสิ่ ง
ิ ้ นจากการแสวงหาความพอใจสูงสุ ดในชัว่ ขณะที่กาลั
เร้า) ซึ่งการตัดสิ นใจเลือกจะเกดขึ ํ งเลือกอยูน่ ้ นั
่ Marschak (1960) ได้เชื่อมโยงเอาทฤษฎีพฤติกรรมการเลือกของบุคคล ซึ่งคิดค้นโดย Luce

ตอมา
ั
(1959) ให้เข้ากบทฤษฎี ของ Thurstone โดยเพิ่มเรื่ องความผันแปรของการรับรู ้เข้าไปในทฤษฎี
่ ผลตอความพอใจ
เศรษฐศาสตร์ทางเลือก ในยุคนี้ เริ่ มคิดถึงเรื่ องการปรับเปลี่ยนคุณลักษณะของสิ นค้าวามี ่
หรื อไม่ เริ่ มจากงานของ Court(1939) ที่บอกวาคุ ่ ณลักษณะสิ นค้ามีได้อยางหลากหลายเพราะสิ
่ ่ งที่เห็น
่ ้ นเป็ นเพียงจุดเดียวในความเป็ นไปได้ท้ งั หมด งานของ Griliches (1961) ที่สร้าง
ออกมาเป็ นรู ปเป็ นรางนั
ดัชนีวดั คุณลักษณะของสิ นค้า ซึ่งทําให้ Lancaster (1966) สามารถสร้างเป็ นทฤษฎีการตอบสนองของ
่ ณลักษณะสิ นค้า
ผูบ้ ริ โภคตอคุ
ในปี ค.ศ. 1965 ตัวผูเ้ ขียนเองได้ใช้ขอ้ ตกลงเบื้องต้นของ Luce มาสร้างแบบจําลองเศรษฐมิติซ่ ึง

เป็ นการผสมผสานเอาเรื่ องการประเมินคาของคุ่ ั ่ องการแสวงหาความพอใจ
ณลักษณะของสิ นค้าเข้าไว้กบเรื
สู งสุ ด ผลงานนั้ นกคื็ อแบบจําลอง multinomial logit (conditional logit) ซึ่งใช้กนอยางแพรหลายใน
ั ่ ่
ปั จจุบนั ทั้ งในการวิเคราะห์ขอ้ มูลภาคสนามและข้อมูลจากห้องทดลอง นักเศรษฐศาสตร์ท่านอื่นกทํ็ างาน
ในเรื่ องการแสวงหาความพอใจสู งสุ ดภายใต้สภาวะผันผวน เชน่ Warner (1962) และ Quandt (1968)
แบบจําลองที่สร้างขึ้ นมาในรู ปแบบเหลานี ่ ้ เข้ากนได้

ั ดกั บทฤษฎี
ั ่ วยพฤติกรรมผูบ้ ริ โภค
เศรษฐศาสตร์วาด้
่
และยังชวยการวิ เคราะห์พฤติกรรมเชิงจิตวิทยาเพราะมีเรื่ องอิทธิพลจากความผันผวนของมนุษย์และ
สิ่ งแวดล้อมเข้าไปด้วย ถ้าจะให้พดู งาย่ ๆ กคื็ อแบบจําลองเหลานี ่ ้ แสดงการตอบสนองตอราคาและรายได้
่
ซึ่งเป็ นเรื่ องปกติทางเศรษฐศาสตร์ และที่ดีไปกวานั่ ้ นคือยังเป็ นไปตามทฤษฎีความพอใจที่ปรากฏชัด
่ ส้ นใจสามารถดูได้จากผลงานของ McFadden (1981)
(revealed preference) อีกด้วย ทานผู
ในตอนแรกนักเศรษฐศาสตร์ใช้แบบจําลองเหลานี ่ ้ จาํ กดในเรื

ั ่ องตัวแปรทางเศรษฐกจิ เชน่ ราคา
ั
รายได้ ขนาดของครัวเรื อน และจํากดในเรื ่ องคุณลักษณะของสิ นค้าเพียงแตสิ่ ่ งที่วดั ออกมาได้ เชน่ แรงม้า
นอกจากนั้ นยังพยายามหาวิธีการทางสถิติเพื่อมาประมวลผลและวิเคราะห์ขอ้ มูลขนาดใหญที่ ่ได้มาจากการ
่่
สํารวจข้อมูลการบริ โภคของครัวเรื อน แตตอมานั กเศรษฐศาสตร์เริ่ มเห็นวาแบบจํ่ ่ ้ สามารถขยาย
าลองเหลานี
ผลไปสู่ การวิเคราะห์เรื่ องผลของการเปลี่ยนแปลงคุณลักษณะของสิ นค้าที่มีต่อความต้องการซื้ อได้
เหมือนกนั ซึ่งใช้ได้กบดี
ั เรื่ องการพัฒนาผลิตภัณฑ์ใหมออกสู
่ ่ ตลาด ทําให้ทฤษฎีทางเลือกทางเศรษฐศาสตร์
และแบบจําลองทางเลือกเริ่ มเป็ นที่สนใจของนักวิจยั ตลาดมากขึ้ นเรื่ อย ๆ
ตอนที่ 3: แบบจําลองทางเลือก
่
ทศวรรษที่ผานมามี การพัฒนาอยางรวดเร็ ่ วของเศรษฐมิติในเรื่ อง random utility models การใช้
วิธีการทางสถิติ และการประยุกต์เอาไปใช้ทางสังคมศาสตร์และธุรกจิ แบบจําลองทางเลือกใช้กนอยาง ั ่
มากในเรื่ องกระบวนการออกแบบผลิตภัณฑ์ใหมและในการวิ ่ เคราะห์ขอ้ มูลเชิงจิตวิทยา ตอนตอไปนี่ ้ จะได้
่ งแบบจําลองมาตรฐานและการกาหนดข้
กลาวถึ ํ ี่ อง รวมไปถึงเรื่ องการขยายไปยังแบบจําลอง
อตกลงที่เกยวข้
ั อย เรื่ องที่จะวิเคราะห์คือพฤติกรรมการเลือกสิ่ งที่แยกจากกนได้
อื่น ๆ ที่คนยังรู ้กนน้ ั (discrete) เชน่ การ
ตัดสิ นใจวาซื่ ้ อหรื อไม่ ซื้ ออะไร ซื้ อยีห่ อ้ ไหน เป็ นต้น สวนเรื
่ ่ องการตัดสิ นใจที่เป็ นจํานวนตอเนื ่ ่อง เชน่
ปริ มาณการซื้ อ ความถี่ในตัดสิ นใจซื้ อ กสามารถที ็ ่ ั
่จะสร้างเป็ นแบบจําลองได้เชนกนในฐานะผลลั พธ์ของ
การแสวงหาความพอใจสู งสุ ด ทั้ งที่เป็ นแบบจําลองเดี่ยวหรื อใช้ร่ วมกบทางเลื ั อกที่เป็ น discrete กได้็ ผูอ้ ่าน
ที่สนใจเรื่ องการนําไปใช้สามารถอานได้ ่ ใน Amemiya(1985), Dhrymes(1986), Dubin and McFadden(1984)
และ Maddala(1983,1986)

ั
แบบจําลอง random utility models ที่มีผนู ้ าํ ไปใช้กนมากที ่สุดคือแบบจําลอง Multinomial logit
(MNL)
eVi
PC (i ) = ……(1)
∑e
Vj
j∈C
ในแบบจําลองนี้ C = {1,2,..., M } หมายถึงเซตของทางเลือกจํานวน M ทาง และ PC (i )

หมายถึงโอกาสที่ผบู ้ ริ โภคคนหนึ่งที่จะตัดสิ นใจเลือกทางเลือก i ในขณะที่มีทางเลือกทั้ งหมดคือ C
่
ตัวแปร V คือคาความพ อใจที่คาํ นวณได้จากการสรุ ปอิทธิพลของตัวแปรทั้ งหมดเข้าไว้ดว้ ยกนทัั ้ งหมดแล้ว
่
คาความพอใจนี ็ ่ ่ ั
้ ได้รับอิทธิพลจากคุณลักษณะของสิ นค้า บางทีกอาจใสผลรวมกนระหวางคุ ่ ณลักษณะ
ั ณลักษณะของผูซ้ ้ือ (interaction) และผลรวมระหวางคุ
สิ นค้ากบคุ ่ ่ ณลักษณะของสิ นค้าหลาย ๆ ด้าน
ประกอบกนเข้ั าไปด้วยกได้ ็ ในทางปฏิบตั ิ คาความพอใจถู
่ ํ
กกาหนดให้ มีลกั ษณะเป็ นสมการเส้นตรงที่มี
คุณสมบัติของการบวกกนได้ ั ระหวางความพอใจจากสวนตาง
่ ่ ่ ๆ ที่ผบู ้ ริ โภคได้รับ ในที่น้ ีจะให้ความสําคัญ
เฉพาะคุณลักษณะของสิ นค้ากอน ่ ดังนี้
Vi = xi1 β 1 + xi 2 β 2 + ... + xik β k .....(2)
ซึ่ง xi k คือ คุณลักษณะด้านหนึ่งของสิ นค้า i ซึ่งมีท้ งั หมด k ด้าน สวน ่ β คือนํ้ าหนักของอิทธิพล
จากคุณลักษณะด้านนั้ น ๆ ที่มีต่อความพอใจ คาเบ้
่ ตา้ นี้ คือคาพารามิ
่ เตอร์ที่เราจะต้องคํานวณออกมาจาก
แบบจําลอง
่
ยกตัวอยางในเรื ็ ่ ราคา ต้นทุนการใช้งาน ณ ระดับ
่ องการตัดสิ นใจซื้ อเครื่ องปรับอากาศ xi k กเชน
่
คาไฟฟ้ าปัจจุบนั ภายใต้สภาพอากาศปกติ ดัชนีความนาเชื ่ ่อถือ ความงายในการดู
่ แลรักษา ระดับเสี ยง
รบกวน และความสะดวกในการใช้งาน สังเกตวาตั ่ วแปรตาง่ ๆ สามารถทดแทนกนหรืั อเพิ่มอยางหนึ
่ ่ งและ
่ ่ งได้ (trade-off) การออกแบบวาตั
ลดอีกอยางหนึ ่ วแปร xi k ควรจะเป็ นอะไรอยางรอบคอบจะทํ
่ าให้
สามารถสร้างแบบจําลองออกมาได้อยางไมซั ่ ่ บซ้อนเทาที ่ ่เราเห็น
่ ่ ั
นักวิจยั อาจจะอยากใสผลรวมกนระหวางคุ ่ ณลักษณะสิ นค้ากบคุ ั ณลักษณะของผูซ้ ้ือ (interaction)
่
และผลรวมระหวางคุ ่ ณลักษณะของสิ นค้าหลาย ๆ ด้านประกอบกนซึ ั ่ งกทํ็ าได้ ยกตัวอยางเชน
่ ่ ต้นทุนการใช้
งานสามารถคูณกบตั ั วแปรจํานวนชัว่ โมงที่ครอบครัวอยูบ่ า้ นในชวงก
่ ลางวัน หรื อตัวแปรต้นทุนการใช้งาน
สามารถหารด้วยรายได้ของครอบครัว ทั้ งนี้ จะสามารถเห็นได้วาอิ ่ ทธิพลของคุณลักษณะสิ นค้านั้ นขึ้ นอยูก่ บั

่ ่
อิทธิพลของคุณลักษณะของผูซ้ ้ือด้วย นอกจากนั้ นหากความพอใจลดลงอยางนาตกใจหากคุ ณลักษณะ
่ ้ ยนไปจากสิ่ งที่ควรจะเป็ น หรื อคาความพอใจขึ
บางอยางเพี ่ ั ่ ํ งสองของตัวแปร xi k (หากคา่
้ นอยูก่ บคากาลั
่ คา่ V จะลดลงฮวบฮาบ เชน่ 10 2 = 100 กบั 9 2 = 81 ; ผูแ้ ปล) เรากใส
xi k ลดลงนิ ดหนอย ็ ่ คา่ xik2
็ โดยการเพิม่ β เข้าไปอีกหนึ่งตัว ดูงานของ Johnson and Meyer (1984)
เข้าไปในสมการที่ (2) ด้วยกได้
ในแบบจําลองอาจจะมีสิ่ งที่เรี ยกวา่ choice set หรื อ aspiration level effects เพื่อแสดงถึง
่
คุณลักษณะที่ไมสามารถชดเชยกนไ ั ด้ (noncompensatory) ยกตัวอยางเชน ่ ่ ทางเลือกในการซื้ อ
เครื่ องปรับอากาศเราตั้ งใจมาจากบ้านแล้ววา่
่ ้ น แตถ้่ าต้นทุนการใช้งานของ
“เราจะเลือกยีห่ อ้ ที่มีตน้ ทุนการใช้งานตลอดทั้ งอายุการใช้งานที่ต่าํ ที่สุดเทานั
่ ห่ อ้ ไมตางกนมากนั
แตละยี ่่ ั กถึงจะเลือกยีห่ อ้ ที่เสี ยงเงียบที่สุด”
่ ้ สามารถจําลองออกมาในแบบจําลองได้ดว้ ยการกาหนดให้
เรื่ องอยางนี ํ ตวั แปร xi k ตัวหนึ่งเป็ น
ต้นทุนการใช้งานตลอดอายุการใช้งาน และอีกตัวหนึ่งเป็ นระดับเสี ยงซึ่งคูณอยูก่ บตั
ั วแปร dummy ที่ระบุวา่
ยีห่ อ้ ไหนที่มีตน้ ทุนการใช้งานที่ต่าํ ที่สุด
ในเรื่ องนี้ ผแู ้ ปลอยากจะขอขยายความวามั ่ นหมายถึงเราจะเลือกยีห่ อ้ ที่ตน้ ทุนตํ่าที่สุดเทานั

่ ้น
่
เราจะไมสนใจยี ็
ห่ อ้ ใดกตามที ่ วาเสี
่ตน้ ทุนสูงกวาแม้ ่ ยงจะเงียบกวา่ ในแบบจําลองนี้ ลองจินตนาการดูวาถ้ ่ า
่
ทุกยีห่ อ้ มีตน้ ทุนไมแตกตางกน ่ ั คือ ต้นทุนตํ่าที่สุดเหมือนกนหมด
ั ่ ็ อระดับเสี ยงคูณด้วย
ตัวแปรดังกลาวกคื
หนึ่ง ซึ่งยังเหลือออกมาเป็ นตัวเลขที่ไมเทากบศู ่ ่ ั นย์ หรื อดูให้ดีกคื็ อคาของตั
่ วแปรระดับเสี ยงนัน่ เอง ใน
แบบจําลองกจะยั ็ งมีตวั แปรสองตัวที่มีคาไมเทากบศู
่ ่ ่ ั นย์ คือ ต้นทุนการใช้งานตลอดอายุการใช้งาน และอีก
่
ตัวหนึ่งเป็ นระดับเสี ยง นัน่ หมายความวาเราจะยอมมองเรื ็ ่ ่อต้นทุนของทุกยีห่ อ้ ไม่
่ องระดับเสี ยงกตอเมื
่ ั ่ ้ น คือ กรณี ที่ตวั แปรระดับเสี ยงคูณด้วยหนึ่งเทานั
ตางกนเทานั ่ ้น
่ ่ ั
ในกรณี ที่ตน้ ทุนการใช้งานไมเทากนจะมี ่ วแปรดับเสี ยงไมเทาก
ยหี่ อ้ เดียวที่มีคาตั ่ ่ บั ศูนย์กคื็ อยีห่ อ้ ที่มี
ต้นทุนตํ่าที่สุด เพราะคูณอยูก่ บหนึ
ั ่ ง ยีห่ อ้ อื่นที่เหลือมีค่าเป็ นศูนย์ท้ งั หมดเพราะคูณอยูก่ บศู ั นย์ เมื่อประมาณ
่
คาพารามิ ็่
เตอร์ออกมาตัวแปรระดับเสี ยงกยอมจะไมมี ่ นยั สําคัญทางสถิติ เพราะคาโดยมากเทากบศู
่ ่ ั นย์ ก็
่ ั ่
เทากบวาเราไมได้ ่ สนใจเรื่ องระดับเสี ยงเลย คือสนใจแตเรื่ ่ องต้นทุนเทานั ่ ้ น ดังนั้ นคําวาความไมสามารถ
่ ่
ชดเชยกนได้ั (noncompensatory) จึงหมายความวา่ เราตั้งใจไว้แล้ววาจะเอาคุ ่ ณลักษณะนี้ เทานั ่ ้ น ถึงแม้วา่
คุณลักษณะอยางอื ่ ่นจะดีซ่ ึงอาจจะชวยชดเชยสิ
่ ่ งที่เราอยากได้ เชน่ ต้นทุนสูงขึ้ นหนอยแตเงี่ ่ ยบลงอีก เรากไม ็ ่
่ ้ เทานั
สนใจ เราจะเอาอยางนี ่ ้ น มันเลยเรี ยกวา่ aspiration effect คือชอบแตเรื่ ่ องนี้ เทานั
่ ้ น อยางอื
่ ่นมาทําให้
่ และที่เรี ยกวา่ choice set กเพราะวา
เปลี่ยนใจไมได้ ็ ่ มันเป็ นทางเลือกที่เราตั้ งใจไว้แล้ว คือ set ไว้แล้วไม่
เปลี่ยนใจ
เรื่ องใหญอี่ กเรื่ องคือ Independence from Irrelevant Alternatives (IIA) ซึ่ง McFadden กลาวตอไป
่ ่
วา่ เมื่อคา่ V ขึ้ นอยูก่ บคา ั ่ xi k เทานั
่ ้ นและไมได้
่ ข้ ึนกบอะไรกตามที
ั ็ ่ครอบงําทางเลือก C ทั้ งหมดไว้อยู่
และไมได้ ่ ข้ ึนอยูก่ บทางเลื
ั ็ นจริ ง ดังนี้
อกอื่น แล้ว ข้อตกลงเรื่ อง IIA ของ Luce กจะเป็
PA (i ) PC (i )
= เมื่อ i, j ∈ A ⊆ C …..(3)
PA ( j ) PC ( j )
คือเมื่อทางเลือก i กบั j ซึ่งเป็ นสมาชิกของ A และ A เป็ น subset ของ C หรื ออาจจะคือ C เองเลยนั้ น
ต้องได้วา่ แต้มตอของโอกาสที
่ ่จะเลือกซื้ อ i เหนือ j (odd ratio) ไมวาทั่ ่ ้งสองทางเลือกจะอยูใ่ น
สภาพแวดล้อมที่ต่างกนอยางไรกยั
ั ่ ็ งต้องคํานวณได้เทาเดิ ่ มตลอด ไมมี่ การเปลี่ยนแปลงไปตาม
สภาพแวดล้อม เชน่ หากมีทางเลือกลดลงจาก m ทาง เหลือ m- 1 ทางเลือก แล้วแต้มตอของโอกาสที ่ ่ จะ
่ ั ่อครั้ งที่ยงั มี m ทางเลือก
เลือกซื้ อ i เหนือ j ยังจะต้องเทากบเมื
่ ่
ผูแ้ ปลของยกตัวอยางเชนการเลื อกคู่ หากเราชอบคนหนึ่ง ( i ) มากกวา่ ( j ) แล้วพบวาโอกาสที ่ ่เรา
่
จะแตงงานกบ ั i เป็ นสองเทาของการจะแตงงานกบ
่ ่ ั j โอกาสนั้ นจะเทาเดิ ่ มไมวาเ่ ่ ราจะเข้าไปอยูใ่ น
สังคมที่มีคนอื่นมากมายนอกจาก i และ j หรื อจะอยูใ่ นสังคมที่มีเพียงเรากบอี ั กสองคนคือ i และ j
่ ้ นได้กตอเมื
เทานั ็ ่ ่อเราไมได้
่ สนใจคนอื่นเลย เราจับตาอยูเ่ พียงการเปรี ยบเทียบระหวางคู ่ น่ ้ ีเทานั
่ ้ น แบบนี้
แสดงวา่ IIA เกดขึ ิ ้ นแล้ว แตถ้่ าการมีคนอื่นในสังคมเข้ามาเพิม่ แล้วทําให้เราไขว้เขว เชน่ เราเกดชอบ ิ k
มากกวา่ i และ j ขึ้ นมา แล้วกลายเป็ นวาทั ่ ้ ง i และ j ตกกระป๋ อง ทําให้โอกาสการแตงงานกบ ่ ั i ไม่
่
แตกตางจากการจะแตงงานกบ ่ ั j เพราะเหลือน้อยทั้ งคู่ แบบนี้ แสดงวาไมมี
่ ่ IIA เกดขึ ิ ้น
่ ่
McFadden กลาวตอไปวา ่ ข้อตกลงเรื่ อง IIA นี้ สามารถเขียนได้ในรู ปแบบของความพอใจผันแปร
ํ
(random utility) โดยกาหนดให้
PC (i ) = Pr (U i ≥ U j ) เมื่อ j ∈C ….(4)

่ วา่ โอกาสที่จะเลือกซื้ อสิ นค้า i กคื็ อโอกาสที่ความพอใจที่ได้จาก i ไมน้่ อยไปกวาความพอใจที

(อานได้ ่ ่ได้
่
จาก j ) ทั้ งนี้ ความพอใจ U i = Vi + Wi เมื่อ Vi เป็ นคาความพอใจที ่ได้อิทธิพลมาจากคา่ xi k และ Wi
ิ
คือความคลาดเคลื่อนที่เกดจากคุ ณลักษณะที่เราไมได้ ่ นาํ มาพิจารณาในแบบจําลอง การเลือกปฏิบตั ิ และ
การเปลี่ยนแปลงของความชอบอันเกดจากสิิ ่
่ งที่วดั ไมได้
ข้อตกลงเรื่ อง IIA มีท้ งั ข้อดีและข้อเสี ย ข้อดีกคื็ อมันทําให้เป็ นไปได้ที่จะศึกษาพฤติกรรมการเลือก

ภายใต้ทางเลือกมากมายโดยอาศัยข้อมูลจากการเปรี ยบเทียบระหวางสองทางเลื ่ อกทีละคู่ ๆ และทําให้การ
พยากรณ์ความต้องการซื้ อของสิ นค้าที่จะออกวางตลาดใหมเป็ ่ นเรื่ องงายขึ
่ ้ น มันทําให้ประหยัดเวลาในการ
่
ประมวลผลข้อมูลขนาดใหญและชวยในการคํ ่ านวณด้วยการเปรี ยบเทียบทางเลือกเป็ นคู่ ๆ จากทางเลือกที่มี
่
มหาศาล มันแสดงความสัมพันธ์ระหวางโอกาสการเลื ั
อกกบการเรี ยงลําดับความชอบซึ่งเป็ นประโยชน์ต่อ
การวิเคราะห์ conjoint analysis แตข้่ อเสี ยของมันกคื็ อมันไมได้ ่ สนใจการเปลี่ยนแปลงที่เกดขึ ิ ้ นกบั
คุณลักษณะของสิ นค้าที่เป็ นทางเลือกอื่น เชน่ ถึงแม้สินค้าอื่นจะมีคุณภาพดีขึ้ นอยางมาก ่ ่
แตความสนใจ
่
ระหวางทางเลื ่ ๆ กจะไมเปลี
อกตาง ็ ่ ่ยนแปลง ซึ่งเป็ นเรื่ องที่ไมตรงกบความจริ
่ ั ิ ้ นทั้ งในเศรษฐศาสตร์
งที่เกดขึ
และการตลาด (Currim 1982, Green and Krieger 1985, Kahn et al. 1985, Kamamura and Srivastava 1984)
ผูแ้ ปลขอขยายความในสวนนี ่ ้ วา่ ข้อเสี ยของ IIA อยางที

่ ่กลาวแล้
่ ววา่ ถ้าโอกาสที่เราจะแตงงานกบ ่ ั
่
i เป็ นสองเทาของการจะแตงงานกบ ่ ั j แตปรากฏวาตอมา
่ ่ ่ g ซึ่งเดิมเราไมเคยมองเลยเพราะไมชอบ
่ ่
่ ว กลับแตงตั
แตงตั ่ วสวยขึ้ นมาแล้วเราเกดชอบิ ่
เหตุการณ์แบบนี้ โอกาสที่เราจะแตงงานกบ ั g จะเพิม่ ขึ้ น
่
อยางมาก ทําให้ท้ งั i และ j ตกกระป๋ องอีกเชนเดิ ่ ม ซึ่งได้กลาวแล้
่ ววา่ IIA จะไมเกดขึ ่ ิ ้ น แตหากต้
่ องการ
ให้ IIA ยังเกิดขึ้ นอยูก่ ต้็ องจํากดวา
ั ่ แม้ g จะแตงตั ่ วสวยขึ้ นเพียงใดกต้็ องไมสามารถดึ
่ งดูดสายตาของเรา
่
ได้ (เชนตาบอด ็ าให้ IIA ยังคงเกดขึ
) แบบนี้ กจะทํ ิ ้ น เพราะโอกาสที่เราจะแตงงานกบ
่ ั i ยังเป็ นสองเทา่
ของการจะแตงงานกบ ่ ั j เหมือนเดิม แตมั่ นจะขัดแย้งกบความเป็
ั นจริ งในโลกของคนตาดี
่ อยูส่ ามทางในการจัดการกบเรื
McFadden บอกวามี ั ่ อง IIA ดังนี้
่ ่ IIA เกดขึ
หนึ่ง เราต้องทดสอบกอนวา ิ ้ นหรื อไมโดยการใช้
่ ่ งในตอนท้าย
การทดสอบทางสถิติที่จะได้กลาวถึ
ิ ้ นเรากจะสามารถใช้
ของบทความนี้ ถ้า IIA เกดขึ ็ ่
แบบจําลอง Multinomial logit ได้อยางสบายใจ
สอง ถึงแม้วา่ IIA จะไมเกดขึ

่ ิ ้ น เรากอาจจะยั
็ งใช้ Multinomial logit ได้อยู่ ถ้าเราสามารถทําให้ V ขึ้ นอยู่
ั ่
กบคาของตั ่ ้ จะทําให้เราสู ญเสี ยอะไรบางอยางไป
วแปรที่ครอบงําทางเลือกทั้ งหมดไว้ได้ การทําอยางนี ่ เชน่

การทดสอบ consistency ของแบบจําลองจะยากขึ้ นวาจริ ่ ง ๆ แล้วผูบ้ ริ โภคได้รับความพอใจสูงสุ ดหรื อไม่

แตข้่ อดีกคื็ อเราจะใช้วิธีการคํานวณที่ไมซั่ บซ้อนของแบบจําลอง Multinomial logit ได้อยู่
สาม เราอาจจะใช้แบบจําลองอื่นที่ไมจํ่ าเป็ นวา่ IIA ต้องเกดขึ

ิ ้ น แตการคํ่ านวณจะยุง่ ยากกวามาก
่ เชน่
Multinomial Probit, Nested Multinomial Logit, Generalized Extreme Value, Hierarchical Elimination by
Aspects and Elimination by Strategy และ Random Coefficients Multinomial Logit โดยงานของผูเ้ ขียน
่ งแบบจําลองเหลานี
เอง คือ McFadden (1981, 1984) ได้กลาวถึ ่ ้ และสรุ ปทฤษฎีและการคํานวณตาง ่ ๆ เอาไว้
่ าตอไปจะได้
ยอหน้ ่ ่ งบางประเด็นของแบบจําลองเหลานี
กลาวถึ ่ ้ ซ่ ึงสําคัญตอการวิ
่ จยั ตลาด
่
การประมาณคาแบบจํ าลองที่ได้ขอ้ มูลมาจากภาคสนามปกติจะใช้วิธี maximum likelihood ซึ่งใช้
การคํานวณหลายรอบด้วยสมการที่ไมใชเส้ ่ ่ นตรง ด้วยประสิ ทธิภาพของเครื่ องคอมพิวเตอร์ปัจจุบนั พบวา่
่ ยากไปกวาการคํ
มันไมได้ ่ านวณสมการเส้นตรงเทาใดนั ่ ก ในขณะที่กวาจะได้
่ คาํ ตอบจาก Multinomial
Probit และ Nested Multinomial Logit ต้องใช้เวลาคํานวณมากกวา่ ปั จจุบนั มีโปรแกรมสําเร็ จรู ปสําหรับ
การคํานวณ MNL อยูม่ ากและมีบางโปรแกรมที่คาํ นวณเทคนิคอื่น ๆ ได้ วิธี Nested MNL ซึ่งจะได้อธิบาย
่
ตอไปสามารถคํ านวณได้จากการสร้างกลุ่มของทางเลือกแล้วให้คาํ นวณเป็ นขั้น ๆ โดยเริ่ มจากกลุม่ สุ ดท้ายมา
่ ซึ่งในแตละขั
กอน ่ ้นกจะเป็
็ นเพียง MNL ธรรมดา ผูเ้ ขียนได้กลาวถึ่ งวิธีการโดยละเอียดไว้ใน McFadden
(1981) แบบจําลองนี้ มีประสิ ทธิภาพเพราะใช้วิธีการคํานวณแบบ maximum likelihood แตต้่ องคํานวณจาก
full model
่ ่ งซึ่งขยายผลมาจาก MNL เรี ยกชื่อวา่ Hierarchical model (แบบจําลอง

แบบจําลองอีกอยางหนึ
เป็ นลําดับขั้น) ในแบบจําลองนี้ ทางเลือกตาง ่ ๆ จะปรากฏในรู ปของต้นไม้ของความพอใจ ซึ่งทางเลือกที่
ั
เหมือน ๆ กนจะรวมอยู ใ่ นกลุ่มเดียวกนั รู ปที่ 2 แสดงให้เห็นวาทางเลื
่ อกที่หนึ่งถึงห้ารวมอยูใ่ นกลุ่มแรก
และทางเลือกที่หกและเจ็ดรวมอยูใ่ นกลุ่มหลัง นอกจากนั้ นทางเลือกที่หนึ่งถึงสามแยกกลุ่มยอยออกมา ่
็
ในขณะที่ทางเลือกที่สี่และห้ากแยกมาเป็ นอีกกลุ่มยอย
่ กระบวนการคํานวณทําได้เริ่ มจากการตัดกลุ่มแรก
ทั้ งกลุ่มออกไปกอน่ จากนั้ นคอยตั ่ ดกลุ่มหลัง ทําไปจนกวาจะถึ่ งทางเลือกสุ ดท้าย แบบจําลองนี้ ข้ ึนอยูก่ บั
โอกาสของการเปลี่ยนแปลงจาก node หนึ่งไปยัง node ตอไปซึ ่ ่ งอยูไ่ กลออกไป โอกาสของการเลือกสิ่ งหนึ่ง
สามารถเขียนได้วาเป็ ่ นผลคูณของโอกาสในการเปลี่ยนแปลงเหลานี ่ ้ ทุกขั้นตอนจนกวาจะไปถึ
่ งสิ่ งนั้ น
่ ้ นาํ ไปใช้ได้ดีกบการตลาดเมื
แบบจําลองเป็ นลําดับขั้ นเชนนี ั ่อผูบ้ ริ โภคมักมองวาสิ ่ นค้าหลายจํานวนหนึ่งมี
ความคล้ายคลึงกนซึ ั ่ งสามารถจัดให้อยูใ่ นกลุ่มเดียวกนได้
ั (Urban and Hauser, 1980)

แบบจําลอง Nested MNL กคื็ อแบบจําลองแบบเป็ นลําดับขั้น (Hierarchical model) เพียงแตระบุ ่ วา่
รู ปแบบของโอกาสในการเปลี่ยนแปลงจาก node หนึ่งไปยัง node เป็ นแบบ MNL ซึ่งขนาดของโอกาสคือ
่ ั
คารวมกนของทุ กกงิ่ (branches) ภายใต้ node นั้ น อีกรู ปแบบหนึ่งของการกาหนดคาโอกาสในการ
ํ ่
่
เปลี่ยนแปลงดังกลาวเสนอโดย Tversky Sattath (1978) เรี ยกวา่ Tversky’s elimination-by-aspects model
(HEBA) ตอมา ่ Moore และคณะ (1985) ใช้แบบจําลองนี้ในทางการตลาด ในแบบจําลอง HEBA โอกาส
ของการเปลี่ยนแปลงคือผลรวมของทุกรู ปแบบของ MNL
่
ลองดูตวั อยางของทางเลื อกที่มีสามทางซึ่งทางเลือกที่หนึ่งและสองรวมอยูใ่ นกลุ่มเดียวกนั สวน ่
ทางเลือกที่สามแยกออกมาตางหาก่ ่ ชนีวดั ความเหมือนกนระหวาง
พารามิเตอร์ γ หรื อ 1 θ เป็ นคาดั ั ่
ทางเลือกที่หนึ่งและสอง เมื่อ γ มีค่าเป็ นจํานวนจริ ง และ 1 θ ≥ 1 พารามิเตอร์ท้ งั คู่จะมีคาเพิ
่ ่มขึ้ นหาก
ั
ทางเลือกที่หนึ่งและสองยิง่ มีความเหมือนกนมากขึ ้น

ั ่
พารามิเตอร์ γ เป็ นตัววัดความเหมือนกนระหวางทางเลื อกทั้ งสอง ในขณะที่ 1 − θ คือ
่
ความสัมพันธ์ระหวางความพอใจที ่
่ได้รับจากแตละทางเลื อก แบบจําลองนี้ มีรูปแบบทางคณิ ตศาสตร์ดงั นี้
eV1
P{1, 2} (1) = ……(5)
eV1 + eV2
อา่นได้วา่ โอกาสที่ผบู ้ ริ โภคจะเลือกทางเลือกที่หนึ่ง เมื่อมีทางให้เลือกสองทางคือหนึ่งกบสอง

ั จะ
ขึ้ นอยูก่ บคุ
ั ณลักษณะของทั้ งสิ นค้าทางเลือกที่หนึ่ง V1 และทางเลือกที่สอง V2
eV1
P{1,3} (1) = สําหรับแบบจําลอง Nested MNL ……(6.1)
eV1 + eV3
สําหรับแบบจําลอง Nested MNL แล้ว โอกาสที่ผบู ้ ริ โภคจะเลือกทางเลือกที่หนึ่ง เมื่อมีทางให้

ั
เลือกสองทางคือหนึ่งกบสาม จะขึ้ นอยูก่ บคุ
ั ณลักษณะของทั้ งสิ นค้าทางเลือกที่หนึ่ง V1 และทางเลือกที่
่ ั
สาม V3 เชนกน
PC (1) =
(
P{1, 2} (1) ⋅ eV1 + eV2 ) สําหรับแบบจําลอง Nested MNL ……(7.1)
θ
(e V1
+ eV3 )
θ
+ eV3
ั
เมื่อดูโอกาสที่ผบู ้ ริ โภคจะเลือกทางเลือกที่หนึ่งเทียบกบทางเลื ่ ้ นอยูก่ บั
อกอื่นทั้ งหมดแล้ว จะได้วาขึ
โอกาสที่จะเลือกทางเลือกที่หนึ่งเมื่อมีเพียงสองทางเลือกคือหนึ่งกบสองั P{1, 2} (1) คุณลักษณะของทั้ งสิ นค้า
ทางเลือกที่หนึ่ง V1 ทางเลือกที่สอง V2 และทางเลือกที่สาม V3 อีกทั้ งยังขึ้ นอยูก่ บพารามิ
ั เตอร์ θ ซึ่งถ้า
อยูต่ ามลําพังอยางนี
่ ้ กหมายถึ
็ ่ ั ่
งระดับความแตกตางกนระหวางทางเลื อกที่หนึ่งและสอง สังเกตวา่ θ จะ
ํ ั เ่ ฉพาะทางเลือกที่หนึ่งและสองเพราะทั้ งคู่อยูใ่ นกลุ่มเดียวกนยอมมี
กากบอยู ั ่ ระดับของความเหมือนกนอยู ั ่ ถ้า
ั
เหมือนกนมาก θ จะน้อย แต่ 1 θ จะมากขึ้ น
สําหรับแบบจําลอง HEBA สามารถเขียนโอกาสที่ผบู ้ ริ โภคจะเลือกทางเลือกที่หนึ่งได้ดงั นี้
eV1
P{1, 2} (1) = V1 ……(เหมือนสมการที่ 5)
e + eV2

P{1,3} (1) =
(e + eγ
V1
) สําหรับแบบจําลอง HEBA …..(6.2)
eV1 + eV3 + e γ
P{1, 2} (1) ⋅ e γ + eV1

และ PC (1) = สําหรับแบบจําลอง HEBA …..(7.2)
eγ + ∑ e
Vj
j∈C
สมการที่ 6.2 และ 7.2 กดู็ คล้าย ๆ กบของแบบจํ

ั ่ ่ สญ
าลอง Nested MNL เพียงแตวาใช้ ั ลักษณ์ γ
ซึ่งกคื็ อ 1 θ นัน่ เอง (γ = 1 θ ) สมการที่ 7.2 มีเครื่ องหมาย ∑ กหมายความวารวมเอาผลของ
็ ่
คุณลักษณะของสิ นค้าที่หนึ่งไปจนครบทุกสิ นค้าในเซท C
่
งานของผูเ้ ขียนเองคือ McFadden (1982) แสดงให้เห็นวาในกรณี ของทางเลือกที่มีสามทางแล้วทั้ ง
แบบจําลอง Neste MNL และ HBEA จะให้ผลลัพธ์การคํานวณที่เหมือนกนั มันนาทดลองที ่ ่จะคํานวณ
แบบจําลอง HBEA ที่มีจาํ นวนทางเลือกมาก ๆ แล้วรวมกลุ่มกนได้ ั ประมาณสามถึงห้ากลุ่ม อีกสองวิธี
่ ธี Generalized extreme value และ วิธี elimination by strategy model เป็ นการขยายผลจากวิธี
เรี ยกวาวิ
่
HBEA ซึ่งการชัง่ ใจเลือกจะเขียนออกมาเป็ นเส้นทางที่แนนอนไมได้ ่ รวมกลุ่มกนเป็
ั นต้นไม้อยางนี
่ ้
แบบจําลอง Multinomial Probit (MNP) เป็ นวิธีการคํานวณสําหรับทางเลือกหลายทางและเป็ นวิธี

ํ
ที่สอดคล้องถูกต้องตามกฎการตัดสิ นใจด้วยการเปรี ยบเทียบของ Thurstone แบบจําลองนี้ สามารถกาหนด
่
รู ปแบบของความสัมพันธ์ระหวางทางเลื ั อยางหลากหลาย
อกที่เหมือนกนได้ ่ MNP เป็ น random utility
่
model ซึ่งความพอใจที่ได้รับจากแตละทางเลื อกมีการกระจายแบบปกติ
PC (i ) = Pr (U i ≥ U j ) เมื่อ j ∈C ......(8)
่ วาโอกาสที
อานได้ ่ ่จะเลือกทางเลือก i กคื็ อโอกาสที่ความพอใจที่ได้รับจาก i ไมน้่ อยไปกวาที
่ ่
ได้รับจากทางเลือกอื่นในเซต C
ํ
กาหนดให้ E (U i ) = Vi อานได้
่ วาคาเฉลี
่ ่ ่ยของความพอใจกาหนดให้
ํ ่ ั V หรื อกคื็อคา่
เทากบ
ความพอใจที่ได้รับจากคุณสมบัติของสิ นค้าในทางเลือกนั้ น
ํ
กาหนดให้ ความสัมพันธ์ (covariance) ระหวาง ่ U i และ U j มีคาเทากบ
่ ่ ั σ ij หรื อเขียนได้วา่
cov(U i ,U j ) = σ ij ซึ่ งอาจจะได้รับอิทธิ พลมาจากคุณลักษณะของสิ นค้ากเป็็ นได้

ํ
แบบจําลองนี้ กาหนดให้ความพอใจได้รับอิทธิพลจากคุณลักษณะของสิ นค้าในรู ปแบบสมการ
ั ของความพอใจที่ได้รับจากคุณลักษณะประการตาง
เส้นตรงซึ่งมีคุณสมบัติของการบวกกนได้ ่ ๆ ของสิ นค้า
่ ่ ้ าหนักด้วยอิทธิพลของคุณลักษณะนั้ น แบบจําลองนี้ มีความพิเศษตรงที่วานํ
แตถวงนํ ่ ้ น (α k )
่ ้ าหนักเหลานั
่ เป็ นคาคงที
ไมได้ ่ ่ แตมี่ หลาย ๆ คาและกระจายตั
่ วแบบ normal distribution
U i = x1iα 1 + x 2iα 2 + ... + x kiα k ….(9)
่ ่ยของนํ้ าหนักเหลานั
คาเฉลี ่ ้ นกาหนดให้
ํ เรี ยกวา่ β k สิ่ งที่เราจะได้ออกมาเรี ยกวา่ Random Coefficient
Probit (RCMNP) ซึ่งจะทําให้คาํ นวณคา่ V ได้ดงั นี้
Vi = x1i β 1 + x 2i β 2 + ... + x ki β k ....(10)
และ Cov(U i ,U j ) = x ′Gx j .....(11)
เมื่อ xk คือ คุณสมบัติของสิ นค้า และ G คือ covariance matrix ของ α
การคํานวณแบบจําลอง MNP ต้องใช้การอินทิเกรท การคํานวณทางสถิติที่ตอ้ งใช้วิธีคาํ นวณหลาย

่
ๆ รอบ (iteration) จะไมสะดวกสํ ่ ่ ทางขึ้ นไป ทางออกอยางหนึ
าหรับทางเลือกที่มีมากกวาสี ่ ่ งคือการใช้วิธี
่
ประมาณคาของผลอิ ่
นทิเกรที่เสนอไว้โดย Daganzo (1980) แตผลการประมาณคานั ่ ้ นมักจะไมคอยถู
่ ่ กถ้า
่ ่
ความสัมพันธ์ระหวางแตละทางเลื อกมีค่าเป็ นลบและอีกกรณี คือหากความแปรปรวน (variance) ของแตละ ่
่ ่ ั อานเ
ทางเลือกไมเทากน ่ พิ่มเติมได้ใน Horowitz และคณะ (1979)
ํ
อีกทางออกหนึ่งคือกาหนดโครงสร้ างของปัจจัยที่จะวิเคราะห์ให้มีขนาดเล็กลงใน covariance
matrix สิ่ งนี้ ทาํ ได้ท้ งั MNP แบบ direct coefficient และ random coefficient หรื อ แบบลูกผสม (hybrid
model) ระหวาง ่ MNP และ MNL ซึ่งเสนอครั้ งแรกโดย Westin (1974) และ Talvitie (1972) ซึ่งโอกาสที่
จะลเอกทางเลือกหนึ่งกาหนดให้ ํ เป็ นแบบ MNL ด้วยคา่ V ซึ่งกาหนดจากสมการเส้
ํ นตรงภายใต้
พารามิเตอร์ที่แปรผันไปมาได้แบบ α ดังนี้
⎛ ⎞
⎜ e xiα ⎟
PC (i ) = Eα ⎜ ⎟ .....(12)
⎜⎜ ∑ e j
xα
⎟⎟
⎝ j∈C ⎠

ํ
ในสมการที่ (12) กาหนดให้ ่ ๆ แปรผันได้และกระจายแบบ normal distribution ซึ่งมี
α ตาง
่ ่ยเทากบ
คาเฉลี ่ ั β โครงสร้างแบบนี้ ใช้ในการศึกษาทางการตลาดโดย Beggs และคณะ (1981)
วิธีการที่สามสําหรับการคํานวณแบบจําลอง MNP คือการคํานวณโอกาสที่จะเลือกทางเลือกหนึ่ง

ด้วยสิ่ งที่เรี ยกวา่ Monte Carlo simulation ทั้ งในการประมาณคาพารามิ
่ เตอร์และในการพยากรณ์
แบบจําลอง RCMNP ซึ่งเขียนไว้ในสมการที่ (9) ถึง (11) สามารถเขียนได้วา่
U i = xi (β + Aν )
่ ่ยของ α สวนเมตริ
ซึ่ง β คือเวกเตอร์ของคาเฉลี ่ กซ์ A เรี ยกวา่ Cholesky factor ของ covariance
matrix ซึ่ง AA′ = G และ ν คือเวกเตอร์ของคาที่ ่เปลี่ยนแปลงได้ซ่ ึงมีความเป็ นอิสระและมีการ
กระจายแบบ normal (independent standard normal variates) ทั้ งนี้ ท้งั β และ A อาจจะได้รับอิทธิพล
่ ่ ง เชน่ θ
มาจากปัจจัยที่ลึกลงไปอีกตอหนึ
่
การคํานวณหาโอกาสที่จะเลือกทางเลือกหนึ่ง ณ คาพารามิ เตอร์ค่าหนึ่ง สามารถหาได้ดว้ ยการแทน
คา่ ν ที่สร้างขึ้ นมาอยางสุ
่ ่ ม แล้วนับจํานวนวามี
่ ความพอใจ U กตัี่ วที่ได้รับสูงสุ ด วิธีการนี้ เสนอโดย
Lerman และ Manski (1981) ซึ่งป็ นผูค้ น้ พบด้วยวา่ จํานวนตัวอยางที
่ ่จาํ เป็ นสําหรับการคํานวณโอกาสที่จะ
่
เลือกทางเลือกหนึ่งอาจจะไมมากพอสํ ่
าหรับการประมาณคาพารามิ ่
เตอร์ของทั้ งแบบจําลอง แตมากพอ
สําหรับการพยากรณ์
่
อยางไรกตาม็ McFadden (1986a) ได้พฒั นาแบบจําลอง Simulated Moments สําหรับการประมาณ
่
คาพารามิ เตอร์ของ MNP ซึ่งมีคุณสมบัติ consistent asymptotically normal ซึ่งใช้ Monte Carlo เพียงหนึ่ง
ครั้ งสําหรับหนึ่ง observation และสามารถใช้ได้สาํ หรับแบบจําลองที่มีหลายทางเลือก สําหรับตัวอยาง ่
่
จํานวน T ซึ่งได้มาจากประชากรที่เลือกสิ นค้าในเซต C วิธีการนี้ คาํ นวณคาพารามิ เตอร์ θ ด้วยคาที่ ่ จะ
้
สามารถแกสมการตอไปนี ่ ้ ได้
T
0 ≈ ∑∑ Wit (d it − f it (θ )) …….(13)
t =1 i∈C

ในสมการนี้ t หมายถึง observation ในขณะที่ i หมายถึงทางเลือก และ d it หมายถึงตัวที่ระบุ

่
วาทางเลื อกไหนถูกเลือกหรื อไม่ แล้ว f it (θ ) คือความถี่ที่คาํ นวณออกมาสําหรับทางเลือกที่พยากรณ์
่ มาโดยเริ่ มต้นจากการสร้างเวกเตอร์สุ่ มของตัวแปร ν ขึ้ นมา
สําหรับพารามิเตอร์ θ ความถี่ดงั กลาวได้
่ observation t จากนั้ นคํานวณความพอใจออกมาสําหรับแตละครั
หนึ่งหรื อหลายเวกเตอร์สาํ หรับแตละ ่ ้ง
ของการทดลองใสคา ่ ่ θ ดังนี้
U it = xit ⋅ (β (θ ) + A(θ )ν )
่
จากนั้ นให้นบั จํานวนครั้ งที่แตละทางเลื อกได้รับความพอใจสูงสุ ด โดย McFadden (1986a) ได้อภิปรายถึง
้
วิธีการเลือกเครื่ องมือซึ่งเป็ นไปได้ที่จะคํานวณออกมาและมีประสิ ทธิภาพทางสถิติสาํ หรับการแกสมการที ่
(13) และสําหรับการประมาณคา่ covariance matrix ของพารามิเตอร์ต่าง ๆ สําหรับใช้ทดสอบสมมติฐาน
่
ตอไป
การคํานวณหาอุปสงค์ของตลาดจากทฤษฎีเศรษฐศาสตร์เป็ นวิธีการตรง แตแสนจะนาเบื ่ ่ ่อแบบงาน

นักบัญชี อุปสงค์ของสิ นค้าหนึ่งในตลาดโดยรวมหรื อในสวนตลาดกคื ่ ็ อผลรวมของโอกาสที่จะซื้ อสิ นค้านั้ น
่
ของผูบ้ ริ โภคแตละคน ผลรวมเชน่ นี้ อาจจะไมต้่ องรวมโดยตรง หากแตคํ่ านวณได้คราว ่ ๆ ด้วย Monte
Carlo Simulation ด้วยการสุ่ มเลือกผูบ้ ริ โภคขึ้ นมาจํานวนหนึ่งจากประชากรทั้ งหมด วิธีน้ ีบางทีเรี ยกวา่
่ ็ ่
microsimulation หรื อไมกแบงประชากรออกเป็ นสวน่ ๆ ตามความคล้ายคลึงกนของกลุั ่มผูบ้ ริ โภค จากนั้ น
่ ่
ก็รวมโอกาสที่จะซื้ อของคนในแตละสวนตลาด วิธีการทั้ งสองให้ผลที่ค่อนข้างแมนยํ ่ า แตแบบ ่
microsimulation จะทําได้ง่ายกวา่ โดยปกติถา้ ในแบบจําลองพบวามี ่ คุณลักษณะอะไรบางอยางที ่ ่คงที่
่
สําหรับผูบ้ ริ โภคแตละคน (fixed effect) ซึ่งประมาณคาได้ ่ จากกลุ่มตัวอยางที ่ ่พบ แล้ว microsimulation
จะสะท้อนถึงผลของความแตกตางของผู ่ ่
บ้ ริ โภคแตละคนที ่มีต่อความต้องการซื้ อได้อยางแมนยํ
่ ่ า
ในการพยากรณ์ มันจําเป็ นที่จะต้องพยากรณ์คาตั่ วแปรอิสระที่จะใสเข้

่ าไปในแบบจําลองกอน่ เชน่
่ ๆ ที่มีอยูใ่ นตลาด คุณลักษณะของผูซ้ ้ือ และจํานวนประชากร
ราคา และคุณสมบัติของสิ นค้าด้านตาง
McFadden, Cosslett, Duguay และ Jung (1977) รวมทั้ ง Ben-Akiva, Macke และ Hsu (1984) ได้อธิบายถึง
่ การสร้างสถานการณ์จาํ ลองที่ทดลองเปลี่ยนราคาขึ้ นลงไปมาหรื อเปลี่ยน
วิธีการพยากรณ์ตวั แปรดังกลาว
คุณลักษณะของสิ นค้าจะสามารถช่วยให้ประเมินผลตอบสนองที่มีต่อราคาและการออกสิ นค้าใหม่ Goett
และ McFadden(1984) รวมทั้ ง Cowing และ McFadden (1994) ได้แนะนําวิธีที่จะควบคุมความผันแปร
ของการสุ่ มตัวอยางเพื
่ ่อใช้ในการประเมินผลกระทบเหลานี ่ ้

ตอนที่ 4: การใช้ ข้อมลเชิ

ู งจิตวิทยาในแบบจําลองทางเลือก
่ ่ ใช้ขอ้ มูลเชิงจิตวิทยาในเรื่ องการรับรู ้และรสนิยม แม้วาเป็

การศึกษาด้วยเศรษฐมิติไมคอยได้ ่ นเรื่ อง
่
ชัดเจนที่ขอ้ มูลดังกลาวจะชวยทํ ่ าให้ utility function ออกมาดีข้ ึนและชวยให้
่ คะแนนคุณลักษณะของสิ นค้า
ได้ดียง่ิ ขึ้ น ในทางการตลาดซึ่งข้อมูลผูบ้ ริ โภคมีความสําคัญเป็ นอยางยิ ่ ง่ เพราะต้องสนใจเกยวกบการรั
ี่ ั บรู ้
และทัศนคติของผูบ้ ริ โภคอยูเ่ สมอนั้ น จึงจําเป็ นที่จะต้องสร้างแบบจําลองที่จาํ ลองทุกอยางได้ ่ ตามรู ปที่ 1
เพื่อรวมเอาตัวแปรทั้ งเรื่ องทัศนคติและการรับรู ้เข้ามา แล้วดูผลที่มีต่อการตัดสิ นใจเลือกซื้ อสิ นค้า โดยใช้
วิธีทางสถิติซ่ ึงสามารถแสดงความเชื่อมโยงเชิงปริ มาณระหวางตั ่ วแปรเหลานั ่ ้ นได้ บทความในสวนนี ่ ้ จะ
ได้กลาวถึ่ งแบบจําลองข้างต้น รู ปแบบของแบบจําลองได้รับแรงจูงใจจากงานที่นาํ เอาโครงสร้างทาง
จิตวิทยาใสเข้ ่ าไปในแบบจําลอง conjoint แบบลูกผสมของ Green (1984) ผสานกบทฤษฎี ั เรื่ องการให้
คะแนนหลายมิติของ Carroll และ Arabie (1984) และทฤษฎีแบบจําลองที่สมมติข้ ึน (latent) ซึ่งพัฒนาขึ้ น
จากนักวิชาการจํานวนมาก เชน่ Aigner และคณะ (1984) Everitt (1984) Hagglund (1982) Joreskog
(1973) และ Joreskog กบั Sornorn (1979) แบบจําลองที่พฒั นาขึ้นในบทความนี้ ต้ งั ใจให้เป็ นต้นแบบ
สําหรับการรวมเอาวิธีการวิเคราะห์ทางสถิติเข้ากบข้ ั อมูลเชิงจิตวิทยาและข้อมูลการตอบสนองตอทางเลื ่ อกที่
่
แบงออกได้ เป็ นกลุ่มที่ได้จากการทดลองหรื อจากตลาดจริ ง แบบจําลองดังกลาวสามารถแสดงให้
่ เห็นถึง
ความเชื่อมโยง เชน่ ระหวางโปรแกรมทางการ
่ ตลาด การรับรู ้ และการตัดสิ นใจทางการตลาด นอกจากนั้ น
ยังแสดงให้เห็นถึงความคุม้ คาสํ ่ าหรับกจกรรมสงเสริ
ิ ่ มการตลาดตาง ่ ๆ ได้อีกด้วย สิ่ งที่มุ่งเน้นใน
แบบจําลองนี้ คือเรื่ องโครงสร้างของความแตกตางกนของผู ่ ั ่
บ้ ริ โภคแตละคนซึ ่
่ งโดยปกติไมสามารถสั งเกตได้
โดยตรง และการนําไปใช้ในการออกแบบการทดลองสําหรับการวิจยั ตลาด
ํ ่ อมูลด้านการรับรู ้และทัศนคติจะต้องวัดออกมาได้ในรู ปของ

ในแบบจําลองนี้ ผเู ้ ขียนกาหนดวาข้
เมตริ กซ์ มันจะชวยทํ ่ าให้การสร้างแบบจําลองและการวิเคราะห์ทางสถิติง่ายขึ้ น กระนั้ นวิธีการนี้ กยั็ งใช้ได้
กบสิั ่ งที่ไมสามารถวั
่ ่
ดออกมาได้ในรู ปเมตริ กซ์ แม้วาเราอาจจะต้ ่
องระมัดระวังอยางมากเรื ่ องการใช้ขอ้ มูลที่
่
ไมสามารถวั ดได้ในรู ปของเมตริ กซ์ในการวิเคราะห์ทางเศรษฐมิติ ยกตัวอยางเชน ่ ่ สําหรับแบบจําลอง
MNL สมการที่ (2) ต้องการตัวแปรอิสระที่อยูใ่ นรู ปเมตริ กซ์ และถ้าหากเป็ นตัวแปรที่ไมใชในรู ่ ่ ปเมตริ กซ์
ต้องมีคุณสมบัติ monotone transformation (คือ มีทิศทางการเคลื่อนที่ทางเดียว เชน่ ถ้ามีค่ามากขึ้ นกมาก ็
ขึ้ นเรื่ อย ๆ ไมมี่ ลดลง แตถ้่ าลดลงกลดลงเรื
็ ่ อย ๆ ไมมี่ มากขึ้ น; ผูแ้ ปล) ซึ่งจําเป็ นสําหรับการคํานวณผลลัพธ์
จากแบบจําลอง

เพื่อให้ง่ายผูเ้ ขียนจะเริ่ มต้นจากแบบจําลองที่มีเพียงสองทางเลือก มีตวั แปรอยูส่ ามตัว คือ ตัวแปรที่

วัดออกมาได้คือต้นทุน ตัวแปรที่วดั ออกมาไมได้ ่ คือคุณภาพ และตัวแปรด้านทัศนคติคือ ความคํานึงถึง
่
เรื่ องต้นทุน ซึ่งตัวแปรทั้ งสามจะมีอิทธิพลตอความพอใจของผู บ้ ริ โภค แบบจําลองใช้สญ ั ลักษณ์ต่าง ๆ
ดังนี้
c หมายถึงต้นทุน
z เวกเตอร์ของตัวแปรคุณสมบัติสินค้าที่วดั ออกมาได้ (รวมถึงต้นทุน)
q* คุณภาพ ซึ่งเป็ นตัวแปรที่สมมติข้ ึน (latent)
q เวกเตอร์ของตัวชี้ วดั การรับรู ้เรื่ องคุณภาพ
w เวกเตอร์ของตัวแปรแวดล้อมภายนอก เชน่ การศึกษา รายได้
a* ตัวแปรความคํานึงถึงต้นทุน ซึ่งเป็ นตัวแปรที่สมมติข้ ึน (latent)
a เวกเตอร์ของตัวชี้ วดั ด้านทัศนคติ
u* ่ ่ ่ ั นย์
ความพอใจที่ได้จากการซื้ อสิ นค้า ซึ่งเป็ นตัวแปรที่สมมติข้ ึน (latent) ซึ่งคาไมเทากบศู
d อุปสงค์ที่วดั ออกมาได้ เชน่ ทางเลือกที่เลือกไปแล้วหรื อความตั้ งใจที่แสดงออกมาวาจะ ่
่ ่ ั ่ งถ้าตัดสิ นใจซื้ อ และเทากบศู
เลือก ให้คาเทากบหนึ ่ ั นย์ถา้ เป็ นอยางอื
่ ่น
ํ
จากข้อกาหนดที ่บอกตั้ งแตต้่ นแล้ววา่ ตัวแปรที่สมมติข้ ึน (latent) ต้องสามารถวัดได้ในรู ปของ
่ วแปรเหลานี
เมตริ กซ์ ความเชื่อมโยงระหวางตั ่ ้ ดงั ที่แสดงไว้ในรู ปที่ 1 สามารถสร้างขึ้ นมาได้โดยอาศัย
แบบจําลอง LISREL (Joreskog, 1973 และ Everitt, 1984)
a* = w ⋅ Γ0 + ξ 0 …..(14)
q* = z ⋅ Γ1 + ξ1 …..(15)
u* = c ⋅ (β 00 + a * ⋅β 01 ) + q * ⋅(β 10 + a * ⋅β 11 ) + ε …..(16)
a = a * ⋅Π 0 + ν 0 …..(17)
q = q * ⋅Π 1 + ν 1 …..(18)
d =1 ถ้า u* ≥ 0
และ d =0 ่ ่น
ถ้าเป็ นอยางอื …..(19)

่ วแปรทัศนคติและการรับรู ้ที่เป็ นแบบ latent

สมการที่ (14) และ (15) สร้างความสัมพันธ์ระหวางตั
ั ่ งที่วดั ออกมาได้ โดยมีพารามิเตอร์คือ Γ และมีคาคลาดเคลื
เข้ากบสิ ่ ่อนคือ ξ
สมการที่ (17) และ (18) สร้างความสัมพันธ์ระหวางตั ่ วแปรที่เป็ น latent เข้ากบตั

ั วชี้ วดั ที่วดั ออกมา
ได้ โดยมีส่ิ งที่เรี ยกวา่ factor loading matrix ซึ่งกคื็ อนํ้ าหนักที่ใช้ปรับให้สมการเข้ากนได้
ั พอดี คือ Π โดย
่
มีคาคลาดเคลื ่อนคือ ν
สมการที่ (16) แสดงความสามารถในการชดเชยกนซึ ั ่ งความพอใจเกดจากผลรวมของการรั

ิ บรู ้
่ ้ าหนักด้วย taste factors กบพจน์
คุณลักษณะของสิ นค้าซึ่งถวงนํ ั ความคลาดเคลื่อน คา่ taste factor แตละตั่ ว
อาจจะขึ้ นอยูก่ บทั
ั ศนคติ ซึ่งมีพารามิเตอร์ β เป็ นตัวกาหนดรู
ํ ่ ั
ปแบบของความขึ้ นตอกน
สมการที่ (19) แสดงเงื่อนไขของการตัดสิ นใจที่ทาํ ให้ได้ความพอใจสู งสุ ด สมการที่ (16) จําเป็ นที่
ต้องมีการปรับให้ฐานเทากน ่ ั (normalization) ซึ่งปกติจะทําให้คาคลาดเคลื
่ ่ ั ่ง
่อนมีความแปรปรวนเทากบหนึ
ั ่น ๆ ที่จะเพิ่มเข้ามาจําเป็ นสําหรับการกาหนดคาคะแนนเชิ
ข้อจํากดอื ํ ่ งจิตวิทยา
แบบจําลองที่แสดงไว้ในสมการที่ (14) ถึง (19) จําลองการตัดสิ นใจของผูบ้ ริ โภคหนึ่งราย ถ้าการ

่
เปลี่ยนแปลงทุกอยางในพฤติ กรรมการตัดสิ นใจในบรรดาผูบ้ ริ โภคทั้ งหมดถูกตรวจจับไว้ท้ งั ในสวนของ ่
่ ็ ่
ความคลาดเคลื่อน หรื อไมกในสวนของการเปลี ่ยนแปลงของการรับรู ้และทัศนคติที่ได้รับอิทธิพลจากปัจจัย
ภายนอกและคุณลักษณะของสิ นค้าแล้ว เรากจะบอกได้ ็ ่
วาแบบจํ าลองดังกลาวมี ่ ลกั ษณะเป็ น homogeneous
(คือผูบ้ ริ โภคทุกคนเหมือนกนทุ ั กประการ ; ผูแ้ ปล) และสามารถอธิบายพฤติกรรมของบุคคลตาง ่ ๆ ได้
ทั้ งหมด เนื่องจากตัวแปรปัจจัยภายนอกมักจะคงที่สาํ หรับคน ๆ หนึ่ง และจะแตกตางกนไปสํ ่ ั าหรับแตล่ ะ
คน ดังนั้ นมันจะงายขึ่ ้ นมากถ้าแบบจําลองมีคุณสมบัติเป็ น homogeneous และสามารถดึงข้อมูลของแต่
่
ผูบ้ ริ โภคแตละคนมาตอ ่ ๆ กนได้
ั (pooled data)
่
โดยปกติผบู ้ ริ โภคแตละคนมี ่ ั ่ งจะแสดงออกมาผานทางคาสั
ความแตกตางกนซึ ่ ่ มประสิ ทธิที่ต่างกนั
ของพารามิเตอร์ต่าง ๆ ในแบบจําลอง หรื อผานทางคาคลาดเคลื
่ ่ ่อนที่จะใหญเล็ ่ กไมเทากนสํ
่ ่ ั าหรับแตละคน ่
่ ่ ่
แตไมใชในคน ๆ เดียวกนั แบบจําลองสามารถแยกพจน์ออกได้เป็ นสองพจน์คือ สวนที ่ ่เหมือนกนใน ั
บรรดาผูบ้ ริ โภคทุกคน (population effects) และสวนที ่ ่แตกตางกนไปสํ
่ ั ่
าหรับแตละคน (subject effects)
ถ้า subject effect มีผลมากเราจะต้องสร้างแบบจําลองสําหรับบุคคลแตละคนออกมา ่ โดยการดูการตัดสิ นใจ
ของเขาคนเดียวหลาย ๆ ครั้ ง แบบจําลองประเภทนี้ เรี ยกวาแบบจํ ่ าลอง fixed effects แตการจะคํ ่ านวณ
ผลลัพธ์จากแบบจําลองนี้ ได้อยางแมนยํ ่ ่ าต้องมีขอ้ มูลจํานวนมหาศาลที่เกยวข้ ี่ องกบการตั
ั ดสิ นใจซื้ อของ
ผูบ้ ริ โภคคนเดียว เรื่ องนี้ นาํ ไปสู่ การสร้างห้องทดลองสําหรับสังเกตพฤติกรรมของผูบ้ ริ โภคเพียงไมกรายแต ่ ี่ ่
่
เจาะลึกอยางละเอี ่ ่ องผลของปัจจัยภายนอกไมได้
ยด โดยจุดออนเรื ่ เป็ นประเด็นมากนัก เพราะในความเป็ น
จริ งปั จจัยภายนอกที่แวดล้อมผูบ้ ริ โภคคนหนึ่งกมั็ กจะไมเปลี
่ ่ยนแปลงมากนักอยูแ่ ล้ว กระนั้ นเรากยั็ ง
วิเคราะห์ผลกระทบจากปัจจัยภายนอกได้อยูเ่ มื่อรวมเอาข้อมูลของผูบ้ ริ โภคที่เข้ามาในห้องทดลองแตละคน ่
ั ววิเคราะห์ขอ้ มูลที่ได้มาจากการรวมนี้ แบบจําลอง fixed effects นี้ เป็ นที่ชื่นชอบของ
เข้าด้วยกนแล้
นักจิตวิทยาที่ชอบเจาะลึกลงไปในผูบ้ ริ โภคคนเดียวและใช้การเกบข้ ็ อมูลจากห้องทดลองเป็ นหลัก
่ ่ งคือให้คิดวาความแตกตางระหวางผู
แบบจําลองอีกอยางหนึ ่ ่ ่ บ้ ริ โภคแตละคนเป็
่ นตัวแปรสุ่ มและมี
การกระจายตัวทางสถิติ ถ้าการกระจายตัวนั้ นขึ้ นอยูก่ บปั
ั จจัยบางอยางที
่ ่ลึกลงไป แล้วเราจะให้ปัจจัย
่ ่เราต้องค้นหาคําตอบ (unknown) ในแบบจําลอง แบบจําลองประเภทนี้ เรี ยกวา่ random
เหล่านั้ นเป็ นคาที
effects แบบจําลองประเภทนี้ กยั็ งสามารถใช้ขอ้ มูลจากห้องทดลองได้แตต้่ องเกบข้็ อมูลจากผูบ้ ริ โภค
จํานวนมาก ตอนนี้ ผลของปั จจัยภายนอกจะเพิ่มขึ้ นเพราะมีผบู ้ ริ โภคเข้ามาในห้องทดลองมากขึ้ น เรากจะ ็
สามารถศึกษาผลกระทบของปัจจัยภายนอกได้โดยตรง จริ ง ๆ แล้วถ้าไมนั่ บเรื่ องความยุง่ ยากทาง
ิ ํ
คณิ ตศาสตร์ที่จะเกดจากการกาหนดให้ พารามิเตอร์บางตัวในสมการที่ (14) ถึง (19) เป็ นตัวแปรสุ่ มซึ่งขึ้ นอยู่
ั จจัยที่ลึกลงไป แบบจําลองแบบ random effects นี้จะมีคุณสมบัติที่เหมือนกบแบบจํ
กบปั ั าลองที่เป็ น
homogeneous ซึ่งไมมี่ subject effects
สําหรับการนําไปใช้งานทางการตลาด แบบจําลอง random effects มีขอ้ ดีอยูม่ าก แบบจําลองนี้

สามารถตรวจจับรู ปแบบของพฤติกรรมของประชากรได้ และสามารถพยากรณ์ทางการตลาดได้อยาง ่
่ าในสวน
แมนยํ ่ ตลาดที่สนใจอยู่ เราจะเกบข้ ็ อมูลจํานวนไมมากนั ่ กจากผูบ้ ริ โภคคนหนึ่ง เรื่ องนี้ จะชวย ่
ั ญหาความยุง่ ยากเรื่ องการเลือกที่มีผลมาจากการเรี ยนรู ้หรื อประสบการณ์ในอดีตที่เกดขึ
ป้ องกนปั ิ ้ นใน
ห้องทดลองเองกบผู ั บ้ ริ โภคที่ตอ้ งเลือกอะไรซํ้ า ๆ กนหลาย ั ๆ ครั้ ง นอกจากนั้ นยังชว่ ยให้สามารถเห็นถึง
ผลกระทบจากความแตกตางของผู ่ ่
บ้ ริ โภคแตละคนที ่มีต่อการตัดสิ นใจซื้ อ แบบจําลอง random effects
่ าให้วิเคราะห์ขอ้ มูลที่รวมเอาผูบ้ ริ โภคหลาย ๆ คนเข้าไว้ดว้ ยกนได้
ชวยทํ ั ซ่ ึงจะพบวาปั่ จจัยภายนอกของ
บุคคลเหลานั ่ ั
่ ้ นตางกนออกไป ทําให้ดีในทางสถิติที่จะวิเคราะห์ถึงปัจจัยภายนอกเหลานี ่ ้ อยางไรกตาม
่ ็
่
แบบจําลองนี้ ไมสามารถพยากรณ์ พฤติกรรมของผูบ้ ริ โภคแตละคนออกมาได้ ่ ่ ่ า แตกระนั
อยางแมนยํ ่ ้ นการ
พยากรณ์พฤติกรรมของคน ๆ หนึ่งไมได้ ่ เป็ นสิ่ งที่นกั การตลาดสนใจไปกวาปั ่ ญหาที่วาทั่ ้ งตลาดจะ
ตอบสนองอยางไร ่

่ ารามิเตอร์ในสมการที่ (14) ถึง (19) กาลั

วิธีการคํานวณคาพ ํ งจะอธิบายในสวนตอไปนี
่ ่ ้ โดยจะ
เริ่ มต้นจากแบบจําลองแบบ homogeneous ที่ไมมี่ subject effects คือ ให้ผบู ้ ริ โภคทุกคนเหมือนกนทุ
ั ก
ประการ ไมมี่ ความแตกตางกนเลย
่ ั เราจะสามารถรวมข้อมูลจากผูบ้ ริ โภคแตละคนเข้่ ั ทนั ที
าด้วยกนได้
่
และคาพารามิ ่ ็ ่ ั วย
เตอร์ของแตละคนกจะเทากนด้
่
ขั้นแรก เราจะมาดูแบบจําลองความพอใจแบบ reduced form ซึ่งได้จากการแทนคาสมการที ่ (14)
และ (15) เข้าไปในสมการที่ (16)
( )
u* = c ⋅ β 00 + w ⋅ Γ0 ⋅ β 01 + z ⋅ Γ1 ⋅ (β 10 + w ⋅ Γ0 ⋅ β 11 ) + ε 1 ……(20)
่
เมื่อ ε 1 รวมเอาคาคลาดเคลื ่อนที่มีอยูแ่ ล้วเข้ากบคาคลาดเคลื
ั ่ ่อนจากสมการที่ (14) และ (15) ถ้า
ε 1 มีการกระจายแบบปกติแล้วสมการที่ (19) และ (20) จะเป็ นแบบจําลองทางเลือกที่อธิ บาย “กลองดํ ่ า” ที่
เราสนใจ โดยที่โอกาสที่จะเลือกทางเลือกหนึ่งขึ้ นอยูก่ บปั ั จจัยภายนอกและคุณลักษณะของทางเลือกนั้ น
พารามิเตอร์ในสมการนี้ รวมเอาผลจากทัศนคติ การรับรู ้ ซึ่งกอกาเนิ ่ ํ ดเป็ นความพอใจ เข้าด้วยกนั โดยไม่
สามารถแยกออกไปได้วาการตั ่ ิ
ดสิ นใจเลือกนั้ นเกดจากเรื ่ ยงอยางเดี
่ องใดเรื่ องหนึ่งแตเพี ่ ยว เราจะไมใช้ ่
ประโยชน์อะไรจากตัวชี้ วดทางจิ
ั ตวิทยาในสมการที่ (17) และ (18) แบบจําลองที่เราได้ออกมานี้ มี
ประโยชน์ทางการตลาดมากมายโดยเฉพาะเมื่อนักการตลาดสนใจถึงผลของคุณสมบัติของสิ นค้า (z ) ที่จะมี
่
ตอการตั ดสิ นใจซื้ อสิ นค้า
การนําแบบจําลองในรู ป reduced form ในสมการที่ (20) ไปใช้ทางการตลาดเริ่ มจากการที่

แบบจําลองนี้ ได้แสดงผลของคุณลักษณะของสิ นค้า หรื อผลรวม ่ (interaction) ระหวางคุ ่ ณลักษณะของ
สิ นค้าและปัจจัยภายนอก แตละพจน์่ ถ่วงนํ้ าหนักด้วยพารามิเตอร์ที่เป็ นอิสระจากกนั โดยที่ไมมี่ การสร้า
ั กบพารามิ
ข้อจํากดให้ ั ั
เตอร์เหมือนกบในสมการที ่
่ (14) ถึง (16) นอกจากนั้ นการที่คาคลาดเคลื ่อนมีการ
กระจายแบบปกติทาํ ให้เราสามารถคํานวณได้ง่ายเหมือนกบการใช้ ั แบบจําลองโลจิตหรื อโพรบิต วิธีการ
่ ้ มกั จะให้ผลการพยากรณ์ที่แมนยํ
วิเคราะห์ขอ้ มูลเชนนี ่ าพอสมควร เพราะโครงสร้างของแบบจําลองคอนข้ ่ าง
ยืดหยุน่ และใช้ได้ดีกบั โครงสร้างที่ซบั ซ้อนที่เกดจากสมการที
ิ ่ (14) ถึง (16)
่ ็ อาจจะมีบางกรณี ที่เราควรจะเอาข้อจํากดในสมการที
อยางไรกตาม ั ่ ใน
่ (14) ถึง (16) เข้ามาใสไว้
แบบจําลองในรู ป reduced form ด้วย ยกตัวอยางเชน ่ ่ ถ้าคาคลาดเคลื
่ ่อนในแบบจําลองนี้ กระจายตัวแบบ
ํ
ปกติและเป็ นอิสระ และกาหนดให้ β 11 = 0 แล้วแบบจําลองที่ได้ออกมาจะกลายเป็ น nonlinear probit

⎛V ⎞
Pr (d = 1 w, z ) = Φ⎜ ⎟ …..(21)
⎝σ ⎠
เมื่อ V = c ⋅ (β 00 + w ⋅ Γ0 ⋅ β 01 ) + z ⋅ Γ1 ⋅ β 10
และ σ 2 = σ ε2 + c 2 ⋅ β 012 ⋅ σ ξ20 + β102 ⋅ σ ξ21
Φ คือฟังกชั์ น่ การกระจายสะสมของการกระจายแบบปกติ (standard cumulative normal) และความ

แปรปรวนของ ξ ใช้สญ ั ลักษณ์วา่ σ ξ2
่
นี่เป็ นกรณี พิเศษของแบบจําลอง RCMNP ถ้านักวิจยั คิดวาแบบจํ
าลองจะออกมานรู ปแบบนี้ แล้ว
็ องเกิดความยุง่ ยากในการคํานวณแบบจําลองโพรบิตเพิ่มอีกนิดหนอยเพื
จริ ง ๆ แล้วกจะต้ ่ ่อให้สามารถ
คํานวณคาสั่ มประสิ ทธิออกมาได้และจะสามารถพยากรณ์ได้อยางแมนยํ
่ ่ ายิง่ ขึ้ น
แตถ้่ าข้อจํากดที
ั ่วา่ β11 = 0 ไมเป็
่ นจริ ง แล้วคาคลาดเคลื
่ ่อน ε 1 จะไมมี่ คุณสมบัติตามการ
่
วิเคราะห์มาตรฐาน อันจะทําให้การคํานวณแบบจําลองนี้ โดยตรงทําได้ยากขึ้ นไปอีก อยางไรกตามเรา ็
สามารถใช้วิธีการที่เรี ยกวา่ simulated moments ได้โดยตรง (McFadden 1986a) ในการคํานวณแบบจําลอง
่ เกดโอกาสในการเลื
แบบนี้ และแบบอื่นที่ใกล้เคียงซึ่งโครงสร้างของตัวแปร latent กอให้ ิ อกที่ตรวจสอบ
่
ไมได้
่ ใช้ขอ้ มูลทางจิตวิทยาที่เป็ นดัชนีช้ ีวดั เรื่ องการรับรู ้และ

แบบจําลองในรู ป reduced form ไมได้
ทัศนคติ หากเรารวมเอาสมการที่ (14) และ (17) เข้าด้วยกนั และรวมสมการที่ (15) และ (18) เข้าด้วยกนั
่ ้ ดังนี้
ด้วยแล้ว เราจะได้สมการแบบ reduced form สําหรับตัวชี้ วดั เหลานี
a = w ⋅ Γ0 ⋅ Π 0 + (ν 0 + ξ 0 ⋅ Π 0 ) .....(22)
q = z ⋅ Γ1 ⋅ Π 1 + (ν 1 + ξ1 ⋅ Π 1 ) .....(23)
สมการเหลานี ่ ้ สามารถคํานวณคาพารามิ
่ เตอร์ออกมาได้โดยใช้วิธี regression ธรรมดา โดยที่ตวั แปร
่
latent จะมีคาคะแนน ออกมาเป็ นแบบปรับฐานแล้ว (normalized) เรากตะได้็ คาสั ่ มประสิ ทธิของ
Γ0 , Π 0 , Γ1 , Π 1 ออกมา ยกตัวอยางเชน่ ่ ถ้า a * มีคาคะแนนเป็
่ ่ ั ่
นสัดสวนกบสวนประกอบแรกของ Π0

่
แล้วสวนประกอบแรกของสมการที ่ (22) สามารถใช้หาคา่ Γ0 ได้ แล้วสวนประกอบที
่ ่เหลือของสมการที่
่ ่ ่เหลือของ Π 0
(22) สามารถใช้หาคาในสวนที
ั
เราจะต้องสร้างข้อจํากดของความแปรปรวนขึ ํ
้ นเพิม่ อีกเพือ่ กาหนดโครงสร้ างของความแปรปรวน
ถ้าข้อตกลงเบื้องต้นของ factor analysis ยังใช้ได้ที่วา่ ภายใต้เงื่อนไขปัจจัยตาง ่ ๆ ที่มีความเหมือนกนั หาก
ตัวชี้ วดั ทางจิตวิทยามีความเป็ นอิสระทางสถิติ แล้วความแปรปรวนในสมการที่ (14) และ (15) สามารถ
ประมาณคาได้ ่ จาก covariance ของคาคลาดเคลื
่ ่อนจาก regression ที่ได้จากกลุ่มตัวอยาง่ มันเป็ นไปได้ที่จะ
่
ประมาณคาสมการที ่ ั ั
่ (22) และ (23) รวมกนกบแบบจํ าลองในรู ปแบบ reduced form ในสมการที่ (20) และ
ั ่
สร้างข้อจํากดของคาพารามิ ่
เตอร์ข้ ึนสําหรับทุกสมการเพือ่ ปรับปรุ งประสิ ทธิภาพของคาพารามิ เตอร์ที่จะ
คํานวณได้ออกมา
่ ่คาํ นวณออกมาได้แล้วของ a * และ q * ซึ่งได้จากสมการที่ (14) และ (15)

อีกทางเลือกหนึ่ง คาที
่
ด้วยคาพารามิ ่ าไปได้ในสมการที่ (16) แบบจําลอง
เตอร์จากสมการที่ (22) และ (23) สามารถแทนคาเข้
ํ
ทางเลือกที่ได้จากสมการนี้ จะสามารถคํานวณออกมาได้ทนั ที โดยกาหนดให้ โอกาสที่จะซื้ อขึ้ นอยูก่ บตั
ั ว
แปรทัศนคติและการรับรู ้ แล้วสมการที่ (14) ถึง (16) สามารถใช้ร่ วมกนเพื
ั ่อการพยากรณ์ผลกระทบของ z
ที่มีต่อพฤติกรรมทางการตลาดได้
การคํานวณแบบจําลองทางเลือกที่กาหนดให้ ํ ตวั แปรทางขวามือมีคุณสมบัติเป็ นแบบคงที่ (non-

่ เกดปั
stochastic) กอให้ ิ ญหา inconsistency ทางสถิติ เพราะวาตั ่ วแปรเหลานี
่ ้ จะมีความสัมพันธ์กบคาั ่
คลาดเคลื่อน ผลงานของ Train, McFadden และ Goett (1986) พบในการศึกษาเรื่ องการตัดสิ นใจเลือก
่
อัตราคาไฟฟ้ าซึ่งใช้วิธีน้ ีในการศึกษาวา่ เรื่ อง inconsistency ของพารามิเตอร์น้ ีจะไมมี่ ผลอีกตอไปเมื
่ ่อใช้
่ บ้ ริ โภคเทากบ
จํานวนตัวอยางผู ่ ั 3,000 คน
ั
ถ้าผลการศึกษานั้ นสามารถใช้ได้กบการศึ ั ่ องอื่นด้วย มันจะบอกวาในทางการตลาด
กษาที่คล้ายกนเรื ่
่
การพยากรณ์ที่ดีสามารถทําได้ดว้ ยกระบวนการดังนี้ คือ ขั้นแรกให้ประมาณคาสมการที ่ (22) และ (23) ด้วย
่
วิธี regression เพื่อให้ได้คาประมาณของพารามิ เตอร์ในสมการที่ (14) และ (15) ออกมา จากนั้ นประมาณ
่
คาแบบจํ ่ วแปร latent ที่คาํ นวณได้จากสมการที่ (14) และ(15)
าลองในสมการที่ (16) ด้วยคาตั
่ าหรับแบบจําลองทางเลือกที่ปรับคาสํ
มันยังเป็ นไปได้ที่จะใช้ตวั ประมาณคาสํ ่ าหรับความผิดพลาด
ิ
อันเกดจากการวั ด (measurement error) ในการคํานวณคาของตั ่ ่ ่
วแปร latent ภายใต้เงื่อนไขของคาที
่
คํานวณได้ แล้วประมาณคาแบบจํ าลองทางเลือกนี้ ดว้ ยวิธี Maximum Likelihood
่ ็ อการใช้วิธี Simulated Moments ซึ่งใช้ขอ้ มูล

อีกทางเลือกหนึ่งที่มีภาระในการคํานวณน้อยกวากคื
สุ่ มของตัวแปร latent ที่สร้างขึ้ นจากการดูการกระจายของตัวแปรนั้ น ภายใต้เงื่อนไขของคา่ w, z, a, q ที่
พบ รายละเอียดของวิธีการนี้ อยูใ่ น McFadden (1986b)
่
ลําดับตอไปเราจะพิ จารณาสมการที่ (14) ถึง (19) ที่มี subject effects เป็ นแบบประเภท fixed effects
พารามิเตอร์บางสวนหรื่ อทั้ งหมดจะเป็ นพารามิเตอร์ของคนเพียงคนเดียว และต้องใช้ขอ้ มูลของผูบ้ ริ โภค
เพียงคนเดียวในการประมาณคา่ ด้วยข้อมูลที่เพียงพอสําหรับการเปลี่ยนแปลงของคุณสมบัติของสิ นค้าและ
ตัวชี้ วดั q เราจะสามารถคํานวณพารามิเตอร์ Γ1 และ Π 1 ออกมาได้ แล้วแบบจําลองทางเลือกจะ
สามารถคํานวณได้สาํ หรับผูบ้ ริ โภครายนี้ โดยใช้ utility function
u* = c ⋅ β 0 + q * ⋅β 1 + ε …..(24)
เมื่อ q * สามารถคํานวณได้จากการประมาณคาสมการที ่ ่ (15) และ (18) และพารามิเตอร์ β 0 และ β1 มี

่
ความเฉพาะเจาะจงสําหรับผูบ้ ริ โภคแตละรายและรวมเอาผลทั ิ
้ งหมดที่เกดจาทัศนคติของผูบ้ ริ โภครายนั้ น
่ ้ กเกดปั
วิธีการเชนนี ็ ิ ญหา inconsistency ทางสถิติเช่นกนั เนื่องจากการใช้คา่ q * ที่คาํ นวณได้ในสมการ
็ ้ ดว้ ยวิธีที่จะกลาวถึ
ทางเลือก ซึ่งถ้าจําเป็ นกสามารถแกไขได้ ่ งตอไป ่ ในท้ายที่สุดเมื่อใช้ขอ้ มูลจากผูบ้ ริ โภค
หลาย ๆ คนรวมกนั คาสั ่ มประสิ ทธิที่คาํ นวณได้จากสมการที่ (24) สามารถนํามาประมาณคาใน ่ สมการ
ั จจัยภายนอกเพื่อคํานวณหาคา่ Γ0 ได้ ดังนี้
regression กบปั
~
β 0 = β 00 + w ⋅ Γ0 ⋅ β 01 + τ .....(25)
เมื่อ β~0 คือคาสั

่ มประสิ ทธิที่เฉพาะเจาะจงสําหรับผูบ้ ริ โภครายหนึ่งที่คาํ นวณออกมาได้แล้ว และ τ คือคา่
ั
คลาดเคลื่อน สมการลักษณะเดียวกนสามารถทํ าได้กบั β~1 สมการเหลานี ่ ้ สามารถผนวกกบสมการในรู
ั ป
่
reduced form ในสมการที่ (22) เพื่อเพิ่มประสิ ทธิภาพของคาพารามิ เตอร์ที่จะคํานวณออกมาได้
่
แบบจําลองแบบ fixed effects ทําให้สามารถอธิบายปั จจัยที่มีผลตอความพอใจและกลไกการตั ดสิ นใจของ
่ อยางไรกตามวิ
ผูบ้ ริ โภครายหนึ่งได้เป็ นอยางดี ่ ็ ธีการนี้ ตอ้ งการข้อมูลคอนข้
่ างมาก และต้องการใช้วิธีการ
่
ทางสถิติที่เข้มข้นสําหรับการประมาณคาพารามิ ่
เตอร์ท้ งั หมดทุกสวนในแบบจํ าลอง ซึ่งอาจจะไมจํ่ าเป็ น
สําหรับการใช้งานทางการตลาดที่ไมได้ ่ ตอ้ งการทราบพฤติกรรมของผูบ้ ริ โภคเพียงรายเดียวมากนัก

่
ลําดับสุ ดท้ายจะได้ดูถึงวิธีการประมาณคาของแบบจํ าลองประเภท random subject effects ใน
แบบจําลองนี้ พารามิเตอร์บางตัวในสมการที่ (14) ถึง (19) ถูกกาหนดให้ ํ เป็ นตัวแปรสุ่ มซึ่งแตกตางกนไปได้
่ ั
ในกลุ่มประชากร เมื่อกวาดเอาผลตางของพารามิ
่ ่ ้ จากคาเฉลี
เตอร์เหลานี ่ ่ยของประชากร (deviation from
่
mean) เข้าไปในคาคลาดเคลื ่อน เราสามารถสร้างแบบจําลองได้ในรู ปแบบเชนเดี ่ ยวกบสมการที
ั ่ (14) ถึง
่ มประสิ ทธิในสวนที
(19) ด้วยคาสั ่ ่เป็ น systematic part ของสมการตาง ่ ๆ ที่แปลความหมายได้วาเป็ ่ น
่ ่ยของประชากร และโครงสร้างของ covariance ของคาคลาดเคลื
คาเฉลี ่ ่ ่ ๆ ที่เกดิ
่อนตอนนี้ รวมเอาสวนตาง
่ ั
จากความแตกตางกนของผู ่
บ้ ริ โภคเข้าไว้ดว้ ย การประมาณคาระบบสมการนี ั ่เราเคยทํามา
้ ทาํ ได้เหมือนกบที
ั
กบระบบสมการที ่เป็ นแบบ homogeneous เรื่ องที่เราต้องตั้ งใจทําตอไปคื ่ อการวิเคราะห์ความซับซ้อนของ
โครงสร้างของ covariance และประมาณคาพารามิ ่ เตอร์ที่มีการกระจายตัวแบบสุ่ ม สําหรับการใช้ประโยชน์
ในการพยากรณ์ต่อไป
่
ตัวอยางของการประมาณคาแบบจํ ่ าลอง random subject effects ให้ลองดูสมการที่ (14) ถึง (19)
ํ
และกาหนดวา่ utility function มีรูปแบบดังนี้
u* = c ⋅ (α 0 + a * ⋅β 01 ) + q * ⋅(α 1 + a * ⋅β 11 ) + ε ..........(26)
เมื่อ α 0 และ α 1 มีการกระจายตัวแบบปกติในกลุ่มประชากรด้วยคาเฉลี ่ ่ยเทาก่ บั β 00 และ β10 และมี

ความแปรปรวนเทากบ ่ ั ω02 และ ω12 ตามลําดับ แล้วสมการที่ (26) สามารถเขียนให้อยูใ่ นรู ปของสมการ
่
ที่ (16) ได้ โดยที่ ε ตอนนี้ มีการกระจายแบบปกติดว้ ยคาความแปรปรวนเทากบ ่ ั c 2 ⋅ ω 02 และ q *2 ⋅ω12
็
แบบจําลองในรู ป reduced form ในสมการที่ (20) กจะสามารถประมาณคาออกมาได้่ ด้วยรู ปแบบของ
่
โอกาสในการเลือกที่ได้รับอิทธิพลจากสวนประกอบของความแปรปรวนเหลานี ่ ้ ยกตัวอยางถ้ ่ ามี
ั
แบบจําลองใด ๆ ที่มีขอ้ ตกลงเรื่ องการกระจายแบบปกติและมีขอ้ จํากดของพารามิ เตอร์เหมือน ๆ กนซึั ่ งทํา
ิ นแบบจําลอง Nonlinear Probit ตามสมการที่ (21) แล้วสิ่ งที่เรากาลั
ให้เกดเป็ ็ ่ เกดิ
ํ งทําอยูน่ ้ ีกจะกอให้
แบบจําลอง Nonlinear Probit เชนกน่ ั แตวาจะมี
่ ่ พจน์เพิ่มเข้ามาคือคาความแปรปรวนสองคาข้
่ ่ างต้นซึ่งจะเข้า
่
มาเป็ นตัวสวนของเศษสวน ่ (denominator) ของสมการ Probit
่
การอภิปรายเรื่ องการใช้ขอ้ มูลเชิงจิตวิทยาในแบบจําลองทางเลือกที่ผานมาอยู ภ่ ายใต้การมีสอง
ทางเลือก มีคุณลักษณะของสิ นค้าสองประการ และมีตวั แปรด้านทัศนคติหนึ่งตัว อยางไรกตาม ่ ็ แนวคิดนี้
สามารถขยายไปใช้สาํ หรับระบบที่ซบั ซ้อนกวาได้ ่ เพียงเพิ่มสัญลักษณ์ของเวคเตอร์และตัวแปรตาง ่ ๆ ที่
ี่ องเข้าไปเทานั
เกยวข้ ่ ้ น วิธีการนี้ ยงั สามารถใช้ได้กบตั
ั วแปรที่ไมสามารถวั
่ ดได้ในรู ปเมตริ กซ์และตัวชี้ วดั
แบบเป็ นพวก ๆ (category) วิธีการหนึ่งที่จะทําได้โดยสะดวกคือการคงให้สมการ ที่ (14) ถึง (19) ไว้อยาง ่
่ ่ยนแปลง เพียงแตกาหนดกลุ
เดิมไมเปลี ่ ํ ่ม (category) ที่ตวั ชี้ วดั a และ q จะเข้าไปอยูเ่ ป็ นพวกด้วย
หลังจากนั้ นข้อมูลเชิงจิตวิทยาจะสามารถวิเคราะห์ออกมาได้ดว้ ยแบบจําลองการตอบสนองที่จาํ แนกได้เป็ น
่ ยวกบที
พวก (discrete response model) ด้วยวิธีการเชนเดี ั ่เราทํามาแล้ว
ตอนที่ 5: Conjoint Analysis กับแบบจําลองทางเลือก
การวิเคราะห์ Conjoint analysis รวบรวมข้อมูลของผูบ้ ริ โภคจากห้องทดลองทั้ งจากสิ่ งแวดล้อมที่

่ าเพาะเจาะจงและจากการแสดงออกของผูบ้ ริ โภคเอง คําถามที่ให้ผบู ้ ริ โภคเลือกสิ นค้า
สร้างขึ้ นมาอยางจํ
่
ทามกลางทางเลื ่ ๆ ที่คล้ายกบสภาพความเป็
อกตาง ั ั ญหาทางการตลาด
นจริ งทําให้ขอ้ มูลออกมาใกล้เคียงกบปั
่
จริ ง ๆ มาก สวนแบบจํ ็
าลองทางเลือกซึ่งใช้ท้ งั ข้อมูลภาคสนามและห้องทดลองกสามารถตอบคํ าถาม
ั
เดียวกนและสามารถพยากรณ์ ตลาดได้ดว้ ย ข้อมูลเพิ่มเติมจากการให้เรี ยงลําดับหรื อให้คะแนนสูงตํ่ายัง
่
สามารถชวยปรั บแบบจําลองให้แมนยํ่ ายิง่ ขึ้ นได้อีก
การวิเคราะห์ conjoint analysis อาจถูกมองวามี ่ ปัญหาไมนาเชื

่ ่ ่อถือในหลายจุดเพราะมีความไมคงที ่ ่
่ ๆ ในห้องทดลอง เชน่ ความพอใจของผูบ้ ริ โภคอาจจะได้รับผลกระทบจากการชี้ นาํ วาต้
ของปัจจัยตาง ่ องทํา
อะไรบ้างในห้องทดลอง รางวัลลอใจ ่ ภูมิหลังของการทดลอง และรู ปแบบการตอบคําถาม ผลรวม ่
่ บ้ ริ โภคแตละรายที
ระหวางผู ่ ั ห้องทดลอง คําแนะนําที่เป็ นคําพูดแทนที่จะเขียนลงไป วิธีการ
่กระทํากนใน
่
ชดเชยและคาชดเชยสํ าหรับผูบ้ ริ โภค การมีผสู ้ งั เกตการณ์หรื อที่ปรึ กษาอยูใ่ กล้ ๆ ความจําได้ในสิ่ งที่เลือก
ไปแล้วในห้องทดลอง และการแสดงออกของการตอบสนองโดยใช้คาํ พูดหรื อวิธีอื่น สิ่ งตาง ่ ๆ เหลานี ่ ้ ไม่
่ ่ าเพื่อที่จะสร้างแบบจําลองเพื่อพยากรณ์ตลาด
สามารถวัดออกมาได้อยางแมนยํ
นอกจากนั้ นยังมีปัญหาในเรื่ องขั้นตอนของการทดลอง เชน่ การเรี ยนรู ้ ความเบื่อหนาย ่

่
งานที่ได้รับมอบหมายให้ทาํ กอนหน้ ่ ่ องเวลาที่ใช้ในการ
านั้ นชี้ นาํ คําตอบในงานถัดไป รวมทั้ งข้อแตกตางเรื
่
ตัดสิ นใจระหวางความจริ งและในห้องทดลอง การทดสอบทางสถิติสามารถทําได้วาคํ ่ าตอบจากการทดลอง
เป็ นอิสระจากการออกแบบการทดลองและลําดับขั้นของการทดลองหรื อไม่

่
ปัญหายังไมหมดเพี ยงแคนี่ ้ ปัญหาตอไปเกดกบโครงสร้
่ ิ ั างของการแสดงออกซึ่งความพอใจผานการ ่
่
ให้คะแนนหรื อการเรี ยงลําดับ การทดลองที่เน้นจําแนกความแตกตางระหวางสิ ่ นค้าคูห่ นึ่งที่ใกล้เคียงกนมาก
ั
่ มองไปที่อีกสิ นค้าหนึ่งที่อยูน่ อกเหนือการทดลองที่โดดเดนในตลาดมากกวามาก
อาจจะไมได้ ่ ่ ดังนั้ นเมื่อนํา
ผลการทดลองไปพยากรณ์ตลาดกจะต้ ็ องผิดพลาดเพราะแทนที่ผบู ้ ริ โภคจะเลือกสิ นค้าที่ปรากฏใน
่ ่ ้ นแทน การตรวจสอบปัญหานี้ อาจทําได้โดยการ
ห้องทดลองตามคาดไว้ กลับไปเลือกสิ นค้าที่เดนกวานั
เปลี่ยนแปลงการออกแบบการทดลอง
่ ได้ขอ้ มูลที่ลึกไปกวาการเลื
การให้คะแนนชวยให้ ่ อกหรื อไมเลื่ อก และสามารถสร้างเป็ นแบบจําลอง
่ คือ ให้มองเป็ นโอกาสในการเลือกทางเลือกหลายทาง แตกระนั
ทางเลือกได้ดว้ ยการปรับกลไกบางอยาง ่ ้น
ิ
จากอคติของมนุษย์ในการตัดสิ นให้คะแนนจึงเกดความเสี ่ ่
่ ยงขึ้ นอยามากวาแบบจําลองที่ใช้ขอ้ มูลให้คะแนน
นี้ จะพยากรณ์ตลาดได้ไมดี่ แตหากใช้
่ ขอ้ มูลเรี ยงลําดับซึ่งกคื็ อการให้คะแนนกลาย ๆ เหมือนกนจะดี ั กวา่
่
ซึ่งจะชวยลดอคติ ลงได้
ในการใช้ขอ้ มูลเรี ยงลําดับในแบบจําลองทางเลือก มันสําคัญที่จะต้องหาความสัมพันธ์ระหวาง ่

ั
ลําดับการเลือกกบโอกาสที ่จะเลือก เมื่อพฤติกรรมการเลือกเป็ นไปตามข้อตกลงเบื้องต้นของ Luce
แบบจําลอง Multinomial Logit จะสามารถเชื่อมโยงเอาโอกาสที่จะเลือกกบโอกาสทีั ่
่จะเรี ยงลําดับกอนหลั
ง
่ ่
ไว้ได้อยางงายดาย
ให้ C = {1,..., M } เป็ นเซตของทางเลือก และ PA (i ) เป็ นโอกาสที่จะเลือกทางเลือก A ใน

บรรดาทางเลือกตาง ่ ๆ ในเซต C กาหนดให้ํ ไมมี่ ผลรวมระหวางทางเลื
่ ่ อกตาง่ ๆ ดังนั้ นจะเกดิ IIA ขึ้ น
่
ดังนั้ นโอกาสที่จะพบวาทางเลื ั
อกที่ 1 ถึง J ได้รับการเลือกให้เป็ นลําดับที่หนึ่งถึงลําดับที่ J เรี ยงกนไป
ตามลําดับ เมื่อ J = 2,..., M จะออกมาดังนี้
Pr (1 > 2 > ... > J > {J + 1,..., M }) = P{1,..., M } (1) ⋅ P{2,..., M } (2) ⋅ ... ⋅ P{J ,..., M } ( J ) …..(27)
โอกาสที่แสดงไว้ในสมการที่ (27) เป็ นผลคูณของโอกาสแบบ MNL แตละพจน์ ่ ่ ั

เทากบโอกาสที ่
่
ทางเลือกนั้ นจะได้รับการเลือกเมื่อเหลือทางเลือกลดลงเรื่ อย ๆ จากการที่ทางเลือกกอนหน้ านั้ นถูกเลือกไป
่ ่ โอกาสที่จะเลือกทางเลือกอื่น ๆ นอกจากนั้ นหาได้จาก permutation
แล้วและกลับมาให้เลือกใหมไมได้
็
ของดัชนี แล้วสมการ log likelihood กจะออกมางาย ่ ๆ วาเป็
่ นผลบวกของ log likelihood ของพจน์ต่าง ๆ
็
ในสมการที่ (27) จากนั้ นกสามารถวิ ่
เคราะห์ได้โดยมองแตละพจน์ ่ นโอกาสที่ผบู ้ ริ โภคจะเลือกทางเลือก
วาเป็
่
นั้ นทามกลางทางเลื ่ ่เหลืออยู่ วิธีคิดอยางนี
อกเทาที ่ ้ นาํ เสนอโดย Marschak (1960) และนําไปใช้
ทางการตลาดโดย Beggs, Cardell และ Hausman (1981) ในบทความทางการตลาด Chapman และ Staelin
่
(1982) เขียนไว้อยางละเอี ่ าวิธีน้ ีไปใช้ได้อยางไรกบข้
ยดวาจะนํ ่ ั อมูลเรี ยงลําดับที่ได้จากการวิเคราะห์
่
Conjoint analysis ผูเ้ ขียนจะได้นาํ เสนอตอไปภายหลั ่
งวาจะทดสอบ consistency ระหวางข้่ อมูลแบบ
ั
เรี ยงลําดับกบแบบจํ ่
าลอง Multinomial logit ได้อยางไร การทดสอบดังกลาวยั ่ งจะใช้สาํ หรับการทดสอบ
consistency ของการแสวงหาความพอใจสูงสุ ดกบการเรีั ่
ยงลําดับทางเลือกด้วย อานงานของ McFadden
(1987) และ Hausman และ Ruud (1986)
่ ่ ่
การเชื่อมโยงอยางงายระหวางโอกาสของการเลื ั
อกกบการเรี ยงลําดับข้อมูลสามารถดูได้ดงั นี้ ให้เซต
ของทางเลือกมีเพียงสามทางเลือก คือ C = {1,2,3} จะได้วา่
PC (1) = Pr (1 > 2 > 3) + Pr (1 > 3 > 2 ) .....(28)
่ ็
อยางไรกตามมั ่
นไมสามารถเป็ นไปได้ที่จะคํานวณหาโอกาสของการเลือกโดยเริ่ มจากข้อมูลการเรี ยงลําดับ
่ ่ การศึกษา Conjoint ที่มีคุณสมบัติสามประการ แตละประการมี
ยกตัวอยางเชน ่ อีกสามระดับ โดยรวมแล้ว
ั ้งสิ้ น 27 ทางเลือก ทําให้สามารถเรี ยงลําดับได้เทากบ
ทางเลือกทั้ งหมดมีดว้ ยกนทั ่ ั 26! หรื อประมาณ
4 ×1026 ทางเลือก ในทางกลับกนัเราสามารถเริ่ มต้นได้จากโอกาสของการเลือก เชน่ Multinomial Probit,
Nested MNL หรื อ วิธี elimination by aspects แล้วหาสูตรสําหรับการเรี ยงลําดับบางตอน สําหรับ
C = {1,..., M } กาหนดให้
ํ A = {2,..., M }, B = {1,3,4,...M } , D = {3,4,..., M } และ E = {4,..., M }
แล้ว
Pr (1 > 2 > D ) = PA (2 ) − PC (2) และ ….(29)
Pr (1 > 2 > D ) ⋅ [PC (3) − PA (3) − PB (3) + PD (3)]

Pr (1 > 2 > 3 > E ) = ….(30)
PA (2) − PC (2) + P B (1) − PC (1)
โครงสร้าง recursive ที่คน้ พบโดย Falmagene (1978) และความเป็ นอิสระที่คน้ พบโดย Barbara
่ ่มเติมได้ใน Yellot (1981) เมื่อใช้สูตรนี้ แล้วกจะ
(1986) ทําให้สูตรนี้ ขยายออกไปได้อีก ผูส้ นใจอานเพิ ็
สามารถใช้วิธีการประมาณคาแบบ่ Maximum Likelihood จากข้อมูลประเภทเรี ยงลําดับแล้วจะมีคุณสมบัติ
consistency

่
การศึกษาข้อมูลเพียงบางสวนหรื อการให้คะแนนความต้องการได้ระดับของคุณสมบัติจะใช้ได้ก็
่ ่อความพอใจมีลกั ษณะบวกกนได้
ตอเมื ั ระหวางความพอใจสวนตาง
่ ่ ่ ๆ เทานั
่ ้ น Falmagne(1979) กลาวถึ
่ ง
คุณลักษณะบางประการของแบบจําลอง random utility model แบบ conjoint ที่ความพอใจบวกกนได้ ั น้ ีซ่ ึง
สามารถนําไปใช้ในการทดสอบคุณสมบัติของแบบจําลองได้ โอกาสของการเลือกนี้ จะเป็ นไปตามข้อตกลง
เบื้องต้นที่ทดสอบได้สามประการ คือ independence, double cancellation และ order independence ก็
่ ่อขึ้ นอยูก่ บคาคะแนนของแตละทางเลื
ตอเมื ั ่ ่ ั
อกซึ่งได้มาจากการบวกรวมกนของแตละคุ่ ณสมบัติเทานั
่ ้ น ถ้า
่ ่ ดเจนยิง่ ขึ้ น โอกาสของการเลือกจะมีรูปแบบดังนี้
จะให้กลาวอยางชั
PC (i ) = F i (V1 ,...,VM ) …..(31)
K
เมื่อ Vi = ∑ xki β k
k =1
็ ่ ่อเงื่อนไขทางเทคนิคเองความตอเนื
ทั้ งนี้ กตอเมื ่ ่องของความพอใจเป็ นจริ ง พร้อมกบเงื
ั ่อนไขอีกสามข้อ
ดังนี้ คือ
ั ั ณสมบัติบาง
(1) Independence: ในทางเลือกหนึ่งของ conjoint ที่มีผลของการทดแทนกนกบคุ
่
ประการ ณ ระดับคงที่ โอกาสในการเลือกจะไมแปรไปตามคุ ่ ้น
ณลักษณะที่คงที่เหลานั
(2) Double cancellation: ให้ a, b, c แทนระดับตาง ่ ๆ ของคุณลักษณะสิ นค้าชุดหนึ่ง และ r,s,t

แทนระดับของคุณลักษณะที่เหลือ ถ้ามีทางเลือกเพียงสองทางให้เลือกแล้วพบวา่ (a,r) ได้รับการเลือกแต่
(b,s) ไมถู่ กเลือก และถ้า (b,t) ได้รับการเลือกแต่ (c,r) ไมได้
่ รับการเลือกด้วยโอกาสน้อยกวา่ 0.5 แล้วจะได้
วา่ ทางเลือก (a,t) จะได้รับการเลือก แต่ (c,s) จะไม่ถูกเลือก
(3) Order independence: P{ij} (i ) ≥ 0.5 หมายความวา่ PB∪{i} (k ) ≤ PB∪{ j} (k ) เมื่อ i, j ไมได้
่ อยู่
ในเซต B และ k ∈ B
ั อตกลงเบื้องต้นของ Luce แล้ว จะทําให้ได้
เมื่อรวมเอาคุณสมบัติ order independence เข้ากบข้
่
แบบจําลอง Multinomial Logit ที่มีคุณสมบัติวาความพอใจสามารถบว กรวมกนได้ั จากความพอใจในสวน ่
่ ๆ การทดสอบคุณสมบัติการรวมกนได้
ตาง ั สามารถทําได้โดยการคงโอกาสของการเลือกให้คงที่ จากนั้ น

่ ่ ่
ให้ทดสอบผลรวมระหวางคาคะแนนเหมื ั นตัวแปรที่ถูกละทิ้ง โดยใช้กระบวนการที่ระบุไว้ใน §6
อนกบเป็
(หมายถึงตอนข้อที่ 6 ของบทความนี้)
ประเด็นที่สามในเรื่ องความยอมรับได้ของการพยากรณ์จากข้อมูล conjoint คือ เรื่ องตัวแปรที่ถูกละ

ทิ้งในการออกแบบการทดลองและในการใช้ขอ้ มูล conjoint ในแบบจําลองทางเลือก เมื่อสิ่ งที่เราศึกษามี
คุณสมบัติหลายประการมาก ๆ แตมี่ เพียงบางคุณลักษณะเทานั ่ ้ นที่วดั ออกมาได้และสามารถเปลี่ยนแปลงได้
ในการทดลอง เรากาลั ํ งเผชิญกบปั
ั ญหาการละทิ้งตัวแปรซึ่งจะกอให้ ่ เกดความคลาดเคลื
ิ ่อนและอคติ
ผลกระทบของปั ญหานี้ สามารถทดสอบได้โดยการเปรี ยบเทียบการทดลอง conjoint เมื่อเราเปลี่ยนแปลง
คุณลักษณะที่แปรผันได้จากบางอยางเพิ ่ ม่ เป็ นหลาย ๆ อยาง่ ปัญหาตัวแปรที่ถูกละทิ้งยังจะเกดกบการมี ิ ั
่
คุณลักษณะที่วดั ได้เป็ นจํานวนมากอีกด้วย เพราะผลรวมระหวางตั ่ วแปรเหลานี ่ ้ กยิ็ ง่ จะมีมากตามจนเราทํา
การทดลองไมไหว ่ เราจึงต้องละทิ้งผลรวมไปจํ
่ านวนหนึ่งที่อาจจะกลายเป็ นเรื่ องสําคัญตอการเลื ่ ่
อกแตเรา
ไมรู่ ้ ยกตัวอยางเชน
่ ่ การศึกษาคุณลักษณะห้าประการ แตละประการมี ่ ่
อีกอยางละห้ าระดับ ตกลงแล้วจะมี
่
ผลรวมได้ ถึง 3,125 คู่ เมื่อเราใช้ขอ้ มูล conjoint กบแบบจํ
ั าลอง Multinomial Logit เราสามารถใช้วิธี
่
auxiliary regression ซึ่งระบุวิธีไว้ใน §6 ได้อยางสะดวกเพื ่ วแปรที่ละทิ้งไปจะมีผลทําให้เกดอคติ
่อดูวาตั ิ
่ ่ มันงายที
หรื อไม่ ยกตัวอยางเชน ่ ่จะพยากรณ์ถา้ ตัวแปรคุณลักษณะมีคาคะแนนที ่ ่แปลงออกมาจากสิ่ งที่เห็น
เป็ นรู ปธรรม การทดสอบสิ่ งเหลานี ่ ้ สามารถทําได้โดยการกาหนดวาคาคะแนน
ํ ่ ่ ่
ที่ผบู ้ ริ โภคแตละคนให้ มานั้ น
เป็ นตัวแปรที่ถูกละทิ้งหรื อไม่
ประเด็นที่สี่คือการเลือกแบบจําลองทางเลือกที่จะใช้กบตั ั วแปร conjoint และใช้ในการพยากรณ์

วิธีหนึ่งที่ได้รับความนิยมมากในการวิเคราะห์ conjoint analysis แบบลูกผสม (Green 1984) คือการใช้ขอ้ มูล
conjoint เพื่อคํานวณแบบจําลอง Multinomial logit โดยองค์ประกอบด้านความพอใจจากทางเลือกหนึ่งจะ
่
สร้างขึ้ นมาจากการให้คะแนนความต้องการของผูบ้ ริ โภคเองและคาคะแนนความสํ าคัญ นี่จะเป็ นวิธีการที่
สอดคล้องกบรู ั ปที่ 1 จากตัวอยางในสมการที
่ ่ (14) ถึง (19) ตัววัดความพอใจของผูบ้ ริ โภคคือ a และ q
แล้วใช้ตวั แปรเหลานี่ ้ แทนคาเข้
่ าไปเพื่อหาคาตั
่ วแปร latent คือ a * และ q * ในสมการความพอใจ (16)
็
จากนั้ นแบบจําลอง MNL นี้ ซ่ ึงใช้ได้รับการหนุนหลังจากการทดลอง conjoint กเอาไปใช้ งานในการ
่
ประมาณคาพารามิ เตอร์และการพยากรณ์ตลาดได้ มันจะต้องพูดให้ชดั เจนกอนวาวิ ่ ่ ธีการนี้ สามารถขยายไป
ั อมูลเชิงจิตวิทยาได้ดว้ ยไมเพี
ใช้กบข้ ่ ยงแตใช้
่ ได้กบคาคะแนนที
ั ่ ่ให้คะแนนเอง และการประมาณคา่
แบบจําลองทางเลือกต้องปรับปรุ งนิดหนอยเ ่ พื่อเลี่ยงปัญหา inconsistency จากการใช้ตวั แปรอิสระที่ได้มา
จากการวัดที่ผดิ พลาด

การใช้แบบจําลอง random utility model กบข้ ั อมูล conjoint ชวยให้

่ ทาํ การเปรี ยบเทียบอะไรได้
่ แล้ววาคาคะแนนที
หลายเรื่ อง ผูเ้ ขียนได้กลาวไว้ ่ ่ ่ได้จากการทดลอง conjoint อาจจะไมมี่ ความเกี่ยวข้อง
ั
อะไรเลยกบพฤติ กรรมทางการตลาด สมการความพอใจ (16) มีกลไกในการปรับคาของตั ่ วแปรทัศนคติเพื่อ
คํานวณคาสั่ มประสิ ทธิออกมา เรื่ องนี้ สามารถนําไปใช้ได้กบั parametric monotone transformation การ
ทดสอบใน §6 สามารถใช้เพื่อดูวาการปรั ่ ่
บคาแบบเส้ นตรงหรื อไมใ่ ชเส้
่ นตรงที่จะให้ผลที่ดีกวากน
่ ั
นอกจากนั้ นมีคาํ ถามเรื่ องรู ปแบบของฟังกชั์ น่ ของ MNL แบบจําลองตามสมการที่ (16) ที่ได้จากการ
ั
ผสมผสานกบการศึ ี่ องกบสิ
กษา conjoint ได้ตดั ตัวแปรที่เกยวข้ ั ่ งที่ครอบงําเซตของทางเลือกทั้ งหมดออกไป
่ ี่ ข้องกบการตั
หรื อทางเลือกอื่นใดที่ไมเกยว ั ดสิ นใจ จากนั้ นแบบจําลอง MNL กจะเกด ็ ิ IIA การทดสอบ
ใน §6 ยังใช้ทดสอบได้ดว้ ยวารู ่ ปแบบสมการของ MNL ถูกต้องหรื อไม่
่
ประเด็นสุ ดท้ายคือเรื่ องความแตกตางของรสนิ ยมในหมู่ประชากร เรื่ องสําคัญที่การทดลอง
่
conjoint ให้ความสําคัญคือความแตกตางระหวางผู ่ บริ ่
้ โภคแตละราย ่
และดูวาอะไรมี ผลตอการตั่ ดสิ นใจของ
่
ผูบ้ ริ โภคแตละราย ตามภาษาของเราจะเรี ยกการศึกษาเชนนี ่ ้ วาแบบจํ
่ าลอง fixed effects ซึ่งพารามิเตอร์จะ
ถูกคํานวณจากข้อมูลของผูบ้ ริ โภคเพียงคนเดียว ความแมนยํ ่ าของแบบจําลองนี้ ข้ ึนอยูก่ บความแมนยํ
ั ่ าของ
ข้อมูลจากผูบ้ ริ โภคคนนั้ น อีกวิธีหนึ่งคือแบบจําลอง random effects ซึ่งพารามิเตอร์จะถูกคํานวณจาก
่
ความแตกตางของผู ่
บ้ ริ โภคแตละคน ซึ่งจะทําให้สามารถพยากรณ์พฤติกรรมของประชากรได้ โดยไมได้ ่ มุ่ง
ไปที่การพยากรณ์ผบู ้ ริ โภครายตอราย ่ ั
การใช้แบบจําลอง random effects กบการวิ เคราะห์ conjoint
analysis จะเปลี่ยนจุดสนใจจากพฤติกรรมของคน ๆ เดียวไปเป็ นพฤติกรรมของประชากร และจะสามารถ
ใช้พยากรณ์ตลาดได้ ปั ญหาเรื่ อง unobserved heterogeneity สามารถทดสอบได้ในแบบจําลอง random
effects โดยการทดสอบองค์ประกอบของความแปรปรวน ดังที่แสดงไว้ใน §6 นอกจากนั้ นถ้ามีขอ้ มูล
็
จากผูบ้ ริ โภคคนเดียวที่มีจาํ นวนมาก ๆ กจะสามารถทดสอบ homogeneity ของ subject effects ได้ดว้ ย
่
ท้ายที่สุด ถ้าจุดที่เป็ นอุดมคติ และนํ้ าหนักความสําคัญที่วดั จากคาคะแนนที ่ให้คะแนนเองมีความสัมพันธ์กบั
subject effects แล้ว เราสามารถทดสอบ heterogeneity ได้โดยการระบุวาคาคะแนนซึ่ ่ ่ ั
่ งมีผลรวมกบ
คุณสมบัติของสิ นค้านั้ นเป็ นตัวแปรที่ถูกละทิ้งหรื อไม่

ตอนที่ 6: การทดสอบข้ อมลู conjoint ด้ วยแบบจําลอง MNL
แบบจําลอง MNL ที่มีคุณสมบัติ IIA มีประโยชน์มากสําหรับการวิเคราะห์ขอ้ มูล conjoint และใน

่
การพยากรณ์ความต้องการของตลาด อยางไรกตามข้ ็ อจํากดทางสถิ
ั ติของแบบจําลองนี้ ทาํ ให้เราต้องทดสอบ
่ ่ น consistency กบข้
กอนวามั ั อมูลที่ได้มาในการนําไปใช้แตละเรื
่ ่ องหรื อไม่ และโชคดีที่การทดสอบนั้ นทํา
ได้ง่าย ๆ ด้วยวิธีการ regression
ขั้นแรก พิจารณาปั ญหาการทดสอบวามี่ ตัวแปรอะไรที่ถูกละทิ้งไปอยางไมถู

่ ่ กต้องจากแบบจําลอง
MNL หรื อไม่ สําหรับเซตของทางเลือก C = {1,..., M } กาหนดให้
ํ ่
คาคลาดเคลื ่อนของการตอบสนองแต่
ละครั้ งจากแบบจําลอง MNL เบื้องต้น ดังนี้
ui = [d i − PC (i )]⋅ PC (i ) .....(32)
−1 / 2
่ ั 0 ถ้าเป็ นอยางอื
เมื่อ d i = 1 เมื่อ i ถูกเลือก และเทากบ ่ ่น ตอไปกาหนดคาที
่ ํ ่ ่ปรับฐานแล้ว (normalized)
โดยรวมเอา (w = x ) เข้ามา และลบตัวแปร (w = z ) ออกไป
wiC = [wi − wC ] ⋅ PC (i ) .....(33)

1/ 2
เมื่อ wC = ∑ w j PC ( j ) ให้ regress ui โดยใช้ตวั แปรอิสระคือ xiC และ ziC โดยใช้ทางเลือก

j∈C
่ ่ ั บ้ ริ โภค T ราย เมื่อตัวแปร z ควรต้องได้รับการละทิ้ง คาสถิ

ทั้ งหมด และจํานวนตัวอยางเทากบผู ่ ติ
T ⋅ (M − 1) ⋅ R 2 จะกระจายแบบไคสแควร์ ดว้ ย degree of freedom เทากบ
่ ั จํานวนตัวแปร z ที่เป็ นอิสระ
่ ั เมื่อ R 2 คือคาสั
เชิงเส้นตอกน ่ มประสิ ทธิความสัมพันธ์ที่หลากหลายยกกาลั ํ งสองที่ได้จากสมการ
่
รายการนี้ อาจจะรวมเอาคุณลักษณะของบุคคล ผลรวมของตั ่ นเส้นตรงซึ่งไมได้
วแปร หรื อพจน์ที่ไมเป็ ่ รวม
เอาไว้ในรู ปแบบสมการเบื้องต้น

McFadden, Tye และ Train (1976) และ Hausman กบั McFadden (1984) ได้นาํ เสนอวิธีการที่
หลากหลายในการตรวจสอบคุณสมบัติ IIA การทดสอบเหลานี ่ ้ สามารถทําได้เหมือนกบการทดสอบเรื
ั ่ อง
่
ตัวแปรที่ถูกละทิ้งที่กลาวมาแล้ ่
วข้างต้น เมื่อให้ A เป็ นสวนหนึ ํ
่ งของเซตทางเลือก C และกาหนดตั
วแปรที่
่
ถูกตัดออกไปคือ z เป็ นผลรวมของ A และตัวแปรที่เพิ่มเข้ามาคือ x ดังนี้
∑x j ⋅ PC ( j )
xA =
j∈A
.....(34)
∑ P ( j)
j∈A
C
⎧( xi − x A ) ⋅ PC (i )1 / 2 for i ∈ A
⎪
zi = ⎨
⎪0 otherwise
⎩
การทดสอบเรื่ องตัวแปร z เป็ นตัวแปรที่ถูกละทิ้งโดยการใช้ auxiliary regression จะมีคุณสมบัติ

ั
asymptotically equivalent กบการทดสอบ Hausman-McFadden สําหรับ IIA การทดสอบนี้ จะไมมี่
่
อานุภาพใด ๆ ถ้าแบบจําลองที่เป็ นฐานมีตวั แปรอิสระอยางครบถ้ ่ ั วแปร dummy ใน
วนที่มีผลรวมกบตั
ทางเลือก A แตจะมี ่ ั
่ อานุภาพมากที่สุดเมื่อ C แตกตางกนไประหวางผู ่ บ้ ริ โภคแตละราย
่
มันยังเป็ นไปได้ที่จะทดสอบแบบจําลอง MNL สูก้ บแบบจํ ั าลอง MNP (Horowitz, 1981) หรื อ
ั
สูก้ บแบบจํ าลอง Nested MNL (McFadden, 1984) ด้วยการใช้ auxiliary regression ซึ่งออกแบบเรื่ องตัวแปร
่
ที่ถูกตัดทิ้งไปได้อยางเหมาะสม การทดสอบด้วย Lagrange multiplier สําหรับทดสอบแบบจําลอง MNL
ั
สูก้ บแบบจํ าลอง Nested MNL กสามารถ็ ํ
auxiliary regression ได้เมื่อกาหนดให้ log PA (i ) เป็ นตัวแปรที่
ถูกตัดทิ้งไป เมื่อเรารวมเอาเซตตาง ่ ๆ ของตัวแปรที่ถูกละทิ้งไปเข้ามาใน auxiliary regression จะทําให้เรา
สามารถทดสอบแบบจําลองตาง ่ ๆ ได้อยางหลากหลาย
่ การทดสอบที่ใช้ประโยชน์กนมากระหวางั ่
แบบจําลองนี้ กบั Nested MNL กาหนดให้ ํ ตวั แปร z เป็ นตัวแปรที่ถูกละทิ้งในตําแหนงตาง ่ ่ ๆในโครงสร้าง
ของต้นไม้ ถ้าเป็ นเชนนั ่ ้ นแล้วการทดสอบไมเพี ่ ยงจะบอกวาโครงสร้
่ ่
างที่เป็ นลําดับขั้นจําเป็ นตอการอธิ บาย
พฤติกรรมทางเลือกหรื อไม่ แตคาสถิ ่ ่ ติ t ของตัวแปร z ยังจะบอกได้ดว้ ยวาต้ ่ นไม้ไหนที่ดีที่สุด และคา่
สัมประสิ ทธิที่ได้ออกมาจะเป็ นคาเบื่ ้องต้นของคาพารามิ่ เตอร์

นอกจากนั้ นมันยังเป็ นไปได้ที่จะทดสอบแบบจําลอง MNL ในรู ปแบบที่ใช้ขอ้ มูลเรี ยงลําดับ โดย

่ ่ วแปร dummy สําหรับตําแหนงของลํ
ให้ตวั แปรที่ถกู ละทิ้งคือ ผลรวมระหวางตั ่ ั วแปรที่
าดับที่ถูกเลือกกบตั
เพิ่มเข้ามา สําหรับการศึกษา conjoint มันเป็ นไปได้ที่จะสร้างการทดสอบที่ทรงอานุภาพเพื่อทดสอบ IIA
โดยการสังเกตทางเลือกจากเซต C และซับเซต A ตามที่อธิบายโดย Louviere และ Woodworth (1983)
่ ากบคุ
และอีกครั้ งหนึ่ง การเปลี่ยนแปลงของพารามิเตอร์ที่ไมเข้ ั ณสมบัติ IIA สามารถตรวจสอบได้ดว้ ยการ
่
ให้ผลรวมระหวางตั ่ วแปรเป็ นตัวแปรที่ถูกละทิ้งในการทดสอบ
Goett, McFaadden และ Woo (1986) ได้ใช้วิธีการทดสอบนี้ กบข้ ั อมูลจากการทดลอง conjoint

่
ลูกผสม เรื่ องความพอใจเรื่ องคาไฟฟ้ าและอัตรา outage คุณสมบัติของทางเลือกในการศึกษานี้ ได้แก่
ความถี่ กรอบเวลา การแจ้งเตือน ฤดูกาล วันในหนึ่งสัปดาห์ และเวลาในหนึ่งวันของการเกดิ outage
่ บที่เป็ นสัดสวนตอคาไฟ
และคาปรั ่ ่ ่ ็ อมูลจากผูใ้ ช้ไฟฟ้ า 483 คน และให้แตละคนให้
เกบข้ ่ คะแนนเองในแต่
่ ่ องเอง และเรี ยงลําดับทางเลือกเกาทางที
ละคุณสมบัติ ให้น้ าํ หนักความสําคัญของแตละเรื ้ ่
่ออกแบบมาอยาง
ครบถ้วนและไมมี่ ทางเลือกไหนที่โดดเดนกวาทางอื
่ ่ ่น
ในเรื่ องการให้คะแนนเองสําหรับคุณสมบัติแตละเรื ่ ่ อง เราแปลงข้อมูลเรื่ องการประเมินในเรื่ อง

กรอบเวลาและการเจ้งเตือนเรื่ อง outage ให้มีลกั ษณะเป็ น logarithmic และแปลงเรื่ องราคาให้เป็ นการ
ประเมินเชิงเปรี ยบเทียบในรู ปร้อยละแทนที่จะบอกวาเป็ ่ นเงินเทาใด
่ เรานําข้อมูลที่แปลงแล้วนี้ ไปใช้กบั
แบบจําลอง MNL แล้วใช้ auxiliary regression ที่อธิบายไว้แล้วข้างต้นเพื่อทดสอบผลรวมที ่ ่ถูกละทิง้ ไป
ทดสอบ heterogeneity และทดสอบ consistency ของข้อมูลที่เรี ยงลําดับมา เราพบวาเรื ่ ่ องนํ้ าหนัก
ความสําคัญที่ให้คะแนนเองนั้ นสามารถอธิบายพฤติกรรมการเลือกได้ และมีผลตอ่ คุณสมบัติเรื่ องคาไฟ ่
เราพบโดยการใช้การทดสอบ auxiliary regression ด้วยวาทางเลื ่ อกที่ได้รับการเลือกเป็ นอันดับหนึ่งและ
สองไมได้ ่ สอดคล้องกบัแบบจําลอง MNL แบบ homogeneous เราพบวานํ ่ ้ าหนักความสําคัญจะลดลงสําหรับ
ลําดับที่สอง ซึ่งบอกให้ทราบถึงการเลือกปฏิบตั ิที่ลดลง คําอธิบายที่เป็ นไปได้อยางหนึ ่ ่ งคือ การรับรู ้ที่จะ
่
เรี ยงสิ่ งหนึ่งไว้ในลําดับท้ายตางไปจากการเรี ิ นความแตกตางในการ
ยงสิ่ งที่เป็ นลําดับแรกสุ ดทําให้เกดเป็ ่
ั
ตัดสิ นใจเลือก อีกทางหนึ่งคือทางเลือกได้รับอิทธิพลจากความเหมือนกนมากเกดไปและไมเข้ ิ ่ ากบั
ข้อตกลงเบื้องต้นของ Luce ซึ่งเป็ นพื้นฐานของแบบจําลอง MNL

ตอนที่ 7: ข้ อสรปุ
ในบทความนี้ ผเู ้ ขียนได้พยายามให้ภาพของทฤษฎีทางเลือกทางเศรษฐศาสตร์ โดยเน้นไปที่การ

พัฒนาที่จะทําให้สามารถใช้ขอ้ มูลเชิงจิตวิทยาและการทดลอง conjoint เพื่อพยากรณ์ความต้องการของตลาด
่
กลาวโดยสรุ ปคือการพยากรณ์ส่ วนแบงตลาดของผลิ ่ ตภัณฑ์ใหม่ เป้ าหมายของการวิเคราะห์คือการ
พยากรณ์ส่ วนแบงตลาดซึ
่ ่ งเป็ นฟังกชั์ น่ ของคุณลักษณะของผลิตภัณฑ์ และระบุส่ วนตลาดที่เป็ นเป้ าหมายที่
จะมุ่งทําโปรแกรมการตลาดไปให้ถึง การจําลองผลเชนนั ่ ้ นสามารถทําได้ดว้ ยการสร้างแบบจําลอง
ทางเลือกที่โอกาสการเลือกขึ้ นอยูก่ บตั ั วแปรด้านคุณสมบัติของผลิตภัณฑ์และคุณลักษณะของผูบ้ ริ โภค
แบบจําลองทางเลือกนี้ อาจจะใช้ขอ้ มูลภาคสนาม ข้อมูลเชิงทัศนคติ การตัดสิ นใจ และการทดลอง conjoint
การเทียบผลการพยากรณ์กบพฤติ ั กรรมที่สงั เกตพบจะทําให้ช่วยปรับปรุ งแบบจําลองและ utility function ให้
ดียง่ิ ขึ้ น กรอบโดยรวมของการแสวงหาความพอใจสู งสุ ดชี้ ทางในการปรับปรุ งที่จาํ เป็ นตอการจั ่ ดการ
่ ั
ปัญหาที่แตกตางกนไปสํ าหรับการใช้งานแตละเรื ่ ่ อง ตั้ งแตเรื่ ่ องการบริ โภคซํ้ าอีกครั้ งไปจนถึงการ
ตอบสนองตอ่การโฆษณา ความสามารถในการพยากรณ์วา่ผลิตภัณฑ์ที่จะออกสู่ ตลาดใหมจะได้ ่ รับการ
ตอบรับที่ดีหรื อไมเป็ ่ นเป้ าหมายสูงสุ ดของทั้ งการเกบข้ ็ อมูลและการวิเคราะห์ขอ้ มูลทั้ งหมด
--------------------------------------------------------------------------------------------------------------------------
ขอความกรุ ณาทานผู ่ อ้ า้ งอิงบทความนี้ เขียนในบรรณานุกรมของทานดั ่ งนี้
คมสัน สุ ริยะ (แปล). 2552. การใช้ ทฤษฎีทางเลือกทางเศรษฐศาสตร์ สําหรับการวิจัยตลาด. แปลจาก

Daniel McFadden. 1986. The Choice Theory Approach to Market Research. Marketing Science,
Vol. 5, No.4. Special Issue on Consumer Choice Models (Autumn, 1986), pp. 275 – 297.
[ online ] www.tourismlogistics.com
ิ
ผูเ้ ขียนน้อมรับคําแนะนํา และการแจ้งความผิดพลาดอันเกดจากการแปลและการพิ มพ์
กรุ ณาแจ้งมาได้ที่ komsan@tourismlogistics.com จักขอบคุณยิง่

เอกสารอ้ างอิงทีส่ ํ าคัญบางรายการ
Beggs, S., S. Cardell and J. Hausman (1981), “Assessing the Potential Demand for Electric Cars,” Journal
of Econometrics, 16, 1 – 19.
Green, P. (1984), “Hybrid Models for Conjoint Analysis: An Expository Review,” Journal of Marketing
Research, 21, 155 – 169.
Green, P., F. Carmone and D. Wachspress (1977), “ On the Analysis of Qualitative Data in Marketing
Research,” Journal of Marketing Research, 14, 52 – 59.
Green, P. and A. Krieger (1985). “Buyer Similarity Measures in Conjoint Analysis: Some Alternative
Proposals,” Journal of Classification, 1, 41 – 61.
Green, P and V. Srinivasan (1978), “Conjoint Analysis in Consumer Research: Issue and Outlook,”
Journal of Consumer Research, 5, 103 -121.
Hausman, J. (1978), “Specification Tests in Econometrics,” Econometrica 46, 1251 – 1271.
Hausman, J., and D. McFadden (1984), “A Specification Test for the Multinomial Logit Model,”
Econometrica, 52, 1219 – 1240.
Hausman, J., and P. Ruud (1986), “Specifying and Testing Econometric Models for Rank-Ordered Data,”
Journal of Econometrics, forthcoming.
Joreskog, K. (1973), “A General Method for Estimating a Linear Structural Equation System,” in A.
Goldberger and O. Duncan (Eds.), Structural Equation Models in the Social Sciences, New York:
Seminar Press, 85 -112.
Joreskog, K. and D. Sorborn (1979), Advanced in Factor Analysis and Structural Equation Models,
Cambridge: Abt.
Luce, D. (1959), Individual Choice Behavior, New York: Wiley.
Luce, D. (1978), “The Choice Axiom after Twenty Years,” Journal of Mathematical Psychology, 15,
215 – 233.
Manski, C. and D. McFadden, Eds. (1981), Structural Analysis of Discrete Data, Cambridge: MIT Press
McFadden, D. (1973), “Conditional Logit Analysis of Qualitative Choice Behavior,” in P. Zarembka
(Ed.), Frontiers in Econometrics, New York: Academic Press, 105 – 142.

McFadden, D. (1980), “Econometric Models of Qualitative Choice among Products,” Journal of Business,
53, S513-S529.
McFadden, D. (1981), “Econometric Model of Probabilistic Choice,” in C. Manski and D. McFadden
(Eds.) Structural Analysis of Discrete Data, Cambridge: MIT Press, 198 – 272.
McFadden, D. (1984), “Econometric Analysis of Qualitative Response Models,” in Z. Grilliches and M.
Intriligator (Ed.), Handbook of Econometrics, Vol.2, Amsterdam: North Holland, 1395 – 1457.
McFadden, D. (1985), “Regression Based Specification Tests for the Multinomial Logit Model,” Journal
of Econometrics, forthcoming.
McFadden, D. (1986a), “A Method of Simulated Moments for Estimation of Multinomial probits without
Numerical Integration,” Econometrica, forthcoming.
McFadden, D. (1986b), “Discrete Response to latent Variables for Which There Are Multiple Indicators,”
MIT working paper.
McFadden, D., S, Cosslett, G, Duguay and W. Jung (1977), Demographic Data for Policy Analysis, Urban
Travel Demand Forecasting Project, Final report, Vol. 7, Institute of Transportation Studies,
University of California, Berkley.
McFadden, D., W. Tye and K. Train (1976), “An Application of Diagnostic tests for the Independence of
Irrelevant Alternatives Property of the Multinomial Logit Model,” Transportation Research Board
Record, 637, 39 – 45.
Thurstone, L. (1927), “A Law of Comparative Judgement ,” Psychological Review, 34, 272 – 286.

McFadden Market Research 1986

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

McFadden Market Research 1986

Uploaded by

Copyright:

Available Formats

The Choice Theory Approach to Market Research

เขียนโดย Daniel McFadden (1986)

บทความนี้ ได้สาํ รวจทฤษฎีทางเลือกทางเศรษฐศาสตร์ โดยเน้นไปที่การใช้ขอ้ มูลจากการทดลองทาง

คมสัน สุ ริยะ (แปล). 2552. การใช้ ทฤษฎีทางเลือกทางเศรษฐศาสตร์ สําหรับการวิจัยตลาด. แปลจาก

ตอนที่ 1: การวิจยั ตลาดทีม่ ่ ุงความสนใจไปทีภ่ าพรวมของตลาด

นักเศรษฐศาสตร์มกั มองวาผู ่ บ้ ริ โภคเป็ นกลองดํ

โดยทัว่ ไปแล้วนักวิจยั ตลาดสามารถดูความเชื่อมโยงระหวางปั ่ จจัยตาง ่ ๆ เชน่ การออกแบบสิ นค้า

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

่ ่ ผูซ้ ้ือเครื่ องปรับอากาศอาจจะรับรู ้ถึงความทนทานของยีห่ อ้ ตาง

ความรับรู ้ได้รับอิทธิพลมาจากคุณลักษณะของสิ นค้าและข้อมูลทางการตลาด ในขณะที่ท้ งั ความ

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

่ ชนีในหลายเรื่ อง ในขณะที่ทศั นคติจะวิเคราะห์โดย factor

ปัญหาการสร้างแบบจําลองคือการใช้ขอ้ มูลทางจิตวิทยาเพื่อวิเคราะห์เชิงปริ มาณตามแผนผังในรู ปที่

ํ งพยายามทําแบบจําลองอยูน่ ้ ีคือ หนึ่ง การออกแบบเครื่ องมือสําหรับการ

ั ม่ าแกปั้ ญหาเรื่ องการพยากรณ์ทางการตลาดจาก

ผูจ้ ดั การฝ่ ายการตลาดมักจะสนใจเฉพาะสวนตลาดเล็ ่ ่

การใช้ขอ้ มูลจากการทดลองแทนที่จะเกบข้ ็ อมูลภาคสนามมีขอ้ ดีหลายอยาง ่ อยางแรกกคื

ทฤษฎีทางเลือกทางเศรษฐศาสตร์สมัยใหมเริ่ ่ มต้นจากการตั้ งข้อสมมติวาบุ ่ คคลใด ๆ กตาม ็ หรื อ

่ ่ ่ องใหม่ ผูเ้ ขียนขออ้างถึงงานเขียนของ F.M. Taussig ซึ่งเขียนไว้ต้ งั แตปี่ ค.ศ. 1912

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

“สิ่ งใดสิ่ งหนึ่งจะไมมี่ คาเลยถ้

แนวคิดนี้ ใช้อธิบายพฤติกรรมทางเศรษฐกจเรื ิ ่ อยมาหลายสิ บปี จนกระทัง่ Hicks และ Samuelson ได้

็ ความสนใจในเรื่ องพฤติกรรมการเลือก เริ่ มต้นจากมุมมองของการวิเคราะห์

่ Marschak (1960) ได้เชื่อมโยงเอาทฤษฎีพฤติกรรมการเลือกของบุคคล ซึ่งคิดค้นโดย Luce

ในปี ค.ศ. 1965 ตัวผูเ้ ขียนเองได้ใช้ขอ้ ตกลงเบื้องต้นของ Luce มาสร้างแบบจําลองเศรษฐมิติซ่ ึง

แบบจําลองที่สร้างขึ้ นมาในรู ปแบบเหลานี ่ ้ เข้ากนได้

ในตอนแรกนักเศรษฐศาสตร์ใช้แบบจําลองเหลานี ่ ้ จาํ กดในเรื

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

ในแบบจําลองนี้ C = {1,2,..., M } หมายถึงเซตของทางเลือกจํานวน M ทาง และ PC (i )

Vi = xi1 β 1 + xi 2 β 2 + ... + xik β k .....(2)

สามารถหารด้วยรายได้ของครอบครัว ทั้ งนี้ จะสามารถเห็นได้วาอิ ่ ทธิพลของคุณลักษณะสิ นค้านั้ นขึ้ นอยูก่ บั

ในเรื่ องนี้ ผแู ้ ปลอยากจะขอขยายความวามั ่ นหมายถึงเราจะเลือกยีห่ อ้ ที่ตน้ ทุนตํ่าที่สุดเทานั

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

่ วา่ โอกาสที่จะเลือกซื้ อสิ นค้า i กคื็ อโอกาสที่ความพอใจที่ได้จาก i ไมน้่ อยไปกวาความพอใจที

ข้อตกลงเรื่ อง IIA มีท้ งั ข้อดีและข้อเสี ย ข้อดีกคื็ อมันทําให้เป็ นไปได้ที่จะศึกษาพฤติกรรมการเลือก

ผูแ้ ปลขอขยายความในสวนนี ่ ้ วา่ ข้อเสี ยของ IIA อยางที

สอง ถึงแม้วา่ IIA จะไมเกดขึ

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

การทดสอบ consistency ของแบบจําลองจะยากขึ้ นวาจริ ่ ง ๆ แล้วผูบ้ ริ โภคได้รับความพอใจสูงสุ ดหรื อไม่

สาม เราอาจจะใช้แบบจําลองอื่นที่ไมจํ่ าเป็ นวา่ IIA ต้องเกดขึ

่ ่ งซึ่งขยายผลมาจาก MNL เรี ยกชื่อวา่ Hierarchical model (แบบจําลอง

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

อา่นได้วา่ โอกาสที่ผบู ้ ริ โภคจะเลือกทางเลือกที่หนึ่ง เมื่อมีทางให้เลือกสองทางคือหนึ่งกบสอง

สําหรับแบบจําลอง Nested MNL แล้ว โอกาสที่ผบู ้ ริ โภคจะเลือกทางเลือกที่หนึ่ง เมื่อมีทางให้

สําหรับแบบจําลอง HEBA สามารถเขียนโอกาสที่ผบู ้ ริ โภคจะเลือกทางเลือกที่หนึ่งได้ดงั นี้

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

P{1, 2} (1) ⋅ e γ + eV1

สมการที่ 6.2 และ 7.2 กดู็ คล้าย ๆ กบของแบบจํ

แบบจําลอง Multinomial Probit (MNP) เป็ นวิธีการคํานวณสําหรับทางเลือกหลายทางและเป็ นวิธี

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

U i = x1iα 1 + x 2iα 2 + ... + x kiα k ….(9)

Vi = x1i β 1 + x 2i β 2 + ... + x ki β k ....(10)

และ Cov(U i ,U j ) = x ′Gx j .....(11)

เมื่อ xk คือ คุณสมบัติของสิ นค้า และ G คือ covariance matrix ของ α

การคํานวณแบบจําลอง MNP ต้องใช้การอินทิเกรท การคํานวณทางสถิติที่ตอ้ งใช้วิธีคาํ นวณหลาย

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

วิธีการที่สามสําหรับการคํานวณแบบจําลอง MNP คือการคํานวณโอกาสที่จะเลือกทางเลือกหนึ่ง

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

ในสมการนี้ t หมายถึง observation ในขณะที่ i หมายถึงทางเลือก และ d it หมายถึงตัวที่ระบุ

การคํานวณหาอุปสงค์ของตลาดจากทฤษฎีเศรษฐศาสตร์เป็ นวิธีการตรง แตแสนจะนาเบื ่ ่ ่อแบบงาน

ในการพยากรณ์ มันจําเป็ นที่จะต้องพยากรณ์คาตั่ วแปรอิสระที่จะใสเข้

คําเตือน: ให้ ใช้ เพือ่ ประโยชน์ ทางการศึกษาเท่ านัน ห้ ามจําหน่ ายเชิงพาณิชย์

ตอนที่ 4: การใช้ ข้อมลเชิ