买房是一项复杂的决策过程，需要考虑各种因素、权衡价格，对商家而言，在住房定价、建房策略上需要知道买房人对不同住宅因素的偏好。但想 要弄清楚在一个综合决策中，决策者到底看重哪些因素？不同因素之间如何取舍？取舍的余地又是多少？这些问题不仅决策者本身难以厘清，也不易用传统调研方法 解决。 最近上海ISUX的用研同学一起学习了联合分析方法，这种方法专门用于发现决策人对于多因素产品的偏好和取舍规律，之前Sandyxu已经对联合分析方法 论梳理成文，具体请看Sandy的文章，这里我以上海网民的购房偏好为实例，用联合分析方法来调查。

一、调查开始之前

基于手头有的软件：SPSS和UR投放系统，决定调查设计方案为：联合分析10点李克特量表、固定设计、正交设计、全轮廓模型。更多高级功能需使用 Sawtooth高级版。 由于正交设计的轮廓数与最大水平数、因素数有关（最大水平数5+5个因素=25道题）。考虑到购房因素中许多与地段相关（如区域位置、上班远近、中心地 段、学区等等），这些零碎因素会使试题数变得不可接受，因此决定控制地段相关因素，将选题背景设为“在已选区域中选择住宅”。 在调查同事们列举的看房因素，并经过组内讨论修改后，设定了如下水平和因素：

通过SPSS生成16道正交设计题，如下表：

让用户对每一道题打分（10点李克特量表），同时设置一些基本属性题。向QQ用户发送问卷，共回收问卷1672份，筛选无效数据后得到问卷666份。

二、购房偏好联合分析

1、因素、水平效用

用SPSS进行联合分析得到效用值如下。

单价方面：毫无疑问是越便宜越好，并且效用值与单价并不呈完全线性变化，当价格从5%变化到10以上时，不论便宜还是贵了，效用变化速度都不及从均 价到涨跌5%的速度。可见买房者对价格的敏感度在5%以内的小幅波动中较高，超过5%的浮动会变得比较不敏感。 朝向方面，由于传统观念和上海的气候条件，决定了房间朝南的重要性十分大，从分析所得的效用值来看，没有朝南房间几乎是不能容忍的事，没有朝南房间即使降 价10%都不愿意购买。而对非主卧的朝向也变得很看重，仅主卧朝南对购房者来说虽不是一件坏事，但也不会给房子加分多少。 楼层方面，顶楼或底楼仍然是最不愿意选择的楼层，10层以上比10层以下更好。不过顶楼/底楼的坏处比没有房间朝南要容易接受的多。 住房位置，人们喜欢离外部公共设施较近的位置。

2、模拟市场占比

有了每个因素下水平的效用值，我们就能用水平效用值与常数加和的方式计算出某种因素组合的住房的效用值，如第14套（便宜10%以上、全部朝南、楼 层高、离生活设施近、小区密度高但仍有绿化）的效用值为0.66+0.92+0.59+0.22+0.04+3.92=6.35，类似的我们可以算出所以 住房的效用值。 用某套住房所以属性对应水平的效用值之和所占所有住房的效用值模拟这16套住房的市场份额，得到模拟市场占比如下表。

我们看到第14套住房最受欢迎，具体因素为（便宜10%以上、全部朝南、楼层高、离生活设施近、小区密度高但仍有绿化；第11套住房最不受欢迎，具 体因素为（价格贵10%以上、朝向楼层都很差，生活设施也较远，小区密度高但仍有绿化）。这与我们的常识相符。 模拟市场份额还可以用于帮助住房定价，考虑到市面上不止这16套房子，假设市面上的房子覆盖了我们设定的5个因素的所有水平上的排列组合 （4*3*3*2*4=288种），同样用效用值占比的方法计算出每一套房子的模拟市场比后，可以在调整因素时查看价格变动对市场份额带来的变化。具体举 个例子，比如在同一个地段、社区中，有两套位于19层高层大楼里的住房如下配置：

具体分析后我们发现，这两套在同一栋楼里的房子除了朝向都一样，这就类似于真实情况中不同房型的情况，甲房比乙房价格贵5个百分点左右但市场份额增加了0.5个千分点，在掌握具体的市场规模后，就可以知道这样的价格设定是否合理了。

3、属性相对重要性

联合分析在实际情况中还用一个应用，就是分析产品的不同因素在用户偏好中的相对重要性，看看用户更看重哪些因素，不看着哪些因素。经过分析发现： 单价仍然是最看重的因素，其次是朝向和住宅密度与绿化，住房离外部生活设施的距离则相对最不重要。具体属性相对重要性如下图： 如果把用户分为80后出生的人和80前出生的人两批，分别来看他们眼中的属性重要性，发现与总体人群的认知差别不大，只是在朝向和住宅密度与绿化孰重孰轻 上略有差异，80后认为住宅密度与绿化比朝向略为重要，而80前更看重朝向。这预示着年轻一代对小区环境的高期待将成为一种趋势，也许他们愿意牺牲部分房 间的朝向换取更好的小区环境。具体属性排布见下图

联合分析的部分暂告一段落，通过分析发现如下几个结论 A. 在房价高企的环境下，单价是主导选房的最主要因素。 B. 从住房品质看，总体而言，人们对朝向的敏感度最大，没有朝南房间的住房让人们避之不及，即使价格便宜10%也不会增加好感度。 C. 除价格外，年轻人更看重小区环境、中年人更看重朝向。似乎这与不同年龄层的活动范围有关，年轻人活动范围大，更看重外部环境；中年人随着年龄上升活动范围 减小，更看重房屋内部质量（朝向、光线、通风）。

三、基本属性分析

1、年龄分析

根据今年6月12日由国家统计局上海调查总队发布的2014年上海市民购房意愿调查报告提供的数据，三年内计划购房的年龄段如下图分布，与我们的调查年龄分布对比如下表

由于网民的年龄层普遍偏低，所以在我们的调查中30岁以下的占到近一半，30多岁的占比相对较少，40岁以上的人占比基本差的不多。因此我们的调查更偏向30岁以下的人群，能反映年轻人的购房意愿偏好。

2、年龄、家庭年收入、购房动机的交叉分析：

年龄分布与购房意愿的交叉分析如下表：

我们发现，年龄越小成家安置型的占比越大，年龄越大改善型的占比越大，投资投机型需求占比在各年龄层都很小。80后是一条界限，80后之前都是改善 型为主，80后之后都是刚需为主。 进一步从家庭年收入的分布来看（如下表），83%的家庭年收入处于中/低水平（30万以下），而家庭年收入在各年龄层上占比不同，年龄越大高收入占比越 小，50后家庭收入没有超过30万的，90后家庭收入超百万的占比偏大（7%，用红框标出）。 家庭年收入与年龄交叉分布表：

80后和90后的刚需比都超过了70%，对80后和90后分析发现，在这个年龄段，家庭收入会支配购买动机，家庭年收入越高则刚需占比越小、改善型 占比越多，而投资投机需求只有当家庭年入超100万后才会大幅上升（13%，用红框标出）。因此我们认为，年龄和家庭年收入都对购买动机有支配，越年轻收 入越低则刚需为主，随着年龄上升、收入变多，刚需减弱，改善型需求增强。

3、家庭年收入、居住面积、新家家庭结构的交叉分析

在未来新家的家庭结构上，70%还是与配偶/子女同住，第二需求是三代同堂。

在家庭年收入与购房动机的交叉分析（如下表）中发现，整体而言各层年收入的新房家庭结构类似，有几点特别指出。 A. 50~100万中三代同堂的需求比较大，表示经济能力较好的人群会考虑接老人养老的问题。这个收入群体集中在70后~80后（总和占比84%），由于这个 年龄群的人开始承担更多家庭责任，会考虑接老人养老的问题，完全不考虑自住。 B. 100万以上的高收入家庭有较多的自住需求，家庭年收超百万群体中80后~90后占到了79%，因此他们的家庭收入多数指父母收入。说明许多家庭经 济情况不错的子女，年龄较小不需要承担家庭责任，就会有更多自住的需求，完全不会考虑与祖辈同住。 C. 与配偶/子女住占比最大的是家庭年收为10~30万的人群，这个群体中刚需占到了66%，与家庭结构相符合。

为了查看家庭结构与期望面积之间的关系，对新房家庭结构与期望面积做交叉分析发现， A. 50平米以下的超小户型中，自住或与配偶/子女住的需求各一半； B. 而50~90平米的小户型大部分用于配偶/子女同住； C. 90~150平米中/大户型虽然与配偶/子女同住的需求仍然占比最大（超过60%），但与老人同住的需求增加了不少； D. 150平米以上的超大户型需求比较复杂，三代、核心家庭、自住的需求都存在。 E. 期望住宅面积还是集中在70~120平米（超过30%选择这个面积段，具体数据并未列出。

4、阶段性结论

对这些基本因素分析，得到以下几个阶段性结论： A. 年轻人购房以刚需、婚房为主，中年以上购房以改善型需求为主。不过相同年龄层内是家庭收入决定了是刚需还是改善。 B. 年轻人购房首先考虑自己小家庭居住的需求，而中年以上则开始考虑老人养老，承担更多的社会责任。

最后的话：

在购房这样的综合决策过程中，买房人往往需要综合考量各种因素才做决定，这种场景比较适合用联合分析方法，可以找出产品各个因素对用户的重要性，并 帮助预测市场份额，辅助价格、产品的指定。 对于互联网产品，则可以把设计因素加入考虑，即可涵盖用户体验、可用性等内容，虽然更复杂的设计需要更高级的软件支持，如Sawtooth，但用SPSS 可以快速上手，有兴趣的同学也可以一试。