惩罚分析(JAR)

所属分类：市场研究

这个方法是做什么的

用在配方与感官评测上。每个属性用三级 JAR（Just-About-Right）量表问一句“太弱/正好/太强”，同时收一个总体喜好评分；然后以“正好”组的平均喜好为基准，看落在“太少”和“太多”两侧的人，喜好被拉低了多少。这个差值就是 mean drop——它是这个方法的全部核心：偏离理想点要付出的代价。

报告分两层。描述层给逐“属性-方向”的人数、占比、平均喜好、mean drop 及其 95%CI，以及加权惩罚 = 该方向人数占比 × mean drop——既看拉低幅度，也看多少人落在那个方向。推断层给 Welch t 检验（不要求方差齐）、经小样本校正的 Hedges' g 及其 95%CI、按“属性-方向”家族大小做的 Bonferroni 校正，还有属性层级的单因素方差分析（太少/正好/太多三组的平均喜好）与 η²、ω²。卡① 先逐属性核对四件事：编码是不是 1/2/3 三级、JAR%（正好组占比）有没有到 70%、每个方向组人数够不够 20、三组喜好的 Levene 方差齐性；总体喜好的 Shapiro-Wilk 正态性不按属性重复，它单占一行、标着“（全体）”，整份报告只跑一次。

需要准备什么数据

• 放入[定量]JAR量表属性：至少 1 个
• 放入[定量]总体喜好评分：不限

数据要求

• 数据表至少 60 行。
• 单列缺失率不超过 20%。
• 不接受取值全都一样的列（零方差列没有可分析的变异）。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 食品饮料配方评测：甜度、咸度、浓稠度里哪一维调过头了
• 日化、香氛等感官属性的水平校准，判断该往哪个方向改
• 已有三级 JAR 问卷加总体喜好评分的回收数据
• 想在“改这一维值不值”上给出一个可排序的依据（加权惩罚）

前提：每个 JAR 属性列按 1=太弱/太少、2=正好、3=太强/太多 编码，五级 JAR 量表必须先合并成三级再上传；总体喜好为定量评分且数值越大越喜欢；每个方向组（含“正好”基准组）建议至少 20 人，某方向不足 2 人时该方向直接标 N/A；数据不少于 60 行。缺失是逐属性成对处理的——某个属性缺失只影响那个属性，不会牵连其它属性的样本量。

什么时候不要用它

• 只有 JAR 量表、没有总体喜好评分：mean drop 的定义就是两组喜好之差，缺了喜好列什么都算不出来。只想看各属性的三级分布用「频数分析」，想比较不同配方或不同人群的 JAR 分布是否有差异用「列联（交叉）分析」。
• 属性问的是“有没有这个功能”而不是“程度够不够”：那是双问法的需求归类，用「Kano模型」；要看各属性相对重要度的排序，用「MaxDiff最大差异分析」。
• 你要比的是几个配方版本的总体喜好高低，而不是某一维的偏离方向：同一批人试吃多版用「配对样本T检验」，不同人各试一版用「独立样本T检验」，三版及以上用「单因素方差分析」再接「事后多重比较」。
• 想直接估“把甜度调回正好能提升多少分”：mean drop 是观察性的组间差，不是干预效果，卡⑤ 的研究局限逐字写明了这一点。要估干预效果得做配方对照试验，再用「独立样本T检验」比较，或用「协方差分析」扣掉基线差异后比较。
• 手上是五级 JAR 还没合并：本模块只认 1/2/3，五级作答会被判为越界并剔除。先在“数据处理”里合并成三级；只想看五级作答本身的分布，用「频数分析」。

容易误读的地方

• mean drop 不是“改回正好能涨多少分”。 它是横截面的组间差：示例里觉得咸度“太多”的 62 个人，平均喜好比觉得“正好”的 137 个人低 1.633 分。这两拨人不是同一批人，也不是随机分配的——口味重的人可能本来就对这个品类评价更低。把 1.633 读成“减盐后总体喜好会涨 1.633”，是把观察性差异当成因果效应，卡① 与卡⑤ 都对此做了明确声明。真要这么说，需要一次配方对照试验，而不是这份问卷。
• 加权惩罚和 mean drop 说的是两件事，只看一个会把资源投错。 加权惩罚 = 占比 × mean drop。加权惩罚大但 mean drop 不显著，是“人多但每人影响小”；mean drop 显著但加权惩罚小，是“影响大但人少”，后者往往指向一个特定的细分人群。卡② 的结论文案直接点出这两者的运营含义完全不同。另外加权惩罚带着喜好评分的量纲——9 分制和 5 分制算出来的不是一回事，跨产品、跨研究比较必须换成 Hedges' g。
• JAR% 低于 70% 时，惩罚排序基本没有实践意义。 示例三个属性的 JAR% 是 52.0%、54.8%、53.2%，全部不达标，卡① 逐条打出了“该属性的水平设定整体偏离，惩罚值可算但产品配方本身即需调整”。这时候比较“哪个方向惩罚最大”，回答的是“这一团糟里哪里最糟”，而正确动作是重做配方而不是微调某一维。这条判定在卡①，读报告的人却往往直接跳到卡② 看排名。
• 两侧惩罚都显著，不等于“水平取中间就对了”。 三级 JAR 的“正好”是每位受访者自己心里的锚点，不是一把客观的尺子。示例甜度两侧的 mean drop 几乎一样大（太少 1.076、太多 1.072），最合理的解释不是“甜度刚好卡在中间”，而是人群里存在两拨理想点相反的消费者，当前配方落在他们中间——往任何一边调都会得罪一半人。该做的是分人群或分产品线，而不是继续在一维上找中点。
• 前提检验通过与否，不改变本模块实际使用的检验。 卡① 给了总体喜好的 Shapiro-Wilk 与三组的 Levene，但表注写得很清楚：mean drop 一律用 Welch t 检验，Levene 结果仅作数据特征描述。所以看到“方差不齐”不必换方法。反过来更要小心：Shapiro-Wilk 的 p=0.5044 只意味着没有足够证据拒绝正态，不等于证明了数据服从正态——前提检验不显著从来不是“前提成立”的证据，样本越小它越容易不显著。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：各属性 JAR 分组、mean drop 与加权惩罚
3. 输出结果三：可视化（加权惩罚与 JAR 分布）
4. 输出结果四：效应量与事后多重比较
5. 输出结果五：结论与学术表述