对偶比较法

基本假设：每次比较中，个体对物体A和B的偏好差异服从正态分布，其均值代表偏好强度差异，标准差反映判断一致性。

公式表达：P(A>B) = Φ((S_A - S_B)/σ_{AB})，其中 S_A, S_B 为A、B的隐含心理量表值，σ_{AB} 为判断差异的标准差，Φ为标准正态累积分布函数。 ADSFAEQWER353423413434

1. 设计比较矩阵

若评估n个对象，需进行C(n,2)=n(n-1)/2次两两比较。示例（4个对象A,B,C,D的比较组合）：A vs B, A vs C, A vs D, B vs C, B vs D, C vs D。

ADSFAEQWER353423413434

2. 数据收集

呈现方式：每次仅展示一对样本，避免多对象干扰。
判断记录：强制选择（如“更甜/更苦”）或允许平局（需后续处理）。
平衡设计：顺序随机化（消除位置效应），重复比较（提高信度，通常2-3次）。

ADSFAEQWER353423413434

3. 数据转换（偏好矩阵）

统计每个对象“被偏好”的次数，形成胜率矩阵。例如：

注：假设每对比较5次（A vs B：A胜3次，B胜2次）。 ADSFAEQWER353423413434

4. 量表值计算

Thurstone-Mosteller模型：在标准正态累积分布函数下，偏好比例 p_{ij} = (i胜j次数)/(总比较次数) 对应Z分数 z_{ij} = Φ^{-1}(p_{ij})，通过最小二乘法求解 S_i - S_j = z_{ij}。

ADFASDFAF23RQ23R

1. 食品感官测评

确定5种配方可乐的甜度排序。受试者两两品尝（清水漱口间隔），回答“哪种更甜？”，输出甜度量表值以优化配方。 ADSFAEQWER353423413434

2. 产品设计偏好测试

对6款手机外观设计进行偏好排序。屏幕并排显示两款设计，选择“更可能购买”的选项，使用Bradley-Terry模型计算购买倾向得分。

ADFASDFAF23RQ23R

3. 员工绩效评估

对10名员工协作能力排序。管理者对所有两两组合评分（1-9尺度），转换为二值数据（如>5分记A胜），消除评分者松紧差异，客观排序。

ADSFAEQWER353423413434

1. 减少比较次数：采用不完全区组设计（每受试者仅评估部分对）或锚定法（引入已知参考对象，间接比较未配对组合）。
2. 处理平局：平局时各计0.5胜，或使用Rao-Kupper模型引入平局参数δ。
3. 增强效率：采用自适应测试，基于已答结果动态选择下一对（如Elo评分系统）。

1. 一致性检验：使用Kendall协调系数W检验多个评价者排序是否一致（0-1，越近1越一致）。
2. 显著性检验：Bradley-Terry模型中使用卡方检验 χ² = Σ((O_{ij}-E_{ij})²/E_{ij})，若 χ² > χ²_{α, df} 则量表值差异显著。

对偶比较法通过化整为零（将复杂排序拆解为两两比较）解决主观评价难题：核心价值在于规避评分尺度差异，获得客观等距量表；关键步骤包括平衡设计、偏好统计和Thurstone/Bradley-Terry模型转换；创新方向在于结合AI算法动态优化比较对（如多臂赌博机模型）。在用户体验研究、感官科学等领域，该方法仍是黄金标准，尤其适用于样本量有限但需高精度排序的场景。

ADFASDFAF23RQ23R