La regresión de preferencias es una técnica estadística utilizada por los especialistas en marketing para determinar los beneficios principales preferidos de los consumidores. Por lo general, complementa las técnicas de posicionamiento de productos , como el escalado multidimensional o el análisis factorial , y se utiliza para crear vectores ideales en mapas de percepción .
A partir de datos brutos de encuestas, los investigadores aplican técnicas de posicionamiento para determinar dimensiones importantes y trazar la posición de los productos competidores en estas dimensiones. Luego hacen una regresión de los datos de la encuesta contra las dimensiones. Las variables independientes son los datos recogidos en la encuesta. La variable dependiente es el dato de preferencia. Como todos los métodos de regresión, la computadora ajusta ponderaciones para predecir mejor los datos. La línea de regresión resultante se denomina vector ideal porque la pendiente del vector es la relación de las preferencias por las dos dimensiones.
Si se utilizan todos los datos en la regresión, el programa derivará una única ecuación y, por tanto, un único vector ideal. Este tiende a ser un instrumento contundente, por lo que los investigadores refinan el proceso con análisis de conglomerados. Esto crea grupos que reflejan segmentos de mercado . Luego se realizan regresiones de preferencias separadas sobre los datos dentro de cada segmento. Esto proporciona un vector ideal para cada segmento.
El método de importancia autodeclarada es un método alternativo en el que se utilizan datos de encuestas directas para determinar las ponderaciones en lugar de imputaciones estadísticas. Un tercer método es el análisis conjunto en el que se utiliza un método aditivo.