Pomiar, modelowanie i symulacja preferencji z wykorzystaniem metod dekompozycyjnych

• Autorzy: Andrzej Bąk

Warianty tytułu

Preferences Measurement, Modeling and Simulation with use of Decompositional Methods.

• Języki publikacji: PL

Abstrakty

W artykule omówiono typy preferencji, przedstawiono metody pomiaru preferencji (w szczególności metody dekompozycyjne: conjoint analysis i wyborów dyskretnych), najważniejsze modele stosowane w badaniach preferencji wyrażonych oraz elementy modelowania symulacyjnego, które mogą być wykorzystane zarówno w przewidywaniu zachowań konsumentów, jak i w badaniach własności metod dekompozycyjnych. (streszcz. oryg.)

EN

The paper presents types of preferences (revealed and stated), measurement methods of stated preferences (especially decompositional methods: conjoint analysis and discrete choice), most important models used in stated preferences research, and finally simulation techniques used jointly with decompositional methods. (original abstract)

Słowa kluczowe

PL

Metody badań konsumenckich; Modelowanie ekonometryczne; Metody pomiarowe; Preferencje konsumenta

EN

Methods of consumer research; Econometric modeling; Measuring methods; Consumer preferences

• Czasopismo: Monografie i Opracowania / Szkoła Główna Handlowa
• Rocznik: 2004
• Numer: nr 533 Identyfikacja struktur rynkowych : pomiar, modelowanie, symulacja
• Strony: 79--89

Twórcy

autor

Andrzej Bąk

Bibliografia

• Acito R, Jain A.K. (1980), Evaluation of Conjoint Analysis Results: A Comparison of Methods. "Journal of Marketing Research", 17 (February), s. 106-112.
• Akaah I.P., Korgaonkar P.K. (1983), An Empirical Comparison of the Predictive Validity of Self-explicated, Huber-Hybrid, Traditional Conjoint, and Hybrid Conjoint Models. "Journal of Marketing Research", 20 (May), s. 187-197.
• Bąk A. (2004), Dekompozycyjne metody pomiaru preferencji w badaniach marketingowych. Prace Naukowe nr 1013 Akademii Ekonomicznej we Wrocławiu, Seria: Monografie i Opracowania nr 157, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław.
• Dobosz M. (2001), Wspomagana komputerowo statystyczna analiza wyników badań. Warszawa, Akademicka Oficyna Wydawnicza EXIT.
• Gajda J.B. (2001), Prognozowanie i symulacja a decyzje gospodarcze. C.H. Beck, Warszawa.
• Green P.E., Srinivasan V. (1990), Conjoint Analysis in Marketing: New Developments with Implications for Research and Practice, "Journal of Marketing" October, 54, s. 3-19.
• Green P.E., Wind Y. (1975), New Way to Measure Consumers' Judgments. "Harvard Business Review", July-August, 53, s. 107-117.
• Heermann D.W. (1997), Podstawy symulacji komputerowych w fizyce. WNT, Warszawa..
• Kaczmarczyk S. (2002), Badania marketingowe. Metody i techniki. Wyd. III. PWE, Warszawa.
• Kemperman A. (2000), Temporal Aspects of Theme Park Choice Behavior. URL: http:// alexandria.tue.nl/extra2/ 200013915.pdf, Technische Universiteit Eindhoven.
• Leigh T.W., MacKay D.B., Summers J.O. (1984), Reliability and Validity of Conjoint Analysis and Self-explicated Weights: A Comparison. "Journal of Marketing Research", 21 (November), s. 456-462.
• Lilien G.L., Kotler P., Moorthy S.K. (1992), Marketing Models. PrenticeHall, Englewood Cliffs.
• Moore W.L. (1980), Levels of Aggregation in Conjoint Analysis: An Empirical Comparison. "Journal of Marketing Research", 17 (November), s. 516-523.
• MooreW.L., Gray-Lee J., Louviere J.J. (1998), A Cross-Validity Comparison of Conjoint Analysis and Choice Models at Different Levels of Aggregation. "Marketing Letters", 9 (2), s. 195-207.
• Mynarski S. (1977), Analiza rynku. PWN, Warszawa.
• Radzikowski W. (1997), Badania operacyjne w zarządzaniu przedsiębiorstwem. Toruńska Szkoła Zarządzania, Toruń.
• Vriens M., Wedel M., Wilms T. (1996), Metric Conjoint Segmentation Methods: A Monte Carlo Comparison. "Journal of Marketing Research", 33 (February), s. 73-85.
• Welfe A. (2003), Ekonometria. Metody i ich zastosowanie. PWE, Warszawa.
• Zwerina K. (1997), Discrete Choice Experiments in Marketing. Heidelberg-New York, Physica-Verlag.