Modele hybrydowe CART-LOGIT w analizie danych rynkowych

• Autorzy: Mariusz Łapczyński

Warianty tytułu

The Hybrid CART-LOGIT Models in Analysing Market Data.

• Języki publikacji: PL

Abstrakty

Celem artykułu jest omówienie hybrydowego podejścia CART-LOGIT do budowy modeli predykcyjnych w badaniach marketingowych. Podjęto próbę modelowania preferencji konsumentów na rynku samochodów osobowych (fragment tekstu).

EN

The goal of this article is to compare classic approaches which are used in building predictive models with hybrid methods that combine CART algorithm with logistic regression. The predictive model concerning the stated preferences of consumers on the motor vehicles market was developed on the basis of data collected during the survey research conducted in 2005. The list of independent variables consisted of demographic variables, LOV scale and items from the scale known as benefit structure analysis. Classic data mining and statistical tools (CART, RandomForests and logistic regression) were compared with three types of hybrid models and 2 two-stage approaches. The performance of predictive models was measured with percent of properly classified cases, odds ratio and R2 measure proposed by McFadden. (original abstract)

Słowa kluczowe

PL

Badania marketingowe; Data Mining; Drzewa klasyfikacyjne; Modele logistyczne

EN

Marketing research; Data Mining; Classification trees; Logistic models

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2009
• Numer: nr 51 Projektowanie, ocena i wykorzystanie danych rynkowych
• Strony: 85--95

Twórcy

autor

Mariusz Łapczyński

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Breiman L. i in., Classification and regression trees, Chapman and Hall, 1984.
• Breiman L., Cutler A., Random Forests, stat-www.berkeley.edu (15.10.2007).
• Buntine W., Tree classification software, "Technology 2002", Baltimore, December 1992.
• Chapman H.A., George E.I., McCulloch R.E., Bayesian CART model search, "Journal of the American Statistical Association", September 1998, vol. 93, no. 443, s. 935-960.
• Crawford S.L., Extension to the CART algorithm, "International Journal Man-Machine Studies" 1989, vol. 31, s. 197-217.
• Gatnar E., Nieparametryczna metoda dyskryminacji i regresji, PWN, Warszawa 2001.
• Loh W-Y., Vanichsetakul N., Tree-structured classification via generalized discriminant analysis, "Journal of the American Statistical Association", September 1988, vol. 83, no. 403, s. 715-729.
• Łapczyński M., Predykcja zjawisk rynkowych za pomocą narzędzia RandomForesls, opracowanie cząstkowe w ramach badań statutowych pod kier. prof. dr hab. Adama Sagana, Uniwersytet Ekonomiczny, Kraków 2007.
• Łapczyński M., Zmienne zastępcze i konkurencyjne w interpretacji drzew klasyfikacyjnych CART, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie (w druku).
• Steinberg D., Cardell N.S., 77;e hybrid CART-logit model in classification and data mining, www.sal-ford-systems.com (10.01.2008).
• Steinberg D., Colla P., CART. Interface and documentation, Salford Systems, http://www.salford-sys-tems.com/, 1997.