Cząstkowy układ czynnikowy i jego implementacja w module conjoint programu R

• Autorzy: Tomasz Bartłomowicz , Andrzej Bąk

Warianty tytułu

Fractional Factorial Design and Its Implementation in Conjoint Package R Program

• Języki publikacji: PL

Abstrakty

W artykule zaprezentowano rozwinięcie pakietu conjoint programu R o funkcję: caFactorialDesign() umożliwiającą generowanie kompletnego lub cząstkowego układu czynnikowego oraz funkcję caEncodedDesign() umożliwiającą kodowanie uzyskanych eksperymentów. Podstawą działania obu funkcji jest implementacja w pakiecie conjoint funkcji pakietu AlgDesign. W proponowanym rozwiązaniu zakłada się, że do uzyskania odpowiedniego układu czynnikowego wystarczające powinny być dane dotyczące liczby branych pod uwagę zmiennych oraz ich poziomów z ich nazwami włącznie.(abstrakt oryginalny)

EN

The paper presents the development of R package for conjoint features: caFactorialDesign() function which allows to generate a complete or fractional factorial design and caEncodedDesign() function which allows to encode obtained experiments. The basis of both functions is the implementation of AlgDesign package functions in conjoint package. In the proposed solution, it is assumed that to obtain a relevant factorial(original abstract)

Słowa kluczowe

PL

Metoda conjoint

EN

Conjoint method

• Czasopismo: Ekonometria / Uniwersytet Ekonomiczny we Wrocławiu
• Rocznik: 2013
• Numer: nr 2 (40)
• Strony: 103--114

Twórcy

autor

Tomasz Bartłomowicz

• Uniwersytet Ekonomiczny we Wrocławiu

autor

Andrzej Bąk

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• Bąk A., Dekompozycyjne metody pomiaru preferencji w badaniach marketingowych, Prace Naukowe AE we Wrocławiu nr 1013, Seria: Monografie i Opracowania nr 157, Wydawnictwo AE we Wrocławiu, Wrocław 2004.
• Bąk A., Bartłomowicz T., Implementacja klasycznej metody conjoint analysis w pakiecie conjoint programu R, [w:] Prace Naukowe UE we Wrocławiu nr 176, Wydawnictwo UE we Wrocławiu, Wrocław 2011, s. 94-104.
• Bąk A., Bartłomowicz T., Package conjoint. Conjoint analysis package, http://cran.r-project.org/web/packages/conjoint, 2012.
• Dodge Y., Fedorov, V.V., Wynn H.P. (red.), Optimal Design and Analysis of Experiments, North-Holland, Amsterdam 1988.
• Dykstra O. Jr., The augmentation of experimental data to maximize ()1-'XX, "Technometrics" 1971, no. 13(3), s. 682-688.
• Ferguson G.A., Takane Y., Analiza statystyczna w psychologii i pedagogice, PWN, Warszawa 1997.
• Kuhfeld W.F., Efficient Experimental Designs Using Computerized Searches, SAS Institute, 1997, [URL] http://www.sawtoothsoftware.com/download/techpap/1997Proceedings.pdf.
• Kuhfeld W.F., Tobias R.D., Garratt M., Efficient experimental design with marketing research applications, "Journal of Marketing Research" 1994, no. 31 (November), s. 545-557.
• Walesiak M., Bąk A., Conjoint analysis w badaniach marketingowych, Wydawnictwo AE we Wrocła- wiu, Wrocław 2000.
• Wheeler R.E., Package AlgDesign. Algorithmic Experimental Design, http://cran.r-project.org/web/packages/AlgDesign, 2012.
• Zwerina K., Discrete Choice Experiments in Marketing, Physica-Verlag, Heidelberg-New York 1997.