Modele klas ukrytych w metodach wyborów dyskretnych

• Autorzy: Aneta Rybicka

Warianty tytułu

Latent Class Models in Discrete Choice Methods

• Języki publikacji: PL

Abstrakty

W badaniu preferencji wyrażonych wykorzystujemy m.in. metody wyborów dyskretnych reprezentujących podejście dekompozycyjne. W związku z tym, że użyteczności cząstkowe oraz całkowite oszacowywane są na poziome zagregowanym, niemożliwe jest bezpośrednie przeprowadzenie segmentacji konsumentów. W celu oszacowania, w metodach wyborów dyskretnych, użyteczności na poziomie segmentowym wykorzystujemy modele klas ukrytych. W artykule przedstawiono rodzaje modeli klas ukrytych, metodę estymacji parametrów, oprogramowanie komputerowe oraz przykłady zastosowań na podstawie literatury przedmiotu.(abstrakt oryginalny)

EN

Revealed preference analysis can be carried out in various ways - discrete choice methods are one of them. Due to the fact that total and part-worth utilities are estimated at aggregated level the segmentation cannot be made. In order to estimate utilities at segment level we apply latent class models. The paper presents latent class models, computer software and known from literature examples of applications.(original abstract)

Słowa kluczowe

PL

Segmentacja rynku

EN

Market segmentation

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2011
• Tom: 18
• Numer: nr 176 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 221--227

Twórcy

autor

Aneta Rybicka

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• Bartholomew D.J., Knott M., Latent Variable Models and Factor Analysis, Arnold, London 2002.
• Bąk A., Dekompozycyjne metody pomiaru preferencji w badaniach marketingowych, Prace Naukowe Akademii Ekonomicznej nr 1013. Monografie i Opracowania nr 157, Wydawnictwo Akademii Ekonomicznej, Wrocław 2004.
• Bhat C., An andogenous segmentation mode choice model with an application to intercity travel, "Transportation Science" 1997, 31(1), s. 34-48.
• Biernacki C., Celeux G., Govaert G., Assessing a mixture model for clustering with the integrated completed likelihood, "IEEE Transactions on Pattern Analysis and Machine Intelligence" 2000, 22 (7), s. 719-725.
• Celeux G., Soromenho G., An entropy criterion for assessing the number of clusters in a mixture model, "Journal of Classification" 1996, 13, s. 195-212.
• DeSarbo W.S., Ramaswamy V., Cohen S.H., Market segmentation with choice-based conjoint analysis, "Maketing Letters" 1995, 6, s. 137-148.
• Domański C., Pruska K., Nieklasyczne metody statystyczne, PWE, Warszawa 2000.
• Green W.H., Hensher D.A., A Latent Class Model for Discrete Choice Analysis: Contrast with Mixed Logit, Institute of transport Studies, Working Paper, 2002, http://pages.stern.nyu.edu/~wgreene/ latent-class.pdf.
• Hair J.F., Anderson R. E., Tatham R. L., Blach W.C., Multivariate Data Analysis with Readings, Prentice- -Hall, Englewood Cliffs 1995.
• Huber J., Orme B.K., Miller R., Dealing with Product Similarity in Conjoint Simulations, 1999, www.sawtoothsoftware.com/ download/techpap/prodsim.pdf.
• Kasprzyk I., Wykorzystanie konfiguracyjnej analizy częstości w analizie klas ukrytych, [w:] J. Dziechciarz (red.), Projektowanie, ocena i wykorzystanie danych rynkowych, Prace Naukowe Uniwersytetu Ekonomicznego nr 51, Wydawnictwo Uniwersytetu Ekonomicznego, Wrocław 2009, s. 36-45.
• Magdison J., Vermunt J.K., A Nontechnical Introduction to Latent Class Models, Statistical Innovations White Paper