Modele regresji w pomiarze preferencji konsumentów

• Autorzy: Andrzej Bąk

Warianty tytułu

Regression Models in Measurement of Consumers' Preferences

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono charakterystykę modeli i metod pomiaru struktury preferencji konsumentów. W szczególności omówiono najważniejsze modele regresji wykorzystywane w badaniach struktury preferencji wyrażonych. (fragment tekstu)

EN

Measurement of consumers' preferences is one of the most important elements of marketing research. It helps to explain the reasons of consumers' decisions. The paper presents makes attempt to describe base models and methods of consumers' preference structure measurement. In particular there are presented the most important regression models used in research of stated preferences, i.e. conjoint analysis regression models and discrete choice regression models. (original abstract)

Słowa kluczowe

PL

Pomiary; Badanie preferencji konsumenckich; Modele regresji

EN

Measurement; Consumer preferences research; Regression models

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria
• Rocznik: 2003
• Tom: 11
• Numer: nr 981 Zastosowania metod ilościowych
• Strony: 86--101

Twórcy

autor

Andrzej Bąk

Bibliografia

• 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", May, 20, s. 187-197.
• Backhaus K., Erichson B., Plinke W., Weiber R. (1990): Multivariate Analysemethoden. Berlin-Heidelberg-New York: Springer-Verlag.
• Bąk A. (2000): Conjoint analysis jako metoda pomiaru postaw i preferencji konsumentów. [w:] Pomiar w badaniach rynkowych i marketingowych. Red. M. Walesiak: Wrocław: Wyd. AE. "Prace Naukowe AE we Wrocławiu", nr 856, s. 69-81.
• Bierlaire M. (1997): Discrete Choice Models. URL: http://web.mit.edu/mbi/www/michel.html. Cambridge: Massachusetts Institute of Technology.
• Brzeziński J. (1997): Metodologia badań psychologicznych. Warszawa: PWN.
• Categorial Analysis - Part I (1999): URL: http://pytheas.ucs.indiana.edu/~statmath/stat/all/cat/ printable.htm. Indiana University.
• Coombs C.H., Dawes R.M., Tversky A. (1977): Wprowadzenie do psychologii matematycznej. Warszawa: PWN.
• Dobosz M. (2001): Wspomagana komputerowo statystyczna analiza wyników badań. Warszawa: Akademicka Oficyna Wydawnicza EXIT.
• Ferguson G.A., Takane Y. (1997): Analiza statystyczna w psychologii i pedagogice. Warszawa: PWN.
• Grabiński T., Wydymus S., Zeliaś A. (1983): Metody prognozowania rozwoju społeczno-gospodarczego. Warszawa: PWE.
• Green P.E. (1984): Hybrid Models for Conjoint Analysis: an Expository Review. "Journal of Marketing Research", May, 21, s. 155-169.
• Green P.E., Goldberg S.M., Montemayor M. (1981): A Hybrid Utility Estimation Model for Conjoint Analysis. "Journal of Marketing", Winter, 45, s. 33-41.
• Green P.E., Srinivasan V. (1978): Conjoint Analysis in Consumer Research: Issues and Outlook. "Journal of Consumer Research", September, 5, s. 103-123.
• 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.
• Haaijer R., Wedel M. (2000): Conjoint Choice Experiments: General Characteristics and Alternative Model Specifications. [w:] A. Gustafsson, A. Herrmann, F. Huber (eds.): Conjoint Measurement: Methods and Applications. Berlin: Springer, s. 319-360.
• Hu C. (1997): Conjoint Analysis. URL: http://www.nevada.edu/~huc/html/conj.html.
• Hu C., Hiemstra S.J. (1996): Hybrid Conjoint Analysis as a Research Technique to Measure Meeting Planners' Preferences in Hotel Selection. "Journal of Travel Research" vol. XXXV, No. 2, s. 62-69.
• Jajuga K. (1989): Modele z dyskretną zmienną objaśnianą. [w:] Estymacja modeli ekonometrycznych. Red. S. Bartosiewicz: Warszawa: PWE, s. 218-259.
• Kemperman A. (2000): Temporal Aspects of Theme Park Choice Behavior. URL: http://alexandria.tue.nl/extra2/200013915.pdf. Eindhoven: Technische Universiteit.
• Kuhfeld W.F. (1996): Multinomial Logit, Discrete Choice Modeling. An Introduction to Designing Choice Experiments, Collecting, Processing, and Analyzing Choice Data with the SAS System. URL: http://ftp.sas.com/techsup/download/technote/ts273.pdf. Cary: SAS Institute Inc.
• Lehmann D.R., Gupta S., Steckel J.H. (1998): Marketing Research. Reading, Massachusetts: Addison-Wesley.
• Lilien G.L., Kotler P., Moorthy S.K. (1992): Marketing Models. Englewood Cliffs: Prentice-Hall.
• Long J.S. (1997): Regression Models for Categorical and Limited Dependent Variables. Thousand Oaks-London-New Dehli: SAGE Publications.
• Louviere J.J. (1994): Conjoint Analysis. [w:] R.P. Bagozzi (ed.): Advanced Methods of Marketing Research. Oxford: Blackwell.
• Louviere J.J., Woodworth G. (1983): Design and Analysis of Simulated Consumer Choice or Allocation Experiments: An Approach Based on Aggregate Data. "Journal of Marketing Research", November, 20, s. 350-367.
• McFadden D. (1974): Conditional Logit Analysis of Qualitative Choice Behavior. [w:] P. Zarembka (ed.): Frontiers in Econometrics. New York-San Francisco-London: Academic Press, 105-142.
• Prognozowanie gospodarcze (1993). Red. M. Cieślak. Wrocław: Wyd. AE.
• Sagan A. (1998): Badania marketingowe. Podstawowe kierunki. Kraków: Wyd. AE.
• Statystyczne metody analizy danych (1998). Red. W. Ostasiewicz. Wrocław: Wyd. AE.
• Tadeusiewicz R., Izworski A., Majewski J. (1993): Biometria. Kraków: Wydawnictwa AGH.
• Theil H. (1979): Zasady ekonometrii. Warszawa: PWN.
• Walesiak M., Bąk A. (2000): Conjoint analysis w badaniach marketingowych. Wrocław: Wyd. AE.
• Zwerina K. (1997): Discrete Choice Experiments in Marketing. Heidelberg-New York: Physica-Verlag.