PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2016 | nr 427 Taksonomia 27. Klasyfikacja i analiza danych - teoria i zastosowania | 184--194
Tytuł artykułu

Conjoint Analysis oparta na modelach IRT w zagadnieniu optymalizacji produktów bankowych

Treść / Zawartość
Warianty tytułu
An Irt-Approach for Conjoint Analysis for Banking Products Prefference
Języki publikacji
PL
Abstrakty
Zarówno pomiar łączny (conjoint measurement) jak i analiza łączna (conjoint analysis) oparte są na wspólnym podstawowym, psychometrycznym i statystycznym, założeniu dotyczącym addytywnego pomiaru łącznego oraz dwukierunkowości układu odniesienia w pomiarze preferencji. Wcześniejsza koncepcja jest szeroko wykorzystywana w podstawowym pomiarze dominacji podmiotu × obiektu; koncepcja późniejsza wykorzystywana jest w szerszej rodzinie struktur dominacji obiektu × obiektu. Celem niniejszego artykułu jest przyjęcie i porównanie trzech modeli pomiaru preferencji w obszarach produktów bankowych: 1) eksperymenty conjoint wykorzystujące metodę prezentacji profilów parami (paired- comparisons) oraz metodę prezentacji profilów na skali ocen (rating scale), 2) conjoint analysis oparta na IRT (modele Racha i Birnbauma), 3) kompozycyjne modele III/V Thurstone'a. Użyteczności cząstkowe wykorzystane zostaną do optymalizacji produktów oraz porównania szacowanych modeli(abstrakt oryginalny)
EN
Conjoint measurement and conjoint analysis have common underlying psychometric and statistical assumption concerning axioms of additivity and two-way frame of reference in preference measurement. However, whereas the former concept is widely used in fundamental measurement of subject times × object times dominance structures as in IRT and Rasch measurement models, the latter is utilized in a broad familiy of object times object dominance structures in both compositional (i.e. Thurestone case III and V) as well as decompositional preference measurement models. These two traditions are rarely combined in one measurement model and research design that integrates subject times × object times object measurement. Empirical analysis will be based on the resarch on banking products prefferences among family members(original abstract)
Twórcy
autor
  • Uniwersytet Ekonomiczny w Krakowie
  • Uniwersytet Ekonomiczny we Wrocławiu
  • Uniwersytet Ekonomiczny w Katowicach
Bibliografia
  • Bąk A., Bartłomowicz T., 2012, Conjoint analysis method and its implementation in conjoint R package, [w:] J. Pociecha, R. Decker (red.), Data Analysis Methods and Its Applications, C.H. Beck, Warszawa, s. 239-248.
  • Bechtel G.G., 1985, Generalizing the Rasch model for consumer rating scales, Marketing Science, vol. 4, no. 1, s. 62-73.
  • Birnbaum A., 1968, Some latent trait models and their use in inferring an examinee's ability, [w:] F.M. Lord, M.R. Novick (red.), Statistical Theories of Mental Test Scores, Addison-Wesley, Reading, s 395-479.
  • Böckenholt U., 2006, Thurstonian-based analyses: Past, present, and future utilities, Psychometrika, vol. 71, no. 5, s. 615-692.
  • Christensen K.B., Kreiner S., Mesbah M., 2013, Rasch Models in Health, ISTE-Wiley, London-Hoboken.
  • Fenwick I., 1978, A user's guide to conjoint measurement in marketing, European Journal of Marketing, vol. 12, no. 2, s. 203-211.
  • Green P., Srinivasan V., 1978, Conjoint analysis in consumer research: Issues and outlook, Journal of Consumer Research, vol. 5, no. 2, s. 103-123.
  • Hooley G.J., Lynch J.E., 1981, Modelling the student university choice process through the use of conjoint measurement techniques, European Research, vol. 9, no. 4, s. 158-170.
  • Kruskal J.B., 1964a, Multidimensional scaling by optimizing godness of fit to a nonmetric hypothesis, Psychometrika, vol. 29, no. 1, s. 1-27.
  • Kruskal J.B., 1964b, Nonmetric multidimensional scaling: A numerical method, Psychometrika, vol. 29, no. 2, s. 115-129.
  • Kruskal J.B., 1965, Analysis of factorial experiments by estimating monotone transformations of the data, Journal of the Royal Statistical Society, vol. 27, no. 2, s. 251-263.
  • Muraki E., 1992, A generalized partial credit model: Application of an EM algorithm, Applied Psychological Measurement, vol. 16, no. 2, s. 159-176.
  • Rasch G., 1960, Probabilistic Models for some Intelligence and Attainment Tests, Danish Institute for Education Research, Copenhagen.
  • Sagan A., 2002, Zastosowanie wielowymiarowych skal czynnikowych i skal Rascha w badaniach marketingowych (na przykładzie oceny efektów komunikacyjnych reklamy), [w:] Prace z zakresu analizy rynku i badań marketingowych, Zeszyty Naukowe 605, Akademia Ekonomiczna w Krakowie, Kraków, s. 73-92.
  • Samejima F., 1969, Calibration of latent ability using response pattern of graded score, Psychometrika Monograph Supplement, no. 17.
  • Scheerens J., 2003, Educational Evaluation, Assessment, and Monitoring: A Systemic Approach, Swets & Zeitlinger, Lisse-Exton.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171438356

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.