Modelowanie ukryte w metodach conjoint analysis

• Autorzy: Andrzej Bąk

Warianty tytułu

Latent Class Modeling in Conjoint Analysis Methods

• Języki publikacji: PL

Abstrakty

Wyniki, których dostarczają metody conjoint analysis, służą m.in. identyfikacji struktury preferencji, analizie udziałów w rynku i segmentacji rynku. W artykule przedstawiono charakterystykę metod dekompozycyjnych (conjoint analysis tradycyjnej i opartej na wyborach) i problem agregacji danych preferencyjnych. Na tym tle omówiono modele klas ukrytych, które stanowią szczególnie użyteczne narzędzie w segmentacji rynku opartej na wynikach uzyskanych metodami conjoint analysis. (fragment tekstu)

EN

The paper presents conjoint analysis methods and latent class models as useful tools in consumer preference measurement tasks: Especially the paper refers to:
• traditional and choice based conjoint analysis,
• data aggregation levels with respect to conjoint analysis models estimation,
• metric and nonmetric latent class conjoint analysis models and their estimation.
Finally, there are given some general conclusions with reference to application of latent class conjoint analysis models in marketing research. (original abstract)

Słowa kluczowe

PL

Metoda conjoint; Preferencje; Analiza klas ukrytych

EN

Conjoint method; Preferences; Latent class analysis

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria
• Rocznik: 2004
• Tom: 14
• Numer: nr 1021 Zastosowania metod ilościowych
• Strony: 60--75

Twórcy

autor

Andrzej Bąk

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Andrews R.L., Ansari A., Currim I.S. (2002), Hierarchical Bayes Versus Finite Mixture Conjoint Analysis Models: A Comparison of Fit, Prediction, and Partworth Recovery, "Journal of Marketing Research", February, vol. 39, s. 87-98.
• Coombs C.H., Dawes R.M., Tversky A. (1977), Wprowadzenie do psychologii matematycznej, PWN. Warszawa.
• DeSarbo W.S., Ramaswamy V., Cohen S.H. (1995), Market Segmentation with Choice-Based Conjoint Analysis, "Marketing Letters", nr 6 (2), s. 137-147.
• DeSarbo W.S., Wedel M., Vriens M., Ramaswamy V. (1992), Latent Class Metric Conjoint Analysis, "Marketing Letters", nr 3 (3), s. 273-288.
• Glowa Т., Lawson S. (2000), Discrete Choice Experiments and Traditional Conjoint Analysis, [URL:] http://www.ncresearch.com/Choice_Conjoint_May2000.pdf.
• Green P.E., Wind Y. (1975), New Way to Measure Consumers' Judgments, "Harvard Business Review", July-August, vol. 53, s. 107-117.
• Gruszczyński M. (2002), Modele i prognozy zmiennych jakościowych w finansach i bankowości, Oficyna Wydawnicza Szkoły Głównej Handlowej, Warszawa.
• Hozer J. (1993), Mikroekonometria. Analizy, diagnozy, prognozy, PWE, Warszawa.
• Kamakura W.A., Wedel M., Agrawal J. (1994), Concomitant Variable Latent Class Models for Conjoint Analysis. "International Journal of Research in Marketing", nr 11, s. 451-464.
• Lattin J.M., Carroll J.D., Green P.E. (2002), Analyzing Multivariate Data, Brooks Cole, Pacific Grove.
• Louviere J.J. (2000), Why Stated Preference Discrete Choice Modelling is NOT Conjoint Analysis (and what SPDCM is). [URL:] http://www.memetrics.com/products/SPDCM_whitepaper.pdf.
• Moore W.L. (1980) Levels of Aggregation in Conjoint Analysis: An Empirical Comparison, "Journal of Marketing Research", vol. 17 (November), s. 516-523.
• Ramaswamy V., Cohen S.H. (2000), Latent Class Models for Conjoint Analysis, [w:] Gustafsson A., Herrmann A., Huber F, (red.), Conjoint Measurement: Methods and Applications, s. 361-392. Springer, Berlin.
• Vriens M. (2001), Market Segmentation. Analytical Developments and Application Guidelines, Mill- ward Brown IntelliQuest.
• Wedel M. (1999), Concomitant Variables in Mixture Models, [URL:] http://www.ub.rug.nl/eldoc/som/b/99B24/. SOM, Groningen.
• Wedel M., Kamakura W.A. (1998), Market Segmentation. Conceptual and Methodological Foundations, Kluwer Academic Publishers, Boston-Dordrecht-London.