Fashion, Expectations and Reality. Methodology for Researching Stakeholders Preferences

• Autorzy: Mariusz Czekała , Agnieszka Bukietyńska , Marek Gurak , Jacek Jagodziński , Jarosław Kłosowski
• Języki publikacji: EN

Abstrakty

EN

At work, the problem of analyzing factors influencing demand is being considered. The actual data on two types of clothing industry products characterized by two features are considered. The basis for building a discriminant model is to find the optimal partition of the set characterized by the contingency tables. Due to the exponential computational complexity, a randomized method of searching for an optimal solution was proposed. Optimization criteria are chi square statistics and p-value. (original abstract)

Słowa kluczowe

EN

Clothing industry; Discriminant analysis; Stakeholders

PL

Przemysł odzieżowy; Analiza dyskryminacyjna; Interesariusze

• Czasopismo: Przedsiębiorczość i Zarządzanie
• Rocznik: 2019
• Tom: 20
• Numer: z. 11 Społeczna odpowiedzialność biznesu
• Strony: 35--46

Twórcy

autor

Mariusz Czekała

• Wroclaw School of Banking, Poland

autor

Agnieszka Bukietyńska

• Wroclaw School of Banking, Poland

autor

Marek Gurak

• MG4 Sp. z.o.o Malin

autor

Jacek Jagodziński

• Wroclaw University of Science and Technology, Poland

autor

Jarosław Kłosowski

• Wroclaw School of Banking, Poland

Bibliografia

• Bukietyńska A., Czekała M., Gurak M. (2018), Rozkład inwersji w analizie poprawności ocen eksperckich na przykładzie branży modowej, "Marketing i Rynek", No. 12, pp. 59-72.
• Czekała M., Bukietyńska A., Schlichtinger A.M. (2018), Estimation of the probability of inversion i n the test of variable dependencies, "Advances in Intelligent Systems and Computing", pp. 145-158.
• Gandy A. (2009), Sequential implementation of Monte Carlo tests with uniformly bounded resampling risk, "Journal of the American Statistical Association", 104 (488), pp. 1504-1511.
• Gatnar E. (2001), Nieparametryczna metoda dyskryminacji i regresji, PWN, Warszawa.
• Kaas G.V. (1980), An Exploratory Technique for Investigating Large Quantities of Categorical Data, "Applied Statistics", No. 29, p. 119.
• Lipski W., Marek W. (1986), Analiza kombinatoryczna, PWN, Warszawa.
• Lloyd S.P. (1982), Least squares quantization in PCM, "IEEE Transactions on Information Theory", No. 28 (2), pp. 129-137.
• Łapczyński M. (2010), Drzewa klasyfikacyjne i regresyjne w badaniach marketingowych, UE Kraków.
• Walesiak M., Gatnar E. (2012), Statystyczna analiza danych z wykorzystaniem programu R, PWN, Warszawa.
• R Core Team (2013), R: A language and environment for statistical computing, R Foundation for Statistical Computing, Vienna, Austria. URL http://www.R-project.org/.
• Wolfram Research, Inc. (2017), Mathematica, Version 11.2, Champaign, IL
• Xebola (2016), Przemysł odzieżowy, zaraz po petrochemii, to drugi największy truciciel na świecie [online], https://xebola.wordpress.com/2016/10/16/przemysl-odziezowy-zaraz-po-petrochemii -to-drugi-najwiekszy-truciciel-na-swiecie/, access: 24.03.2019.
• Fundacja Kupuj Odpowiedzialnie (2010), O bawełnie trochę więcej [online], http://www.ekonsument.pl/a683_o_bawelnie_troche_wiecej.html, access: 23.03.2019.
• Rozwadowska A. (2016), Trzy lata po katastrofie Rana Plaza, "Wyborcza.pl" [online], http://wyborcza.pl/1,155290,19985291,trzy-lata-po-katastrofie-rana-plaza-t-shirt-nadal-po-19-99.html, access: 24.03.2019.