Wybrane problemy metodologiczne conjoint analysis

• Autorzy: Andrzej Bąk
• Języki publikacji: PL

Abstrakty

W artykule scharakteryzowano osiągnięcia badawcze w zakresie metodologii conjoint analysis oraz wskazano na najważniejsze i dotychczas nie rozstrzygnięte problemy badawcze o charakterze teoretycznym i aplikacyjnym, które oczekują na rozwiązanie. Przedstawiono charakterystykę conjoint analysis , metodologię pomiaru struktury preferencji za pomocą tej procedury oraz omówiono algorytmy estymacji parametrów modelu conjont analysis klasyczną metodą najmniejszych kwadratów i metodą monotonicznej analizy wariancji.

Słowa kluczowe

PL

Teoria zachowań; Psychologia konsumenta; Zachowania konsumenta

EN

Behaviour theory; Consumer psychology; Consumer behaviour

• Czasopismo: Przegląd Statystyczny
• Rocznik: 1999
• Tom: 46
• Numer: z. 4
• Strony: 475--488

Twórcy

autor

Andrzej Bąk

Bibliografia

• [1] Agarwal M.K., Green P.E., Adaptive Conjoint Analysis versus Self-Explicated Models: Some Empirical Results, International Journal of Research and Marketing, 8, 1991, 141 — 146.
• [2] Akaah LP., Korgaonkar P.K., An Empirical Comparison of the Predictive Validity of Self-Explicated, Huber-Hybrid, Traditional Conjoint, and Hybrid Conjoint Models, Journal of Merketing Research, (May), 20,1983, 187-197.
• [3] Anttila M., van den Heuvel R.R., Möller K., Conjoint Measurement for Merketing Management, European Journal of Merketing, Vol. 14, No. 7, 1980, 397-408.
• [4] Bąk A., Estymacja parametrów modelu conjoint analysis metodą monotonicznej analizy wariancji, Wrocław 1998, W: Ekonometria 1, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 765, 50-55.
• [5] Bak A., Walesiak M., Metody estymacji parametrów w modelu conjoint analysis, Zeszyt nr 4 Sekcji Klasyfikacji i Analizy Danych PTS pt. Klasyfikacja i analiza danych — teoria i zastosowania, Jelenia Góra-Wrocław-Katowice-Kraków 1997, 98-107.
• [6] Bell D.E., Consistent Assessment Procedures Using Conditional Utility Functions, Operations Research, (September-October), Vol. 27, No. 5, 1979, 1054-1066.
• [7] Carroll J.D., Green P.E., Psychometric Methods in Marketing Research: Part I, Conjoint Analysis, Journal of Marketing Research (November), 32, 1995, 385-391.
• [8] Cattin P., Wittink D.R., Commercial Use of Conjoint Analysis: a Survey, Journal of Marketing, (Summer), 46, 1982, 44-53.
• [9] Cook C.G., Consumer Preference for New Home Characteristics using Conjoint Analysis to Develop Intervally Scaled Preferences from Rank Ordered Attribute Combinations, 1987, Georgia State University.
• [10] Coombs C.H., Dawes R.M., Tversky A., Wprowadzenie do psychologii matematycznej, Warszawa 1977, PWN.
• [11] Corstjens M.L., Gautschi D.A., Conjoint Analysis: a Comparative Analysis of Specification Tests for the Utility Function, Management Science, (December), 29, (12), 1983, 1393-1413.
• [12] Dyer J.S., Sarin R.K., Measurable Multiattribute Value Functions, Operations Research, (July-August), Vol. 27, No. 4, 1979, 810-822.
• [13] Galas Z., Nykowski I., Żółkiewski Z., Programowanie wielokryterialne, Warszawa 1987, PWE.
• [14] Green P.E., Hybrid Models for Conjoint Analysis: an Expository Review, Journal of Marketing Research (May), 21, 1984, 155-169.
• [15] Green P.E., Krieger A.M., Agarwal M.K., Adaptive conjoint analysis: some caveats and suggestions, Journal of Marketing Research (May), 28, 1991, 215-222.
• [16] Green P.E., Srinivasan V., Conjoint Analysis in Consumer Research: Issues and Outlook, Journal of Consuemr Research (September), 5, 1978, 103-123.
• [17] Green P.E., Srinivasan V., Conjoint Analysis in Marketing: New Development with Implications for Research and Practice, Journal of Marketing (October), 54, 1990, 3 — 19.
• [18] Hair J.F., Anderson R.E., Tatham R.L., Black W.C., Multivariate Data Analysis with Readings, Englewood Cliffs 1995, Prentice-Hall.
• [19] Hauser J.R., Shugan S.M., Intensity Measures of Consumer Preference, Operations Research, (March-April), Vol. 28, No. 2, 1980, 278-320.
• [20] Kruskal J.B., Analysis of Factorial Experiments by Estimating Monotone Transformations of the Data, Journal of the Royal Statistical Society, 27, (2), 1965, 251-263.
• [21] Kruskal J.B., Multidimensional Scaling by Optimizing Goodness of Fit to a Nonmetric Hypothesis, Psychometrika, 29, (1), 1964, 1-27.
• [22] Kruskal J.B., Nonmetric Multidimensional Scaling: a Numerical Method, Psychometrika, (29), (2), 1964, 115-129.
• [23] Louviere J.J., Analyzing Decision Making. Metric Conjoint Analysis, Newbury Park—Beverly Hills —London—New Delhi 1988, Sage Publications.
• [24] Louviere J.J., Conjoint Analysis, W: Bagozzd R.P. (ed.), Advanced Methods of Marketing Research, Oxford 1994, Blackwell.
• [25] Mazurek - Łopacińska K. (red.), Badania marketingowe. Podstawowe metody i obszary zastosowań, Wrocław 1996, Wydawnictwo Akademii Ekonomicznej we Wrocławiu.
• [26] Pekelman D., Sen S.K., Measurement and Estimation of Conjoint Utility Functions, Journal Consumer Research, (March), Vol. 5, No. 4, 1979, 103-123.
• [27] Van der Lans I.A., Nonlinear Multivariate Analysis for Multiattribute Preference Data, Leiden 1992, DSWO Press, Leiden University.
• [28] Vriens M., Strengths and Weaknesses of Various Conjoint Analysis Techniques and Suggestions for Improvement, In: Marketing Opportunities with Advanced Research Techniques, Proceedings 2nd SKIM Seminar, 1992, 11-25.
• [29] Walesiak M., Bąk A., Realizacja badań marketingowych metodą conjoint analysis z wykorzystaniem pakietu statystycznego SPSS for Windows, Wrocław 1997, Wydawnictwo Akademii Ekonomicznej we Wrocławiu.
• [30] Walesiak M., Metody analizy danych marketingowych, Warszawa 1996, PWN.
• [31] Wedel M., Kamakura W.A., Market Segmentation. Conceptual and Methodological Foundation, Boston—Dordrecht—London 1998, Kluwer Academic Publisher.