Modele efektów głównych i modele z interakcjami w Conjoint analysis z zastosowaniem programu R

• Autorzy: Andrzej Bąk , Aneta Rybicka , Marcin Pełka
• Języki publikacji: PL

Abstrakty

Conjoint analysis jest metodą statystyczną, w której preferencje empiryczne wobec różnych ofert są poddawane dekompozycji w celu określenia funkcji użyteczności każdego atrybutu oraz względnego znaczenia każdego z nich. Najczęściej wykorzystywane są modele efektów głównych conjoint analysis. W artykule zaprezentowano procedurę badawczą conjoint analysis dla modeli efektów głównych oraz modeli uwzględniających interakcje między atrybutami wraz z przedstawieniem możliwości zastosowania programu R w poszczególnych etapach badania. Przedstawione zostały podstawowe pojęcia z zakresu conjoint analysis oraz omówiono pojęcie i rodzaje interakcji. Artykuł zawiera fragmenty kodów źródłowych w języku R przygotowanych na użytek badań empirycznych. Część empiryczna opisuje procedurę badania conjoint analysis z wykorzystaniem programu R „krok po kroku”. (abstrakt oryginalny)

EN

Conjoint analysis represents a decomposition approach. This is a statistical technique used in marketing research to determine how people value different features that make up an individual product or service. This method presents a set of different profiles of goods or services (real or not) described by attributes to the respondents. On the basis of respondents preferences a decomposition approach is conducted to extract the share of each attribute in whole profile’s utility. In the paper conjoint analysis procedure is shown for main effects models and interactions effects models with presenting the possibility of applying R software in steps of conjoint analysis procedure. The basic terms of conjoint analysis are presented as well as the term “interactions” and types of interactions are explained. Besides that the article presents the parts of source codes in R language that are prepared by the authors for empirical part. In the empirical part of the article conjoint analysis procedure is shown with the application of R software “step by step”. To obtain such a goal data collected by students are used. (original abstract)

Słowa kluczowe

PL

Pomiar wieloczynnikowy; Badanie preferencji konsumenckich; Badania marketingowe

EN

Conjoint analysis; Consumer preferences research; Marketing research

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria
• Rocznik: 2009
• Tom: 26
• Numer: nr 76 Zastosowanie matematyki w ekonomii
• Strony: 25--43

Twórcy

autor

Andrzej Bąk

• Uniwersytet Ekonomiczny we Wrocławiu

autor

Aneta Rybicka

• Uniwersytet Ekonomiczny we Wrocławiu

autor

Marcin Pełka

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• Akaah I.P., Korgaonkar P.K., An Empirical Comparision of the Predictive Validity of Self-Explicated, Huber-Hybrid, Traditional Conjoint Models, „Journal of Marketing Research” 1983 vol. XX (May), s. 187-197.
• Bąk A., Conjoint analysis jako metoda pomiaru postaw i preferencji konsumentów, [w:] M. Walesiak (red.), Pomiar w badaniach rynkowych i marketingowych, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 856, AE, Wrocław 2000a, s. 69-81.
• Bąk A., Dekompozycyjne metody pomiaru preferencji w badaniach marketingowych, AE, Wrocław 2004.
• Bąk A., Możliwości wykorzystania alternatywnych algorytmów conjoint analysis w badaniach marketingowych, [w:] Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia, Zeszyt 7, Sekcja Klasyfikacji i Analizy Danych PTS, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 874, AE, Wrocław 2000b, s. 217-226.
• Bąk A., Pomiar preferencji metodą conjoint analysis opartą na wyborach, [w:] Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 9, Sekcja Klasyfikacji i Analizy Danych PTS, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 942, AE, Wrocław 2002, s. 386-399.
• Carmone F.J., Green P.E., Jain A.K., Robustness of Conjoint Analysis: Some Monté Carlo Results, „Journal of Marketing Research” 1978 vol. XV (May), s. 300-303.
• Carmone F.J., Green P.E., Model Misspecification in Multiattribute Parameter Estomation, „Journal of Marketing Research” 1981 vol. XVIII (February), S. 87-93.
• Duliniec E., Badania marketingowe w zarządzaniu przedsiębiorstwem, Wydawnictwo Naukowe PWN, Warszawa 1997.
• Fedorov V.V., Theory of optimal experiments, Academic Press, N.Y. 1972.
• Green P.E., Devita M.T., An Interaction Model of Consumer Utility, „Journal of Consumer Research” 1975 vol. 2 (September), s. 146-153.
• Green P.E., Wind Y., New Way to Measure Consumers’ Judgments, „Harvard Business Review” 1975 no 53 (July-August), s. 107-117.
• Hair J.F., Anderson R.E., Tatham R.L., Black W.C., Multivariate Data Analysis with Readings, Prentice-Hall, Engelwood Cliffs 1995.
• Kendall M.G., Buckland W.R., Słownik terminów statystycznych, PWE, Warszawa 1986.
• Kuhfeld W.F., Marketing Research Methods in SAS. Experimental Design, Choice, Conjoint, and Graphical Techniques, http://support.sas.com/techsup/technote/ts722.pdf, Cary, SAS Institute 2005.
• Sagan A., Modele zachowań konsumentów, www.cem.pl/?a=pages&id=42, 2004.
• Steczkowski J., Zeliaś A., Analiza wariancyjna i kowariancyjna w badaniach ekonomicznych, PWN, Warszawa 1982.
• Walesiak M., Bąk A., Realizacja badań marketingowych metodą conjoint analysis z wykorzystaniem pakietu statystycznego SPSS for Windows, AE, Wrocław 1997.
• Walesiak M., Bąk A., Conjoint analysis w badaniach marketingowych, AE, Wrocław 2000.
• Walesiak M., Gatnar E. (red.), Statystyczna analiza danych z wykorzystaniem programu R, Wydawnictwo Naukowe PWN, Warszawa 2009.
• Zwerina K., Discrete Choice Experiments in Marketing, Physica-Verlag, Heidelberg-New York 1997.
• Żuk B., Biometria stosowana, PWN, Warszawa 1989.