Evaluation of College Students with Application of Latent Class Analysis

• Autorzy: Aneta Rybicka , Marcin Pełka

Warianty tytułu

Ocena preferencji uczniów szkoły policealnej z wykorzystaniem analizy klas ukryty

• Języki publikacji: EN

Abstrakty

EN

In social sciences, especially in economy, to reveal relations between variables it's easy to apply many known statistical tools when we deal with observable (measureable) variables. The problems appear when dealing with latent variables - that are not directly observed and they are of subjective matter. It's also an important issue to measure relations between latent variables. The example of latent variables are preferences. The preferences play a very important role in economy. Very often real market decisions, choices (or answers in a questionnaire) are described by non-metric variables (nominal and ordinal). These variables are also called qualitative. The latent class analysis allows to reveal hidden relations between observable variables. The observable variables allow, with a specified probability, to find a non-observable phenomenon. The latent class analysis allows to analyze the qualitative data [see: McCutcheon 1987, p. 7-11; Hagenaars 1993, p. 21-23]. LCA was introduced by Lazarsfeld in 1950 [1968]. The paper presents evaluation of college students with application of latent class analysis. To obtain such a goal data collected (winter recruitment of 2008/2009) by a college in Wałbrzych was used. (original abstract)

W ekonomii do badania zależności między zmiennymi łatwo jest zastosować metody statystyczne, gdy mamy do czynienia z obserwowalnymi cechami mierzalnymi. Problem pojawia się natomiast w przypadku "cech ukrytych", czyli takich, których nie da się bezpośrednio zmierzyć, a ich ocena jest subiektywna. Również istotnym zagadnieniem jest badanie charakteru i siły zależności między cechami niemierzalnymi (ukrytymi). Przykładem zmiennych ukrytych są m.in. preferencje. W ekonomii preferencje konsumentów zajmują ważne miejsce. Bardzo często wybory, czyli decyzje podejmowane na rynku (np. odpowiedzi w badaniu ankietowym) przez konsumentów są opisywane przez zmienne niemetryczne (nominalne i porządkowe), które czasem nazywa się zmiennymi jakościowymi. Analiza klas ukrytych pozwala na odkrywanie nieobserwowalnych zależności pomiędzy zmiennymi obserwowalnymi. Zmienne obserwowalne pozwalają z określonym prawdopodobieństwem stwierdzić zaistnienie zjawiska nieobserwowalnego. Analiza klas ukrytych pozwala na analizę danych jakościowych [zob. McCutcheon 1987, s. 7-ll; Hagenaars 1993, s. 21-23]. Metoda ta została wprowadzona przez Lazarsfeld'a w 1950 roku [1968]. W artykule przedstawiono zastosowanie analizy klas ukrytych w badaniach preferencji na przykładzie preferencji uczniów szkoły policealnej. W tym celu wykorzystano dane zebrane przez szkołę policealną w trakcie naboru zimowego roku 2008/2009. (abstrakt oryginalny)

Słowa kluczowe

EN

Statistical methods; Education; Case study

PL

Metody statystyczne; Edukacja; Studium przypadku

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2012
• Tom: 269 Multivariate Statistical Analysis : Methodological Aspects and Applications
• Strony: 197--203

Twórcy

autor

Aneta Rybicka

• Wrocław University of Economics, Poland

autor

Marcin Pełka

• Wrocław University of Economics, Poland

Bibliografia

• Allen D.R (2004), Customer satisfaction research management, Quality Press, Milwaukee.
• Bąk A. (2004), Dekompozycyjne metody pomiaru preferencji w badaniach marketingowych. Wyd. AE we Wrocławiu, Wrocław.
• Cameron A. C, Trivedi P. K. (2005), Microeconometrics. Methods and Applications, Cambridge University Press, New York.
• Colias J., Horn B., Wilkshire E. (2007), Improving customer satisfaction and loyalty with time-series cross-sectional models, [URL:] www.decisionanalyst.com.
• Cooil B., Keiningham T.L., Aksoy L., Hsu M. (2007), A longitudinal analysis of customer satisfaction and share wallet: Investigating the moderating effect of customer characteristics, "Journal of Marketing", Vol. 71, No. 1, s. 67-83.
• Domański C, Pruska K. (2000), Nieklasyczne metody statystyczne, PWE, Warszawa.
• DeSarbo W. S., Ramaswamy V., Cohen S. H. [1995], Market Segmentation With Choice-Based Conjoint Analysis, Maketing Letters, 6, 137-148.
• DeSarbo M., Wedel W.S. (1994), A review of recent developments in latent class regression models. [In:] R.P. Bagozzi, (Ed.), Advanced Methods of Marketing Research, Blackwell Publishers, Cambridge, pp. 352-388
• Green P.E., Carmone F.J., Wachspress D.P., Consumer segmentation via latent class analysis, "Journal of consumer research" 3, pp. 170-174.
• Green W. H., Hensher D. A. [2002], A latent class model for discrete choice analysis: contrast with mixed logit, Institute of transport Studies, Working Paper, [URL:] pages.stern.nyu.edu.
• Hill N., Roche G., Allen R. (2007) ,Customer satisfaction: The customer experience through the customer's eyes, Cogent Publishing, London.
• Kasprzyk I. (2009), Wykorzystanie konfiguracyjnej analizy częstości w analizie klas ukrytych, PN UE we Wrocławiu nr 51, pp. 36-45.
• LaLonde S.M. (1996), Key driver analysis latent class regression, Proceedings of the Survey Research Methods Section, American Statistical Association, s. 474-478 [URL:] www.amstat.org.
• Magidson J., Vermunt J.K. (2003), A nontechnical introduction to latent class models. "DMA Research Council Journal", [URL:] statisticalinnovations.com.
• McCutcheon, A.L. (1987), Latent class analysis. Newbury Park: SAGE Publications, 1987.
• Moore W. L., Gray-Lee J., Louviere J. [1996], A Cross-Validity Comparision of Conjoint Analysis and Choice Models at Different Levels of Aggregation, Working Paper, University of Utah, November.
• Pacifico D. [2009], Modelling unobserved heterogeneity in discrete choice models of labour supply, MPRA Paper No. 19030, [URL:] mpra.ub.uni-muenchen.de.
• Shen J., Sakata Y., Hashimoto Y. [2006], A Comparision between Latent Class Model and Mixed Logit Model for transport Mode Choice: Evidences from Two Datasets of Japan, Discussion paper In Economics And Business, Discussion Paper 06-05, January 2006, [URL:] http://www2.econ.osaka-u.ac.jp.
• Virens M. (2001), Market segmentation. Analytical developments and application guidelines, Millward Brown IntelliQuest.

Identyfikatory

DOI

11089/1898