Zastosowanie skalowania dynamicznego oraz metody wektorów dryfu do badania zmian w preferencjach

• Autorzy: Artur Zaborski

Warianty tytułu

The Use of Dynamic Scaling and The Drift Vector Method for Studying Changes in The Preferences

• Języki publikacji: PL

Abstrakty

W artykule zaprezentowano dwie metody zaliczane do skalowania wielowy-miarowego, które mogą znaleźć zastosowanie w analizie zmian zachodzących w preferen-cjach konsumentów. Pierwsza z nich to skalowanie dynamiczne wykorzystujące w swojej konstrukcji analizę Procrustesa. Z kolei metoda wektorów dryfu umożliwia równoczesną ilustrację na mapie percepcyjnej konfiguracji punktów reprezentujących analizowane obiek-ty, jak również wektorów wskazujących kierunek i siłę zmian zachodzących w preferen-cjach respondentów. Prezentacja metod zostanie zilustrowana przykładem empirycznym, w którym obliczenia przeprowadzono z wykorzystaniem pakietów PS IMAGO i New-MDSX(abstrakt oryginalny)

EN

The article presents two multidimensional scaling methods which can be used in the analysis of changes in consumer preferences. The first one is the dynamic scaling which uses in its construction the Procrustes analysis. The second one, the drift vector method, enables to present simultaneously on the perceptual map both the configuration of points representing the analyzed objects and the vectors indicating the direction and the strength of changes in the respondents' preferences. The presentation of the methods is illustrated by an empirical example in which calculations were performed with use of SPSS and New-MDSX packages(original abstract)

Słowa kluczowe

PL

Badanie preferencji konsumenckich; Konsument; Preferencje konsumenta

EN

Consumer preferences research; Consumer; Consumer preferences

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2016
• Tom: 26
• Numer: nr 426 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 245--253

Twórcy

autor

Artur Zaborski

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Borg I., Groenen P., 2005, Modern Multidimensional Scaling. Theory and Applications, Springer-Verlag, New York.
• Chino N., 1978, A graphical technique for representing the asymmetric relationship between N ob-jects, Behaviometrika, no. 5, s. 23-40.
• Cox T.F., Cox M.A.A., 2001, Multidimensional Scaling, Chapman and Hall, London.
• Harshman R.A., Green P.E., Wind Y., Lundy M.E., 1982, A model for the analysis of asymmetric data in marketing research, Marketing Science, vol. 1, no. 2, s. 205-242.
• Holyoak K.J., Gordon P.C., 1983, Social reference points, Journal of Personality and Social Psy- chology, vol. 44, no. 5, s. 881-887.
• Rothkopf E.Z., 1957, A measure of stimulus similarity and errors in some paired-associate learning, Journal of Experimental Psychology, vol. 53, no. 2, s. 94-101.
• Tversky A., Gati I., 1982, Similarity, separability and the triangle inequality, Psychological Review, vol. 89, no. 2, s. 123-154.
• Zaborski A., 2007, Przegląd wybranych modeli różnic indywidualnych w skalowaniu wielowymiaro-wym, Prace Naukowe Akademii Ekonomicznej we Wrocławiu, nr 1151, s. 9-18.

Identyfikatory

DOI

10.15611/pn.2016.426.25