IRT-Based Conjoint Analysis in the Optimization of Banking Products

• Autorzy: Adam Sagan , Aneta Rybicka , Justyna Brzezińska

Warianty tytułu

Conjoint analysis oparta na modelach IRT w optymalizacji produktów bankowych

• Języki publikacji: EN

Abstrakty

EN

Conjoint measurement and analysis have a common underlying psychometric and statistical assumption concerning axioms of additivity and two-way frame of reference in preference measurement. However, whereas the former concept is widely used in the fundamental measurement of subject × object dominance structures as in IRT and Rasch measurement models, the latter is utilized in a broad family of object × object dominance structures in both compositional (i.e. Thurstone case III and V) as well as decompositional (classical conjoint experiments and BTL/alpha simulation) preference measurement models. These two traditions are rarely combined in one measurement model and research design that integrates subject × object × object measurement [Neubauer 2003]. The aim of the paper is to adopt and compare three types of preference measurement models in the area of banking products in Poland: 1. paired-comparisons and rating scale conjoint experiment, 2. IRT-based conjoint (Rasch and Birnbaum politomous models), 3. compositional Thurstone III/V models [Bockenholt 2006]. Part-worth utilities are used for product optimization and comparison across the estimated models.(original abstract)

Zarówno pomiar łączny (conjoint measurement), jak i analiza łączna (conjoint analysis) oparte są na wspólnym podstawowym, psychometrycznym i statystycznym założeniu dotyczącym addytywności oraz dwukierunkowości układu odniesienia w pomiarze preferencji. Wcześniejsza koncepcja jest szeroko wykorzystywana w podstawowym pomiarze dominacji podmiotu × obiektu (np. modele IRT, modele Rascha). Koncepcja późniejsza wykorzystywana jest w szerszej rodzinie struktur dominacji obiektu × obiektu, zarówno w podejściu kompozycyjnym (model III i V Trurestone'a), jak i w podejściu dekompozycyjnym (tradycyjna conjoint analysis i modele symulacyjne BTL/alpha). Te dwie koncepcje są rzadko łączone w jeden model pomiaru w ramach jednego badania (jednego eksperymentu). Celem niniejszego artykułu jest przyjęcie (zastosowanie) i porównanie trzech modeli pomiaru preferencji w obszarach produktów bankowych, jak: 1) eksperymenty conjoint wykorzystujące metodę prezentacji profilów parami (paired-comparisions) oraz metodę prezentacji profilów na skali ocen (rating scale), 2) conjoint analysis oparta na IRT (modele Racha i Birnbauma), 3) kompozycyjne modele III/V Thurstone'a [Bockenholt 2006]. Użyteczności cząstkowe zostaną wykorzystane do optymalizacji produktów oraz porównania szacowanych modeli.(abstrakt oryginalny)

Słowa kluczowe

EN

Conjoint method; Conjoint analysis; Bank product; Bayesian econometric

PL

Metoda conjoint; Pomiar wieloczynnikowy; Produkty bankowe; Ekonometria bayesowska

• Czasopismo: Ekonometria / Uniwersytet Ekonomiczny we Wrocławiu
• Rocznik: 2017
• Numer: nr 3 (57)
• Strony: 47--58

Twórcy

autor

Adam Sagan

• Uniwersytet Ekonomiczny w Krakowie

autor

Aneta Rybicka

• Wrocław University of Economics, Poland

autor

Justyna Brzezińska

• University of Economics in Katowice, Poland

Bibliografia

• Bąk A., Bartłomowicz T., 2012, Conjoint analysis method and its implementation in conjoint R package, [in:] Pociecha J., Decker R. (eds.), Data analysis methods and its applications, C.H. Beck, Warszawa, pp. 239-248.
• Binet, A., Simon, T., 1916, The Development of Intelligence in Children, MD: Williams & Wilkins, Baltimore.
• Birnbaum A., 1968, Some Latent Traits Models and Their Use in Inferring an Examinee`s Ability, [in:] Lord F., Novick M. (eds.), Statistical Theories of Mental Test Scores, Addison-Wesley, Reading, MA.
• Bockenholt U., 2006, Thurstonian-Based Analysis: Past, present and future utilities, Psychometrica 71(4), pp. 615-629.
• Bond T.G., Fox C.M., 2001, Applying the Rasch Model: Fundamental Measurement in the Human Sciences, Lawrence Erlbaum Associates, New Jersey.
• De Mars, C., 2010, Item Response Theory, Oxford University Press, Oxford.
• Kenny D.A., Kashy D.A., Cook W.L., 2006, Dyadic Data Analysis, Guilford Press.
• Lawley D.N., 1943, On problems connected with item selection and test constructions, Proceedings of the Royal Society of Edinburgh 61, pp. 273-287.
• Lord F.M., Novick M.R., 1968, Statistical Theories of Mental Test Scores, Addison-Wesley, Reading MA.
• Neubauer G., 2003, An IRT-approach for conjoint analysis, [in:] Ferligoj A., Mrvar A. (eds.), Developments in Applied Statistics, Metodoloski zvezki 19, Ljubljana, pp. 35-47.
• Rasch G., 1960, Probabilistic Models for some Intelligence and Attainment Tests, The Danish Institute of Educational Research, Copenhagen.
• Sagan A., 2013, Market research and preference data, [in:] Scott M.A., Simonoff J.S., Marx B.D. (eds.), The SAGE Handbook of Multilevel Modeling, SAGE Publications Ltd, London, pp. 581-599.
• Samejima F., 1969, Estimation of latent ability using a response pattern of graded scores, Psychometrika Monograph Supplement 34, pp. 100-114.
• Thurstone L.L., 1925, A method of scaling psychological and educational tests, Journal of Educational Psychology 16, pp. 433-451.
• Vriens M., 1992, Strengths and weaknesses of various conjoint analysis techniques and suggestions for improvement. Marketing opportunities with advanced research techniques, Proceedings 2nd SKIM Seminar, pp. 11-25.

Identyfikatory

DOI

10.15611/ekt.2017.3.04