Metody estymacji w ujęciu dekompozycyjnym

• Autorzy: Aneta Rybicka

Warianty tytułu

Estimation Methods in Decompositional Approach

• Języki publikacji: PL

Abstrakty

Jednym z najważniejszych etapów procedury badawczej jest wybór metody estymacji parametrów. Wybór jednej z metod estymacji użyteczności cząstkowych zależy przede wszystkim od skali pomiaru preferencji, wynikającej z charakteru problemu badawczego oraz z metody gromadzenia danych o preferencjach konsumentów. W artykule przedstawiono metody estymacji parametrów w badaniach preferencji wykorzystujących ujęcie dekompozycyjne w zależności od skali pomiaru i metody gromadzenia danych, oraz charakterystykę zastosowań tych metod w ostatnich latach. Szczególną uwagę poświęcono klasycznej metodzie najmniejszych kwadratów (wykorzystywanej w conjoint analysis) oraz modelowi logitowemu (który ma zastosowanie w metodach dyskretnych wyborów) szacowanemu uogólnioną metodą najmniejszych kwadratów bądź metodą największej wiarygodności. (fragment tekstu)

EN

One of the most important elements of marketing research become research of attitude and preference of consumers. Knowledge about their attitudes and preferences and adequate adapting products or services to this preferences and attitudes by companies guarantees to achieving of profits.
One of the stage of research procedure is choice of estimation method. This choice depend, first of all, on measurement scale.
In a paper presented selected estimation methods used in decompositional approach, that is ordinary least squares (that we use in conjoint analysis) and logit models (used in discrete choice method), their characteristic and application in recent years. (original abstract)

Słowa kluczowe

PL

Estymacja; Metody estymacji

EN

Estimation; Estimation methods

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria
• Rocznik: 2005
• Tom: 15
• Numer: nr 1096 Zastosowania metod ilościowych
• Strony: 56--68

Twórcy

autor

Aneta Rybicka

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Bąk A. (2002), Probabilistyczne modele regresji w conjoint analysis, [w:] Zastosowania metod ilościowych, red. J. Dziechciarz, "Prace Naukowe AE we Wrocławiu", nr 950, Ekonometria 10, AE, Wrocław, s. 96-108.
• Bąk A. (2003), Algorytmy conjoint analysis w pakiecie statystycznym SAS/STAT, [w:] Klasyfikacja i analiza danych - teoria i zastosowania, red. K. Jajuga, M. Walesiak, "Prace Naukowe AE we Wrocławiu", nr 988, Taksonomia 10, AE, Wrocław, s. 211-221.
• Bąk A. (2004), Dekompozycyjne metody pomiaru preferencji w badaniach marketingowych, AE, Wrocław.
• Churchill G.A. (2002), Badania marketingowe. Podstawy metodologiczne, Wydawnictwo Naukowe PWN, Warszawa.
• Coombs C.H., Dawes R.M., Tversky A. (1977), Wprowadzenie do psychologii matematycznej, PWN, Warszawa.
• Green P.E., Srinivasan V. (1978), Conjoint Analysis in Consumer Reaserch: Issues and Outlook, "Journal of Consumer Reaserch" nr 5, 103-123.
• Kemperman A.D.A.M. (2000), Temporal Aspects of Theme Park Choice Behavior, Technishe Universität Eindhoven.
• McFadden D. (1974), Conditional Logit Analysis of Qualitative Choice Behavior, [w:] Frontiers in Econometrics, red. P. Zarembka, Academic Press, New York, San Francisco, London, s. 105-142.
• Ostasiewicz W. (1999), Statystyczne metody analizy danych, AE, Wroclaw.
• Reddy V.S., Bush R. J., Roudik R. (1995), A Market-Oriented Approach to Maximizing Product Benefits: Cases in U.S. Forest Products Industries, [w:] Environmental Issues and Market Orientation, red. H. Juslin, M. Pensonen, University of Helsinki.
• Rodriguez G. (2000), Logit Models for Binary Data, www.data.princeton.edu/wws509/notes.
• Schmidt M. (1995), A Comparision of Linear Transformations of the Dependent Variable in Conjoint Analysis, www.itjylland.sdu.dk/~marcus/GBPapers/ACR/ACR95.htm.
• Stevens S.S. (1959), Measurement, Psychophysics and Utility, [w:] C.W. Churchman, P. Ratoosh (eds), Measurement: Definitions and Theories, Wiley, New York.
• Walesiak M., Bąk A. (2000), Conjoint analysis w badaniach marketingowych, AE, Wrocław.
• Walesiak M. (1996), Metody analizy danych statystycznych, Wydawnictwo Naukowe PWN, Warszawa.
• Wittink D.R., Vriens M., Burhenne W. (1992), Commercial Use of Conjoint Analysis in Europe: Results and Critical Reflections, "International Journal of Research in Marketing" nr 11.
• Zwerina K. (1997), Discrete Choice Experiment in Marketing, Physica-Verlag, Heidelberg.