Switch preference analysis by the drift vector method

Punktem wyjścia w skalowaniu wielowymiarowym jest symetryczna macierz niepodobieństw. Jednak macierz danych o zmianach preferencji (np. prawdopodobieństwo, że konsument dokonuje zakupu marki j pod warunkiem, że przy wcześniejszych zakupach była to marka i, liczba osób deklarujących, że marka j jest przez nich najbardziej preferowana, mimo że we wcześniejszym okresie była to marka i i in.) nie jest symetryczna. Dla takich danych uśrednienie odpowiednich wartości niepodobieństw prowadzi do utraty cennych informacji dotyczących analizowanego zjawiska, stąd konieczność stosowania metod właściwych dla danych niesymetrycznych. Spośród wybranych metod niesymetrycznego skalowania wielowymiarowego szczególną uwagę zwrócono na metodę wektorów dryfu. Metoda ta umożliwia równoczesną prezentację na mapie percepcyjnej konfiguracji punktów reprezentujących analizowane obiekty, jak również wektorów wskazujących kierunek i siłę zmian zachodzących w preferencjach respondentów.

The matrix of  switch preference data (e.g. one’s preference for brand j, given that one has already defined his/her first choice for brand i) is not symmetric. The averaging of  appropriate off-diagonal proximity entries for such data leads to the loss of information, hence the necessity to use appropriate methods for asymmetric data. Among the chosen methods of asymmetric multidimensional scaling, particular attention was paid to the drift vectors method. This 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.