Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "analiza preferencji" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Switch preference analysis by the drift vector method
Analiza zmian preferencji z wykorzystaniem metody wektorów dryfu
Autorzy:
Zaborski, Artur
Powiązania:
https://bibliotekanauki.pl/articles/654523.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
analiza preferencji
skalowanie wielowymiarowe
dane asymetryczne
wektory dryfu
preference analysis
multidimensional scaling
asymmetric data
drift vectors
Opis:
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.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2015, 3, 314
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Presentation of Changes in Preferences by Dynamic Scaling
Prezentacja zmian zachodzących w preferencjach z wykorzystaniem skalowania dynamicznego
Autorzy:
Zaborski, Artur
Powiązania:
https://bibliotekanauki.pl/articles/657882.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
badanie preferencji
macierz podobieństw
skalowanie dynamiczne
analiza Procrustesa
preference analysis
similarity matrix
dynamic scaling
Procrustes analysis
Opis:
Skalowanie dynamiczne jest zbiorem metod, w których dokonuje się geometrycznej prezentacji danych podobieństw uzyskanych dla T różnych okresów. Celem artykułu jest przedstawienie zastosowania dwóch metod skalowania dynamicznego do badania zmian zachodzących w preferencjach. W pierwszej, rozmieszczenia punktów na mapie percepcyjnej dokonuje się na podstawie rozbudowanej macierzy podobieństw. W drugiej metodzie przeprowadza się skalowanie wielowymiarowe dla poszczególnych okresów, a następnie dopasowuje otrzymane konfiguracje punktów za pomocą przekształceń zachowujących proporcje odległości między punktami. Prezentacja metod zostanie zilustrowana przykładem empirycznym, w którym obliczenia przeprowadzono z wykorzystaniem pakietów SPSS i New MDSX.
Dynamic scaling is a set of methods in which the geometrical representation of the similarity data for T different time periods is made. This article presents the use of two-dynamic scaling methods for studying changes in the preferences. In the first method the location of points on the perceptual map is made on the basis of the super-dissimilarity matrix. In the second method multidimensional scaling for the respective periods is carried out and the obtained configurations are matched by transformations preserving the proportions of distances between points. The presentation of the methods is illustrated by an empirical example in which calculations were performed with use of SPSS and New MDSX packages.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2016, 3, 322
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies