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 1-3 z 3
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 Unfolding Analysis for Symbolic Objects Based on the Example of the External Car Advertisement Evaluation
Analiza unfolding obiektów symbolicznych na przykładzie zewnętrznej oceny reklam samochodów
Autorzy:
Zaborski, Artur
Pełka, Marcin
Powiązania:
https://bibliotekanauki.pl/articles/28407778.pdf
Data publikacji:
2023
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
symbolic data analysis
unfolding analysis
preference measurement
car advertisements
symboliczna analiza danych
analiza unfolding
pomiar preferencji
reklamy samochodów
Opis:
Aim: Multidimensional unfolding allows representing both columns (e.g. products, services) and rows (e.g. customers) of the preference matrix on the same low-dimensional map (usually it’s a two or three-dimensional map). The main aim of the paper was to propose how to perform unfolding analysis for symbolic objects. Methodology: The paper describes the possible ways of performing unfolding analysis for symbolic interval-valued data. The external unfolding is described in the details and used in the empirical part of the paper. The data (preferences and dissimilarities) were gathered by using the incomplete method of triads. Results: The empirical part presents an application for unfolding symbolic data to evaluate customers’ preferences, where car advertisements are used as the example. The results presented on a two-dimensional perceptual map allowed to discover seven groups of respondents with different preferences; most of them prefer Skoda, Audi, Volkswagen, and Honda advertisements to Toyota and Volvo. Implications and recommendations: The proposed external approach for symbolic data allows to represent objects as rectangles (on two-dimensional map) or cuboids (in the case of three dimensions). The respondents are represented as points. Further work should focus on creating an algorithm that allows for the presentation of both symbolic objects and preferences expressed by respondents in the form of rectangles or cuboids. Originality/Value: The paper presents an innovative and previously unpresented external unfolding for symbolic data. Besides that it presents how other unfolding approaches could be adapted for symbolic data.
Cel: Wielowymiarowa analiza unfolding pozwala na przedstawienie zarówno kolumn (np. produktów, usług), jak i wierszy (np. klientów) macierzy preferencji na tej samej mapie percepcyjnej (zwykle jest to mapa dwulub trójwymiarowa). Celem artykułu jest wskazanie propozycji przeprowadzenia analizy unfolding dla obiektów symbolicznych. Metodyka: W artykule opisano możliwe sposoby przeprowadzenia analizy unfolding dla symbolicznych danych przedziałowych. Szczegółowo opisana zewnętrzna analiza unfolding została wykorzystana w części empirycznej artykułu. Dane (zarówno preferencje, jak i niepodobieństwa) zebrano z wykorzystaniem niepełnej metody triad. Wyniki: W części empirycznej zaprezentowano możliwości zastosowania analizy unfolding dla danych symbolicznych w badaniu preferencji respondentów na przykładzie oceny wybranych reklam samochodów. Wyniki zilustrowane na dwuwymiarowej mapie percepcyjnej pozwoliły zidentyfikować siedem grup respondentów o różnych preferencjach względem przedstawionych reklam. Wyniki badania wskazują, że dla większości respondentów reklamy Škody, Audi, Hondy i Volkswagena są bardziej preferowane niż reklamy proponowane przez Volvo i Toyotę. Implikacje i rekomendacje: Zaprezentowane podejście do zewnętrznej analizy unfolding pozwala na prezentację obiektów w postaci prostokątów (w przestrzeni dwuwymiarowej) lub prostopadłościanów (w przestrzeni trójwymiarowej), a respondentów – w postaci punktów. Dalsze prace powinny skoncentrować się na stworzeniu algorytmu pozwalającego na prezentację zarówno obiektów symbolicznych, jak i wyrażanych przez respondentów preferencji w postaci prostokątów lub prostopadłościanów. Oryginalność/Wartość: Artykuł prezentuje nowatorskie i nieprezentowane wcześniej podejście do zewnętrznej analizy unfolding dla danych symbolicznych. Ponadto przedstawia inne możliwe podejścia do symbolicznej analizy unfolding.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2023, 27, 4; 15-28
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
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 1-3 z 3

    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