Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "preference scaling" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    The Influence of Triad Selection on the Preference Scaling Results
    Wpływ wyboru triad na wyniki skalowania preferencji
    Autorzy:
    Zaborski, Artur
    Powiązania:
    https://bibliotekanauki.pl/articles/655037.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    pomiar preferencji
    triady
    skalowanie preferencji
    measurement of preferences triads
    preference scaling
    TRISOSCAL
    Opis:
    W metodzie triad dla zbioru n obiektów respondentom przedstawiane są wszystkie możliwe trójelementowe zestawy obiektów. Dla każdego zestawu respondent jest proszony o wskazanie, zgodnie ze swoimi preferencjami, pary obiektów najbardziej podobnych oraz pary obiektów najmniej podobnych. Mimo wielu zalet metoda triad nie jest często stosowana w praktyce. Liczba triad jest sześcienną funkcją liczby obiektów i rośnie bardzo szybko wraz ze wzrostem liczby obiektów. Celem pracy jest wskazanie możliwości skalowania preferencji w oparciu o zredukowaną liczbę triad. Zbadano także, czy zmiana zredukowanego zbioru triad wpływa na wyniki skalowania. Wyniki analizy zilustrowano empirycznym przykładem, w którym skalowanie preferencji dla różnych zbiorów triad przeprowadzono za pomocą programu TRISOSCAL.
    In the method of triads for a set of n objects all three element sets of objects are presented to the respondents. A respondent is asked to pick out the most similar and the least similar pair. The method of triads, despite its numerous advantages, is rarely used in practice. The number of triads is a cubic function of the number of objects and increases very rapidly with the number of objects. The aim of the study is to indicate the possibility of scaling preferences based on the reduced number of triads. It has also been examined whether the change of reduced set of triads influences the results of the scaling. The results of the analysis are illustrated by an empirical example in which preference scaling for different sets of triads was performed with the use of TRISOSCAL program.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2017, 4, 330
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Geometrical Presentation of Preferences by Using Profit Analysis and R Program
    Geometryczna prezentacja preferencji z wykorzystaniem analizy profit i programu R
    Autorzy:
    Zaborski, Artur
    Pełka, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/905645.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    multidimensional scaling
    property fitting
    preference maps
    Opis:
    PROFIT is a kind of external vector analysis of preference mapping. It is a combination of multidimensional scaling and multiple regression analysis. PROFIT takes as input both a configuration of stimulus points and a set of preference rankings of the different properties of the stimuli. For stimulus space obtained by multidimensional scaling multiple regression is performed using the coordinates as independent variables and attribute as the dependent variable. The program locates each property as a vector through the configuration of points, so that it indicates the direction over the space in which the property is increasing. The article presents PROFIT analysis and the R code to carry out the method. The function is illustrated with an example of application in the analysis of consumer preferences.
    PROFIT jest przykładem „zewnętrznej” wektorowej metody map preferencji. Jest ona połączeniem skalowania wielowymiarowego i analizy regresji wielorakiej. Danymi wejściowymi w analizie PROFIT są zarówno współrzędne punktów reprezentujących obiekty na mapie percepcyjnej jak również oceny preferencji obiektów ze względu na wybrane zmienne. Dla konfiguracji punktów reprezentujących obiekty otrzymanej za pomocą skalowania wielowymiarowego przeprowadza się analizę regresji wielorakiej, w której zmiennymi objaśniającymi są współrzędne obiektów na mapie percepcyjnej, a zmiennymi zależnymi oceny marek ze względu na poszczególne cechy. Program dokonuje rozmieszczenia na mapie percepcyjnej zmiennych w postaci wektorów wskazujących kierunek maksymalnej preferencji ze względu na daną zmienną. Artykuł jest prezentacją analizy PROFIT oraz składni poleceń programu R, pozwalającej na jej realizację. Sposób użycia funkcji zilustrowano przykładem badania preferencji.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2013, 285
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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 1-4 z 4

      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