REGRESJA HEDONICZNA I CONJOINT ANALYSIS W BADANIU CEN RYNKOWYCH I PREFERENCJI KONSUMENTÓW 1
|
|
- Julia Lidia Paluch
- 2 lat temu
- Przeglądów:
Transkrypt
1 Marta Dziechciarz-Duda Anna Król Uniwersytet Ekonomiczny we Wrocławiu REGRESJA HEDONICZNA I CONJOINT ANALYSIS W BADANIU CEN RYNKOWYCH I PREFERENCJI KONSUMENTÓW 1 Wprowadzenie Łączne zastosowane regresji hedonicznej oraz analizy conjoint ma na celu stworzenie podstaw do projektowania polityki cenowej. Z jednej strony uzyskane z zastosowania conjoint analysis oszacowania użyteczności cząstkowych wskazują hipotetyczne (przewidywane, prognozowane) wagi przypisywane przez konsumenta indywidualnym cechom (poziomom wartości tych cech). Z drugiej strony informacje te skonfrontowane z uzyskanymi z zastosowania regresji hedonicznej oszacowaniami obserwowanych w przeszłości na rynku cen indywidualnych cech (dokładniej: poziomów wartości tych cech) dają możliwość szerszego spojrzenia na zagadnienie preferencji konsumentów, szczególnie w odniesieniu do istniejącej oferty rynkowej (cenowej). Kompilacja wspomnianych technik może być jednocześnie przydatnym narzędziem doskonalenia polityki cenowej oraz podwaliną do dostosowywania oferty cenowej do zmian zachodzących na rynku 2. Celem artykułu jest próba zbadania przydatności regresji hedonicznej i metody conjoint analysis jako narzędzia wspomagającego politykę cenową. Użyteczność przedstawionych założeń teoretycznych została zweryfikowana w pilotażowym badaniu empirycznym dotyczącym preferencji konsumentów 1 2 Część badań została przeprowadzona w ramach projektu pt. Zastosowanie metod hedonicznych do uwzględniania różnic jakości dóbr we wskaźnikach dynamiki cen ( The Application of Hedonic Methods in Quality-Adjusted Price Indices ). Projekt został sfinansowany ze środków Narodowego Centrum Nauki przyznanych na podstawie decyzji numer DEC-2013/09/N/HS4/ Por. J. Dziechciarz: Regresja hedoniczna i metoda conjoint measurement jako narzędzia w kształtowaniu polityki cenowej. Prace Naukowe Akademii Ekonomicznej we Wrocławiu 2005, nr 1096.
2 34 Marta Dziechciarz-Duda, Anna Król względem atrybutów urządzeń typu tablet. Wyrażone preferencje zbadano z wykorzystaniem danych z ankiety przeprowadzonej wśród studentów Uniwersytetu Ekonomicznego we Wrocławiu. Ceny tabletów i ich atrybutów zostały przeanalizowane na podstawie danych o około 700 urządzeniach zgromadzonych za pomocą autorskiego narzędzia do automatycznego pobierania danych ze stron internetowych. 1. Conjoint analysis a regresja hedoniczna Zestawione metody conjoint analysis oraz regresja hedoniczna zakładają, że produkt złożony jest ze zbioru istotnych i względnie jednorodnych atrybutów. Ponadto obie metody wykorzystują podejście dekompozycyjne. Oprócz widocznych cech wspólnych w podejściu do produktu istotny jest również fakt, iż mogą być stosowane w uzupełniających się obszarach. Metody hedoniczne koncentrują się na istniejących już dobrach (usługach), podczas gdy conjoint analysis może być stosowana również w celu badania preferencji konsumentów wobec nowych, dopiero projektowanych dóbr (por. tabela 1). Zestawienie metod conjoint analysis oraz regresji j hedonicznej Tabela 1 Produkt Podejście Istota Pochodzenie danych wejściowych Obszary zastosowań Conjoint analysis Regresja hedoniczna zbiór istotnych i względnie homogenicznych charakterystyk metody wykorzystują podejście dekompozycyjne od strony popytu/potrzeb konsumenta od strony podaży/oferty rynkowej oszacowanie użyteczności cząstkowych wskazujących hipotetyczne wagi przypisywane przez konsumenta indywidualnym poziomom wartości cech od strony popytu (konsument) nowe i istniejące dobra (usługi) powinna istnieć dostatecznie duża rozmaitość oferty, by można było obserwować i rejestrować różnice cen uwarunkowane niejednakowym układem wartości poszczególnych cech (atrybutów) jakościowych produktów oszacowanie obserwowanych w przeszłości na rynku cen poszczególnych atrybutów produktów od strony podaży (oferta rynkowa) istniejące dobra (usługi) powinny istnieć na rynku dostatecznie długo, by można było obserwować i rejestrować ruchy cen ze względu na liczbę szacowanych parametrów do estymacji regresji hedonicznej potrzeba dość dużo obserwacji Źródło: Opracowano na podstawie: J. Dziechciarz: O możliwości doskonalenia polityki cenowej przy pomocy metody conjoint measurement oraz regresji hedonicznej. Identyfikacja struktur rynkowych: pomiar modelowanie symulacja. Monografie i Opracowania 2004, nr 533; J. Dziechciarz: Regresja hedoniczna. Próba wskazania obszarów stosowalności. W: Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych. Red. A. Zeliaś. AE, Kraków 2004.
3 Regresja hedoniczna i conjoint analysis Model hedoniczny cen tabletów Teoria modeli hedonicznych zakłada, że każde dobro heterogeniczne jest charakteryzowane przez zbiór istotnych z punktu widzenia konsumenta i producenta charakterystyk (cech, atrybutów), które są względnie homogeniczne 3. Jednocześnie zakłada się, że istnieje zależność pomiędzy ceną dobra i jego atrybutami, która jest opisana pewną funkcją g, nazywaną funkcją hedoniczną. Najczęstszym sposobem wyznaczenia funkcji hedonicznej jest wykorzystanie modelu regresji ogólnej postaci: ( W,α,δ ) C = g, (1) gdzie: C cena dobra, W wektor charakterystyk dobra, α wektor parametrów, δ składnik losowy modelu. Znajomość funkcji hedonicznej (tj. postaci funkcji g i ocen wektora parametrów), uzyskana w drodze estymacji modelu hedonicznego na podstawie zbioru danych statystycznych, pozwala na wyznaczenie teoretycznej ceny dobra przy ustalonym zbiorze jego istotnych atrybutów, a także na wycenę poszczególnych atrybutów dobra. Wyceny te w dalszej analizie skonfrontowane zostaną z wyrażonymi preferencjami konsumentów wobec poszczególnych charakterystyk dobra uzyskanych z analizy conjoint. Modele hedoniczne wymagają nie tylko dużej liczby obserwacji ze względu na zazwyczaj liczne parametry do estymacji, ale również stawiają przed zbiorem danych wiele szczególnych wymagań ze względu na swoją specyfikę. Przede wszystkim ważne jest, aby użyte dane oprócz ceny transakcyjnej 4 dobra ujmowały wszystkie istotne z punktu widzenia konsumenta i producenta cechy produktu. Ponadto istotne jest, aby zmienne dotyczące różnych modeli danego dobra były ze sobą porównywalne (tzn. aby miały podobną strukturę, były wyrażone w tych samych jednostkach itp.). Duże zbiory danych spełniające wyżej wymienione wymagania nie są powszechnie dostępne, co może tłumaczyć nie- 3 4 Por. H. Brachinger: Statistical Theory of Hedonic Price Indices. Department of Quantitative Economics Working Papers, University of Freiburg 2002, No. 1; W. Diewert: Hedonic Regressions. A Consumer Theory Approach. W: Scanner Data and Price Indexes. Ed. R. Feenstra, M. Shapiro. National Bureau of Economic Research, University of Chicago, Chicago 2003; J. Triplett: Handbook on Hedonic Indexes and Quality Adjustments in Price Indexes. OECD, Paris W wykorzystanym w niniejszym badaniu zbiorze danych ceny są cenami ofertowymi. Jednakże ze względu na typ analizowanego dobra oraz przejrzystość rynku ICT można przypuszczać, że ceny ostatecznie płacone przez konsumentów nie różnią się znacznie od cen oferowanych przez sprzedawców.
4 36 Marta Dziechciarz-Duda, Anna Król wielką liczbę krajowych opracowań wykorzystujących metody hedoniczne. Baza danych wykorzystana w niniejszym badaniu została utworzona z użyciem autorskiego narzędzia do gromadzenia danych ze stron internetowych. Rys. 1 prezentuje schemat opisujący pozyskiwanie danych. Dane pochodzą z jednego z największych polskich serwisów świadczących usługi porównywania cen różnych dóbr oferowanych w sklepach internetowych. Ostatecznie wykorzystane w badaniu dane obejmują 633 tablety (48 różnych marek) oferowane w sklepach internetowych na terenie całej Polski w pierwszym kwartale 2014 roku. Każda odnotowana w bazie danych oferta sprzedaży tabletu jest opisana za pomocą ceny brutto 5 w zł (CENA) oraz następujących atrybutów 6 : przekątna ekranu w calach (PRZEKATNA), rozdzielczość pozioma ekranu 7 w pikselach (ROZDZIEL), pojemność pamięci wewnętrznej w gigabajtach (DYSK). Ponadto w modelu użyto zmiennych sztucznych: WINDOWS zmienna przyjmuje wartość 1, gdy tablet ma system operacyjny Windows, 0 w pozostałych przypadkach, oraz zmiennych identyfikujących markę producenta 8. Rys 1. Schemat pozyskiwania i analizy danych Dokładniej dla każdego tabletu wyliczono średnią cenę brutto (po odrzuceniu 10% najniższych i najwyższych cen) spośród ofert ze wszystkich sklepów internetowych, które miały go w swojej ofercie. Oprócz wymienionych charakterystyk w bazie danych znalazły się również informacje o wadze tabletów oraz ilości pamięci RAM. Zmienne te nie zostały jednakże wykorzystane w modelu ze względu na znaczny stopień występowania braków obserwacji oraz brak istotności statystycznej. Rozdzielczość pionowa ekranu jest wysoce skorelowana z rozdzielczością poziomą (współczynnik korelacji liniowej wyniósł ok. 0,96 i był wysoce istotny statystycznie przy wartości p-value bliskiej 0). W związku z tym w modelu pozostawiono tylko jedną zmienną określającą rozdzielczość. Ostatecznie spośród 48 różnych producentów tabletów w modelu bezpośrednio reprezentowanych jest 11 marek. Pozostałe marki należą do grupy mniej prestiżowych (i tańszych), a różnice pomiędzy ich wpływem na cenę tabletu są statystycznie nieistotne.
5 Regresja hedoniczna i conjoint analysis 37 Hedoniczny model cen tabletów został oszacowany za pomocą klasycznej metody najmniejszych kwadratów. Najlepszą postacią funkcyjną modelu okazała się postać log-liniowa. Model taki został wskazany zarówno przez metodę Boxa- -Coxa, jak i przez test RESET, a jego dopasowanie do danych jest na zadowalającym poziomie (ok. 85%). Wyniki estymacji przedstawiono w tabeli 2. Wyniki estymacji modelu hedonicznego cen tabletów (zmienna zależna lnc) Tabela 2 Ocena Błąd parametru standardowy Statystyka t p-value Wyraz wolny 4, , ,3352 0,00001 PRZEKATNA 0, , ,5343 0,00001 ROZDZIEL 0, , ,5446 0,00001 DYSK 0, , ,2117 0,00001 WINDOWS 0, , ,3020 0,00001 ACER 0, , ,8428 0,00001 APPLE 1, , ,3163 0,00001 ASUS 0, , ,0838 0,00001 FUJITSU 0, , ,9420 0,00338 HP 0, , ,8208 0,00001 LENOVO 0, , ,8384 0,00001 LG 0, , ,3736 0,00079 PRESTIGIO 0, , ,6067 0,00001 SAMSUNG 0, , ,9790 0,00001 SONY 0, , ,5792 0,00001 TOSHIBA 0, , ,0276 0,00001 Błąd standardowy reszt 0,2887 Skorygowany R 2 0, F (15, 617) 230,7293 p-value dla testu F 0, LM (52) 73,3134 p-value dla testu White a 0, Wyniki estymacji modelu, oprócz wyceny poszczególnych charakterystyk tabletów, pozwalają na uporządkowanie marek tabletów. Przykładowo najdroższą marką jest Apple za tablet tej firmy trzeba zapłacić o ok. 220% więcej w porównaniu z tabletami marek nieujętych w modelu. Natomiast najtańszą marką spośród 11 ujętych w modelu jest firma Prestigio, której urządzenia są o około 30% droższe od marek z grupy porównawczej. 3. Analiza conjoint preferencji względem atrybutów tabletów Metoda conjoint analysis została pierwotnie zaproponowana na gruncie badań psychometrycznych. Metoda umożliwia równoczesny addytywny pomiar łączny pomiar danej cechy (wartości zmiennej zależnej) możliwy jest dzięki użyciu przyczynowo związanych zmiennych niezależnych (analizowanych łącznie, addytywnie). Zmienna objaśniana reprezentuje preferencje respondentów
6 38 Marta Dziechciarz-Duda, Anna Król oraz dokonywane przez nich oceny. Natomiast wartości zmiennej objaśniającej reprezentują poziomy atrybutów opisujących oceniane profile 9. W podejściu dekompozycyjnym model odzwierciedlający zależności, jakie zachodzą między ocenami profili (preferencjami konsumentów) a poziomami atrybutów opisujących te profile, przyjmuje ogólną postać 10 : U is f s ( X,β, ε ) =, (2) gdzie: U użyteczność empiryczna i-tego profilu dla s-tego konsumenta, is f s funkcja preferencji s-tego konsumenta, X macierz zawierająca realizacje zmiennych objaśniających opisujących profile (poziomy atrybutów lub realizacje zmiennych sztucznych), β macierz parametrów (użyteczności cząstkowych), ε is składnik losowy modelu. Badanie ankietowe mające na celu pomiar i analizę preferencji zakupowych nabywców tabletów przeprowadzono w lutym 2014 roku wśród studentów Uniwersytetu Ekonomicznego we Wrocławiu. Próbę obejmującą niemal 200 respondentów dobrano według wygody 11. Badanie miało charakter pilotażowy. Respondenci oceniali urządzenia typu tablet, które zostały opisane pięcioma atrybutami w postaci ceny, przekątnej ekranu, rozdzielczości poziomej ekranu, pojemności pamięci wewnętrznej oraz systemu operacyjnego 12. Dla każdej zmiennej zakres jej wartości arbitralnie podzielono na kilka poziomów. Cena była atrybutem czteropoziomowym ( do 800, , , powyżej 2400 ). Pozostałe atrybuty zostały podzielone na trzy poziomy (por. tabela 3). is 9 Por. J. Dziechciarz: Pomiar łącznego oddziaływania zmiennych (conjoint measurement) w badaniach marketingowych. W: Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych. Red. A. Zeliaś. AE, Kraków 1995; J. Dziechciarz, M. Walesiak: Gromadzenie i analiza danych marketingowych wspomagane komputerem. Prace Naukowe Akademii Ekonomicznej we Wrocławiu 1997, nr 2 (743); J. Dziechciarz, M. Walesiak, A. Bąk: An Application of Conjoint Analysis for Preference Measurement. Argumenta Oeconomica 1999, nr 1 (7). 10 Por. Statystyczna analiza danych z wykorzystaniem programu R. Red. M. Walesiak, E. Gatnar. Wydawnictwo Naukowe PWN, Warszawa Por. M. Szreder: Metody i techniki sondażowych badań opinii. PWE, Warszawa Atrybuty zostały wybrane na podstawie wyników estymacji modelu hedonicznego. Wzięto pod uwagę tylko te cechy, które były istotne statystycznie.
7 Regresja hedoniczna i conjoint analysis 39 Atrybuty i poziomy przyjęte w przeprowadzonym badaniu Atrybuty Poziomy Cena (w zł) do powyżej 2400 Przekątna (w calach) do 9'' 9''-11'' powyżej 11'' Rozdzielczość (w pikselach) do powyżej 1600 Pamięć wewnętrzna (w GB) do powyżej 32 System operacyjny Android Apple ios Windows Tabela 3 Kombinacje poziomów atrybutów tworzą tzw. warianty (profile) produktu, które poddawane są ocenie potencjalnych konsumentów. W badaniu wykorzystano tradycyjną procedurę conjoint analysis opartą na cząstkowym układzie czynnikowym (pełny układ czynnikowy w przypadku opisywanego badania obejmowałby 324 profile). Obliczenia wykonane zostały w programie R z wykorzystaniem funkcji cafactorialdesign oraz Conjoint z pakietu conjoint 13. W pierwszym kroku analizy wygenerowany został ortogonalny cząstkowy układ czynnikowy, który jest najodpowiedniejszy z punktu widzenia wymagań formalnych. Niestety, układ ortogonalny okazał się na tyle liczny (45 profili), że przekraczał możliwości oceny przez respondentów. Z tego względu w kolejnym kroku postanowiono ograniczyć liczbę profili do dwunastu. W celu redukcji układu czynnikowego zbiór hipotetycznych profili poddano szczegółowej analizie, wykorzystując opracowaną wcześniej bazę danych rynkowych. Ze zbioru potencjalnych profili wyeliminowano wszystkie hipotetyczne warianty urządzenia nieistniejące na rynku, a pozostawiono jedynie te profile (warianty urządzenia), które faktycznie były częścią oferty rynkowej. Założono, że w badaniu odnoszącym się do istniejącego już na rynku produktu nie jest możliwa rzetelna ocena profili, których nie można by na tym rynku nabyć. Prezentowane profile respondenci oceniali zgodnie z własnymi odczuciami w skali od 0 (najmniej preferowany) do 100 (najbardziej preferowany). Oceny respondentów (użyteczności całkowite) posłużyły do oszacowania użyteczności cząstkowych, na podstawie których określa się względne znaczenie, jakie mają poszczególne poziomy atrybutów w użyteczności całkowitej. Wyniki oszacowanie parametrów modelu w przekroju całej próby (zbiorowości respondentów) zestawiono w tabeli A. Bąk, T. Bartłomowicz: Package conjoint,
8 40 Marta Dziechciarz-Duda, Anna Król Użyteczności cząstkowe i ważność poszczególnych atrybutów Atrybuty Poziomy Użyteczności Ważność Cena (w zł) do , , , ,9378 powyżej ,689 Przekątna (w calach) do 9'' -7,022 18,40 9''-11'' 3,9526 powyżej 11'' 3,0694 Rozdzielczość (w pikselach) do , , ,0863 powyżej ,5279 Pamięć wewnętrzna (w GB) do 16-8, , ,3689 powyżej 32 4,912 System operacyjny Android 0, ,49 Apple ios 1,1709 Windows -2,0575 Tabela 4 Analizując wyniki na poziomie zagregowanym można wskazać, że w badanej grupie studentów najbardziej preferowane wartości cech tabletów to: cena do 800 zł, przekątna 9''-11'', rozdzielczość powyżej 1600 pikseli, pamięć wewnętrzna o pojemności od 16 do 32 GB oraz system operacyjny Apple ios 14. Wykres przeciętnej ważności poszczególnych atrybutów w przekroju wszystkich respondentów przedstawia rys. 2, który wskazuje, że najważniejszym atrybutem decydującym o wyborze urządzenia jest cena (prawie 32%). Na kolejnych miejscach plasują się pojemność pamięci wewnętrznej (prawie 20%) i przekątna ekranu (około 18%), a nieco mnie ważne okazały się rozdzielczość ekranu (około 16%) i system operacyjny (około 14%). Rys 2. Przeciętne ważności poszczególnych atrybutów w przekroju wszystkich respondentów 14 Zaznaczyć należy, że na rynku nie istnieje tablet o wskazanej specyfikacji i cenie.
9 Regresja hedoniczna i conjoint analysis 41 Podsumowanie Ze względu na fakt, iż prezentowane badanie preferencji konsumentów ma charakter pilotażowy (niereprezentacyjna próba), przedstawione wyniki należy traktować jako próbę ilustracji możliwości płynących z zestawienia metod regresji hedonicznej i conjoint analysis, nie natomiast jako rzeczywiste wnioski czy rekomendacje. I tak ocena parametru przy zmiennej PRZEKATNA w modelu hedonicznym (por. tabela 2) wskazuje na średni przyrost ceny tabletu o ok. 14% wraz ze wzrostem jego przekątnej o jeden cal, ceteris paribus. Analiza wykresu użyteczności poziomów atrybutu przekątna ekranu (por. rys. 3) pokazuje z kolei, że konsumenci preferują tablety o przekątnej od 9'' do 11''. Potencjalny producent, korzystając z powyższej informacji, mógłby np. zaniechać produkcji większych niż 11'' tabletów, które cieszą się mniejszym powodzeniem, lub też odpowiednio zaprojektować cenę poszczególnych wariantów. Rys 3. Użyteczności poziomów atrybutu: przekątna ekranu Ocena parametru przy zmiennej WINDOWS oznacza, że tablet z systemem Windows jest przeciętnie droższy o ok. 83% od tabletów z innym systemem operacyjnym, ceteris paribus. Winiki analizy conjoint (por. rys. 4) sugerują natomiast, że preferencje konsumentów skierowane są silniej w stronę tabletów
10 42 Marta Dziechciarz-Duda, Anna Król z systemem Apple ios i Android. Informacje podobnego typu mogą wspomagać producentów przy projektowaniu wariantów dóbr 15. Rys 4. Użyteczności poziomów atrybutu: system operacyjny Jak wspomniano wcześniej, dopiero zestawienie wyników analizy hedonicznej z wynikami przeprowadzonego na reprezentatywnej próbie badania preferencji konsumentów może dostarczyć kompleksowej informacji (zarówno od strony popytowej, jak i podażowej) na potrzeby ustalania cen nowo wprowadzanych na rynek dóbr, dostosowywania cen istniejących już produktów do zmian rynkowych oraz projektowania wariantów dóbr. Analiza może być także dodatkowo poszerzona poprzez przeprowadzenie segmentacji konsumentów, co powinno pozwolić również na prowadzenie efektywniejszej polityki cenowej w poszczególnych segmentach rynku. Literatura Bąk A., Bartłomowicz T.: Pakiet conjoint, Brachinger H.: Statistical Theory of Hedonic Price Indices. Department of Quantitative Economics Working Papers, University of Freiburg 2002, No Wybór producenta w zakresie systemu operacyjnego byłby oczywiście ograniczony licencjami.
11 Regresja hedoniczna i conjoint analysis 43 Diewert W.: Hedonic Regressions. A Consumer Theory Approach. W: Scanner Data and Price Indexes. Ed. R. Feenstra, M. Shapiro. National Bureau of Economic Research, University of Chicago, Chicago Dziechciarz J.: Pomiar łącznego oddziaływania zmiennych (conjoint measurement) w badaniach marketingowych. W: Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych. Red. A. Zeliaś. AE, Kraków Dziechciarz J.: O możliwości doskonalenia polityki cenowej przy pomocy metody conjoint measurement oraz regresji hedonicznej. Identyfikacja struktur rynkowych: pomiar modelowanie symulacja. Monografie i Opracowania 2004, nr 533. Dziechciarz J.: Regresja hedoniczna. Próba wskazania obszarów stosowalności. W: Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych. Red. A. Zeliaś. AE, Kraków Dziechciarz J.: Regresja hedoniczna i metoda conjoint measurement jako narzędzia w kształtowaniu polityki cenowej. Prace Naukowe Akademii Ekonomicznej we Wrocławiu 2005, nr Dziechciarz J., Walesiak M.: Gromadzenie i analiza danych marketingowych wspomagane komputerem. Prace Naukowe Akademii Ekonomicznej we Wrocławiu 1997, nr 2 (743). Dziechciarz J., Walesiak M., Bąk A.: An Application of Conjoint Analysis for Preference Measurement. Argumenta Oeconomica 1999, nr 1 (7). Statystyczna analiza danych z wykorzystaniem programu R. Red. M. Walesiak, E. Gatnar. Wydawnictwo Naukowe PWN, Warszawa Szreder M.: Metody i techniki sondażowych badań opinii. PWE, Warszawa Triplett J.: Handbook on Hedonic Indexes and Quality Adjustments in Price Indexes. OECD, Paris THE APPLICATION OF HEDONIC REGRESSION AND CONJOINT ANALYSIS IN INVESTIGATION OF CONSUMERS PREFERENCES IN VIEW OF MARKET OFFER Summary This article attempts to examine the applicability of hedonic regression and conjoint analysis as a tool for supporting the pricing policy. Conjoint analysis and hedonic regression are both based on the assumption that durable consumer goods are conglomerates of significant and utility bearing attributes. Conjoint analysis measures partial utilities of characteristics of the commodity as components of the overall preference towards a certain variant of the product. Hedonic regression, in turn, allows for decomposition of the price of the commodity into set of prices of individual characteristics (called implicit or hedonic prices). It is expected that the combined use of these techniques will allow for broader insight into the issue of consumers' preferences and should provide sound basis for commodities pricing. Conducted empirical research was based on two complementary datasets relating tablet computers.
REGRESJA HEDONICZNA I CONJOINT ANALYSIS W BADANIU CEN RYNKOWYCH I PREFERENCJI KONSUMENTÓW 1
MARTA DZIECHCIARZ-DUDA Uniwersytet Ekonomiczny we Wrocławiu ANNA KRÓL Uniwersytet Ekonomiczny we Wrocławiu REGRESJA HEDONICZNA I CONJOINT ANALYSIS W BADANIU CEN RYNKOWYCH I PREFERENCJI KONSUMENTÓW 1 WPROWADZENIE
ZASTOSOWANIE ANALIZY UNFOLDING I REGRESJI HEDONICZNEJ
ZASTOSOWANIE ANALIZY UNFOLDING I REGRESJI HEDONICZNEJ DO OCENY PREFERENCJI KONSUMENTÓW Marta Dziechciarz-Duda Anna Król Uniwersytet Ekonomiczny we Wrocławiu 2 Cel i hipoteza badawcza Cel badania Próba
Zastosowanie analizy unfolding i regresji hedonicznej do oceny preferencji konsumentów
Zastosowanie analizy unfolding i regresji hedonicznej do oceny preferencji konsumentów «The application of unfolding analysis and hedonic regression in the investigation of consumers preferences» by Anna
SEGMENTACJA KONSUMENTÓW SMARTFONÓW NA PODSTAWIE PREFERENCJI WYRAŻONYCH SEGMENTATION OF SMARTPHONES CONSUMERS ON THE BASIS OF STATED PREFERENCES
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU nr 207 RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr 427 2016 Taksonomia 27 ISSN 1899-3192 Klasyfikacja i analiza danych teoria i zastosowania
Badania eksperymentalne
Badania eksperymentalne Analiza CONJOINT mgr Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Najpopularniejsze sposoby oceny wyników eksperymentu w schematach
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Wprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
ZASTOSOWANIE KLASYFIKACJI DO WYODRĘBNIANIA HOMOGENICZNYCH GRUP DÓBR W MODELOWANIU HEDONICZNYM 12
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr XXX 2014 ISSN 1899-3192 Anna Król Uniwersytet Ekonomiczny we Wrocławiu e-mail: anna.krol@ue.wroc.pl
ZASTOSOWANIA EKONOMETRII
ZASTOSOWANIA EKONOMETRII Hedoniczny model cen dr Dorota Ciołek Katedra Ekonometrii Wydział Zarządzania UG http://wzr.pl/~dciolek dorota.ciolek@ug.edu.pl Prekursorami modelowania cen byli F. Waugha oraz
Conjoint analysis jako metoda analizy preferencji konsumentów
Anna Szymańska Dorota Dziedzic Conjoint analysis jako metoda analizy preferencji konsumentów Wstęp Istotnym aspektem, mającym decydujący wpływ na sukcesy rynkowe przedsiębiorstwa jest zrozumienie postępowania
WYKAZ PRAC PUBLIKOWANYCH
Dr hab. Andrzej Bąk Prof. nadzw. AE WYKAZ PRAC PUBLIKOWANYCH I. Publikacje zwarte I.1. KsiąŜki 1. Walesiak M., Bąk A. [1997], Realizacja badań marketingowych metodą conjoint analysis z wykorzystaniem pakietu
Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1
Zadanie 1 a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 b) W naszym przypadku populacja są inżynierowie w Tajlandii. Czy można jednak przypuszczać, że na zarobki kobiet-inżynierów
Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006
, transformacja liniowa i estymacja modelu KMNK Paweł Cibis pcibis@o2.pl 23 marca 2006 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności 2 3 Etapy transformacji
SEGMENTACJA RYNKU A TYPY MARKETINGU
SEGMENTACJA SEGMENTACJA...... to proces podziału rynku na podstawie określonych kryteriów na względnie homogeniczne rynki cząstkowe (względnie jednorodne grupy konsumentów) nazywane SEGMENTAMI, które wyznaczają
Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007
Modele regresji wielorakiej - dobór zmiennych, szacowanie Paweł Cibis pawel@cibis.pl 1 kwietnia 2007 1 Współczynnik zmienności Współczynnik zmienności wzory Współczynnik zmienności funkcje 2 Korelacja
Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF
Podstawy ekonometrii Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF Cele przedmiotu: I. Ogólne informacje o przedmiocie. - Opanowanie podstaw teoretycznych, poznanie przykładów zastosowań metod modelowania
Ekonometria. Regresja liniowa, dobór postaci analitycznej, transformacja liniowa. Paweł Cibis 24 marca 2007
Regresja liniowa, dobór postaci analitycznej, transformacja liniowa Paweł Cibis pawel@cibis.pl 24 marca 2007 1 Regresja liniowa 2 Metoda aprioryczna Metoda heurystyczna Metoda oceny wzrokowej rozrzutu
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,
Pokój z widokiem: hedoniczne modele cen mieszkań. dr hab. Emilia Tomczyk Instytut Ekonometrii SGH
Pokój z widokiem: hedoniczne modele cen mieszkań dr hab. Emilia Tomczyk Instytut Ekonometrii SGH Artykuł M. Widłak [Instytut Ekonomiczny NBP], E. Tomczyk (2010) Measuring price dynamics: evidence from
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
MODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski
Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA
METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu
Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej
Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej Paweł Cibis pawel@cibis.pl 23 lutego 2007 1 Regresja liniowa 2 wzory funkcje 3 Korelacja liniowa
STATYSTYKA EKONOMICZNA
STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr
3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Etapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.
TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.
Sterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Modelowanie glikemii w procesie insulinoterapii
Dawid Kaliszewski Modelowanie glikemii w procesie insulinoterapii Promotor dr hab. inż. Zenon Gniazdowski Cel pracy Zbudowanie modelu predykcyjnego przyszłych wartości glikemii diabetyka leczonego za pomocą
PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu
PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu RESEARCH PAPERS of Wrocław University of Economics Nr 385 Taksonomia 25 Klasyfikacja i analiza danych teoria i zastosowania Redaktorzy naukowi Krzysztof
PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY
Joanna Chrabołowska Joanicjusz Nazarko PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY NA PRZYKŁADZIE PRZEDSIĘBIORSTWA HANDLOWEGO TYPU CASH & CARRY Wprowadzenie Wśród wielu prognoz szczególną rolę w zarządzaniu
Conjoint analysis jako metoda analizy preferencji konsumentów
Zeszyty Naukowe nr 68 Akademii Ekonomicznej w Krakowie 5 Anna Szymaƒska Studium Doktoranckie Wydziału Zarzàdzania Dorota Dziedzic Studium Doktoranckie Wydziału Zarzàdzania Conjoint analysis jako metoda
Regresja i Korelacja
Regresja i Korelacja Regresja i Korelacja W przyrodzie często obserwujemy związek między kilkoma cechami, np.: drzewa grubsze są z reguły wyższe, drewno iglaste o węższych słojach ma większą gęstość, impregnowane
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)
Proces modelowania zjawiska handlu zagranicznego towarami
Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie
Regresja wielokrotna. PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Regresja wielokrotna Model dla zależności liniowej: Y=a+b 1 X 1 +b 2 X 2 +...+b n X n Cząstkowe współczynniki regresji wielokrotnej: b 1,..., b n Zmienne niezależne (przyczynowe): X 1,..., X n Zmienna
Kilka uwag o testowaniu istotności współczynnika korelacji
341 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Piotr Peternek Uniwersytet Ekonomiczny we Wrocławiu Marek Kośny Uniwersytet Ekonomiczny we Wrocławiu Kilka uwag o testowaniu istotności
K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.
Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.
Stanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:
Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada
Stanisław Cichocki Natalia Nehrebecka Katarzyna Rosiak-Lada 1. Sprawy organizacyjne Zasady zaliczenia 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2 1. Sprawy
Mikroekonometria 4. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 4 Mikołaj Czajkowski Wiktor Budziński Regresja kwantylowa W standardowej Metodzie Najmniejszych Kwadratów modelujemy warunkową średnią zmiennej objaśnianej: E( yi Xi) = μ ( Xi) Pokazaliśmy,
ANALIZA REGRESJI SPSS
NLIZ REGRESJI SPSS Metody badań geografii społeczno-ekonomicznej KORELCJ REGRESJ O ile celem korelacji jest zmierzenie siły związku liniowego między (najczęściej dwoma) zmiennymi, o tyle w regresji związek
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
Prognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)
POMIAR I ANALIZA PREFERENCJI WYRAŻONYCH Z WYKORZYSTANIEM PAKIETU CONJOINT PROGRAMU R 1 1. WSTĘP. nr N N111 446037. MARCIN PEŁKA, ANETA RYBICKA
PRZEGLĄD STATYSTYCZNY R. LIX ZESZYT 3 2012 MARCIN PEŁKA, ANETA RYBICKA POMIAR I ANALIZA PREFERENCJI WYRAŻONYCH Z WYKORZYSTANIEM PAKIETU CONJOINT PROGRAMU R 1 1. WSTĘP W badaniach preferencji konsumentów
Wycena nieruchomości w podejściu porównawczym - complex. Materiały reklamowe ZAWAM-Marek Zawadzki
Wycena nieruchomości w podejściu porównawczym - complex Materiały reklamowe ZAWAM-Marek Zawadzki Mimo skomplikowania metody szacowania nieruchomości program jest banalny w swojej obsłudze. Na początku
Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 13 Mikołaj Czajkowski Wiktor Budziński Endogeniczność regresja liniowa W regresji liniowej estymujemy następujące równanie: i i i Metoda Najmniejszych Kwadratów zakłada, że wszystkie zmienne
A.Światkowski. Wroclaw University of Economics. Working paper
A.Światkowski Wroclaw University of Economics Working paper 1 Planowanie sprzedaży na przykładzie przedsiębiorstwa z branży deweloperskiej Cel pracy: Zaplanowanie sprzedaży spółki na rok 2012 Słowa kluczowe:
Statystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2
Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna
Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Badanie współzależności zmiennych Uwzględniając ilość zmiennych otrzymamy 4 odmiany zależności: Zmienna zależna jednowymiarowa oraz jedna
czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90
Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90 czerwiec 2013 Zadanie 1 Poniższe tabele przestawiają dane dotyczące umieralności dzieci
Analiza korespondencji
Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy
AMBITNYCH RZECZOZNAWCÓW
ADRESACI APLIKACJI. TO NIE JEST APLIKACJA DLA WSZYSTKICH. TA APLIKACJA JEST KIEROWANA DO AMBITNYCH RZECZOZNAWCÓW, KTÓRZY MAJĄC RZETELNĄ INFORMACJĘ PROWADZĄ PROCES WYCENY NIERUCHOMOŚCI W OPARCIU O PRZESŁANKI
Marcin Błażejowski Wyższa Szkoła Bankowa w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Wyższa Szkoła Bankowa w Toruniu
Prof. zw. dr hab. inż. dr h.c. Stanisław Urban Uniwersytet Ekonomiczny we Wrocławiu
Prof. zw. dr hab. inż. dr h.c. Stanisław Urban Uniwersytet Ekonomiczny we Wrocławiu Analiza rynku. Badania produktów By decyzje podejmowane na różnych etapach zarządzania produktem były trafne, trzeba
Joanna Muszyńska, Ewa Zdunek Uniwersytet Mikołaja Kopernika w Toruniu. Ekonometryczna analiza upadłości przedsiębiorstw w Polsce w latach 1990-2005
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika
PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
METODY SKALOWANIA WIELOWYMIAROWEGO OBIEKTÓW SYMBOLICZNYCH
Marcin Pełka Akademia Ekonomiczna we Wrocławiu METODY SKALOWANIA WIELOWYMIAROWEGO OBIEKTÓW SYMBOLICZNYCH 1. Wprowadzenie Metody skalowania wielowymiarowego obiektów symbolicznych, podobnie jak w przypadku
3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.
SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:
istocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy
MODEL REGRESJI LINIOWEJ. METODA NAJMNIEJSZYCH KWADRATÓW Analiza regresji zajmuje się badaniem zależności pomiędzy interesującymi nas wielkościami (zmiennymi), mające na celu konstrukcję modelu, który dobrze
Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś
Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś Materiały reklamowe ZAWAM-Marek Zawadzki Wybór wielokryterialny jako jadna z metod
AMBITNYCH RZECZOZNAWCÓW
ADRESACI APLIKACJI. TO NIE JEST APLIKACJA DLA WSZYSTKICH. TA APLIKACJA JEST KIEROWANA DO AMBITNYCH RZECZOZNAWCÓW, KTÓRZY MAJĄC RZETELNĄ INFORMACJĘ PROWADZĄ PROCES WYCENY NIERUCHOMOŚCI W OPARCIU O PRZESŁANKI
METODY ILOŚCIOWE W ZARZĄDZANIU
1.1.1 Metody ilościowe w zarządzaniu I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE METODY ILOŚCIOWE W ZARZĄDZANIU Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: RiAF_PS5 Wydział Zamiejscowy
PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu
PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu RESEARCH PAPERS of Wrocław University of Economics Nr 427 Taksonomia 27 Klasyfikacja i analiza danych teoria i zastosowania Wydawnictwo Uniwersytetu
Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II
METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II Podział zmiennych Zmienne zależne zmienne, które są przedmiotem badania, których związki z innymi zmiennymi chcemy określić Zmienne
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem
Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
CONJOINT MEASUREMENT W ANALIZIE DANYCH MARKETINGOWYCH
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCLAWIU Nr 744 1997 Informatyka i Ekonometria 3 Marek Walesiak* CONJOINT MEASUREMENT W ANALIZIE DANYCH MARKETINGOWYCH 1. Wstęp Metoda pomiaru łącznego oddziaływania
Badania marketingowe. - Konspekt wykładowy
Badania marketingowe - Konspekt wykładowy Badania marketingowe w logistyce Zakres materiału do egzaminu: 1. Wprowadzenie do przedmiotu - istota, przesłanki oraz użyteczność badań marketingowych 2. Informacja
SEGMENTACJA KONSUMENTÓW NA PODSTAWIE PREFERENCJI WYRAŻONYCH UZYSKANYCH METODĄ MAXIMUM DIFFERENCE SCALING
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU nr 207 RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr 385 2015 Taksonomia 25 ISSN 1899-3192 Klasyfikacja i analiza danych teoria i zastosowania
ZASTOSOWANIE METODY ANALIZY STATYSTYCZNEJ RYNKU W SZACOWANIU WARTOŚCI TECHNICZNYCH ŚRODKÓW PRODUKCJI NA PRZYKŁADZIE CIĄGNIKA ROLNICZEGO
Inżynieria Rolnicza 6(94)/2007 ZASTOSOWANIE METODY ANALIZY STATYSTYCZNEJ RYNKU W SZACOWANIU WARTOŚCI TECHNICZNYCH ŚRODKÓW PRODUKCJI NA PRZYKŁADZIE CIĄGNIKA ROLNICZEGO Zbigniew Kowalczyk Katedra Inżynierii
POMIAR WIELOCZYNNIKOWY W ANALIZIE PREFERENCJI KONSUMENTÓW ŻYWNOŚCIOWYCH PRODUKTÓW REGIONALNYCH
Agnieszka Tłuczak Uniwersytet Opolski POMIAR WIELOCZYNNIKOWY W ANALIZIE PREFERENCJI KONSUMENTÓW ŻYWNOŚCIOWYCH PRODUKTÓW REGIONALNYCH Wprowadzenie Preferencje konsumentów są podstawowym zagadnieniem w badaniach
Regresja liniowa wprowadzenie
Regresja liniowa wprowadzenie a) Model regresji liniowej ma postać: gdzie jest zmienną objaśnianą (zależną); są zmiennymi objaśniającymi (niezależnymi); natomiast są parametrami modelu. jest składnikiem
Testowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
WYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU CZASOWEGO ZWIĄZANEGO ZE SPRZEDAŻĄ ASORTYMENTU HUTNICZEGO
5/18 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 18 (1/2) ARCHIVES OF FOUNDRY Year 2006, Volume 6, N o 18 (1/2) PAN Katowice PL ISSN 1642-5308 WYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU
Rachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18
Karta przedmiotu Wydział: Wydział Zarządzania Kierunek: Analityka gospodarcza I. Informacje podstawowe Nazwa przedmiotu Rachunek prawdopodobieństwa Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu
ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH
ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH - Adrian Gorgosz - Paulina Tupalska ANALIZA WIELOPOZIOMOWA (AW) Multilevel Analysis Obecna od lat 80. Popularna i coraz częściej stosowana
( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
Wykład z dnia 8 lub 15 października 2014 roku
Wykład z dnia 8 lub 15 października 2014 roku Istota i przedmiot statystyki oraz demografii. Prezentacja danych statystycznych Znaczenia słowa statystyka Znaczenie I - nazwa zbioru danych liczbowych prezentujących
Streszczenie pracy doktorskiej Autor: mgr Wojciech Wojaczek Tytuł: Czynniki poznawcze a kryteria oceny przedsiębiorczych szans Wstęp W ciągu
Streszczenie pracy doktorskiej Autor: mgr Wojciech Wojaczek Tytuł: Czynniki poznawcze a kryteria oceny przedsiębiorczych szans Wstęp W ciągu ostatnich kilku dekad diametralnie zmienił się charakter prowadzonej
Niestacjonarne zmienne czasowe własności i testowanie
Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 3: Przykłady testowania niestacjonarności Nazwa przedmiotu: ekonometria finansowa I (22204), analiza
SPIS TREŚCI. Do Czytelnika... 7
SPIS TREŚCI Do Czytelnika.................................................. 7 Rozdział I. Wprowadzenie do analizy statystycznej.............. 11 1.1. Informacje ogólne..........................................
O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW
Rafał Czyżycki, Marcin Hundert, Rafał Klóska Wydział Zarządzania i Ekonomiki Usług Uniwersytet Szczeciński O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Wprowadzenie Poruszana
Działania marketingowe
Działania marketingowe Czyli jak sprzedać produkt Urszula Kazalska 1 Marketing Nazwa- od słowa market- rynek. Czyli marketing związany jest z wszelkiego rodzaju interakcjami jakie zachodzą pomiędzy kupującymi
INSTYTUT METEOROLOGII I GOSPODARKI WODNEJ PAŃSTWOWY INSTYTUT BADAWCZY Oddział we Wrocławiu. Görlitz
Görlitz 17.11.2014 Pakiet programów MIKE opracowany na Politechnice Duńskiej, zmodyfikowany przez Duński Instytut Hydrauliki, Zasady działania modeli: MIKE NAM - model konceptualny o parametrach skupionych,
Wydział Matematyki. Testy zgodności. Wykład 03
Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8 Regresja wielokrotna Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X 1, X 2, X 3,...) na zmienną zależną (Y).
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Pobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
BRAND TRACKER. Przykładowe wyniki badania wizerunku marki sieci sklepów obuwniczych. Inquiry sp. z o.o.
BRAND TRACKER Przykładowe wyniki badania wizerunku marki sieci sklepów obuwniczych Inquiry sp. z o.o. O INQUIRY Od ponad 10 lat prowadzimy badania konsumenckie dla sieci detalicznych i centrów handlowych.
OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp
tel.: +48 662 635 712 Liczba stron: 15 Data: 20.07.2010r OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA z wykorzystaniem programu obliczeniowego Q maxp DŁUGIE
KARTA PRZEDMIOTU. 1. Informacje ogólne
KARTA PRZEDMIOTU. Informacje ogólne Nazwa przedmiotu i kod (wg planu studiów): Kierunek studiów: Specjalność: Poziom kształcenia: Profil kształcenia: Forma studiów: Obszar kształcenia: Koordynator przedmiotu: