Conjoint analysis jako metoda analizy preferencji konsumentów
|
|
- Klaudia Zakrzewska
- 8 lat temu
- Przeglądów:
Transkrypt
1 Anna Szymańska Dorota Dziedzic Conjoint analysis jako metoda analizy preferencji konsumentów Wstęp Istotnym aspektem, mającym decydujący wpływ na sukcesy rynkowe przedsiębiorstwa jest zrozumienie postępowania konsumenta oraz poznanie jego preferencji. Poznanie oczekiwań konsumenta w stosunku do oferowanego produktu jak również preferowanych cech determinujących jego wybór ułatwi udoskonalenie produktu, poprawienie jego parametrów, nadanie mu najbardziej pożądanych cech. Postępowanie konsumenta definiowane jest jako zespół myśli, uczuć i działań związanych z nabywaniem i konsumowaniem dóbr i usług. W zachowaniach konsumentów istotnym jest ukierunkowanie i zorganizowanie ciągów reakcji na bodźce wynikające z dążenia do zaspokojenia potrzeb 1. Zachowania konsumentów są dla przedsiębiorstwa źródłem inspiracji, pozwalają weryfikować podejmowane decyzje marketingowe we wszystkich fazach kształtowania oferty rynkowej. W związku z powyższym kluczowym zadaniem jest prowadzenie badań nad zachowaniami konsumentów. Celem ich jest usprawnienie procesów dostosowywania oferty przedsiębiorstwa do oczekiwań nabywców. Ważnym jest nie tylko poznanie, ale również antycypowanie potrzeb, a nawet ich tworzenie. Wymaga to poznania cech konsumentów, realizowanych w społeczeństwie stylów życia oraz prawidłowości ujawniających się w zachowaniach konsumentów na rynku. Skuteczną metodą pozwalającą poznać oczekiwania klientów, dokonać pomiaru ich preferencji oraz zbadać podobieństwa i różnice istniejące między alternatywnymi możliwościami wyboru spośród całej gamy oferowanych produktów jest conjoint analysis. Już sama nazwa wskazuje, że metoda ta polega na analizowaniu wpływu łącznego oddziaływania wielu cech produktu na dokonywane przez konsumentów decyzje zakupu wybranego produktu 2. Podstawowym zastosowaniem tej metody jest badanie dojrzałości rynkowej nowego produktu, pozycji rynkowej istniejących marek, konsekwencji przeobrażenia produktu, 1 Mazurek-Łopacińska K., Zachowania nabywców jako podstawa strategii marketingowej, Wydawnictwo AE we Wrocławiu, Wrocław 1997, s Conjoint analysis tutorial, (data odczytu ). 1
2 poziomu akceptacji nowych wariantów produktów, szacunkowego udziału w rynku nowych produktów w polu działania konkurencji oraz określenia ceny przynoszącej optymalny zysk 3. Głównym celem niniejszego artykułu jest przeprowadzenie analizy preferencji konsumentów przy zastosowaniu conjoint analysis. Efektem końcowym analizy będzie opracowanie profilu produktu oraz wyznaczenie charakterystyk opisujących potencjalnych nabywców należących do wyodrębnionego segmentu. 1. Charakterystyka metody conjoint analysis Conjoint analysis wykorzystywana jest do określenia preferencji respondenta ze względu na poszczególne atrybuty produktu oraz korzyści uzyskiwane przez kupującego w zależności od wartości poszczególnych atrybutów produktu. Metoda ta umożliwia równoległe zbadanie preferencji i segmentacji rynku oraz stworzenie idealnego produktu dla poszczególnych segmentów rynku. Koncentruje się przede wszystkim na ocenie produktu, nazwie i cenie. Pomijane są natomiast inne elementy marketingu-mix jak promocja czy dystrybucja 4. Metoda ta umożliwia symulowanie wyborów nabywców po wprowadzeniu zmodyfikowanego lub nowego produktu jak również rozwijanie modelu produktu. Koncentruje się na atrybutach produktu i ceny, gdyż umożliwia dokładne określenie, jaki poziom ceny lub parametru technicznego produktu jest satysfakcjonujący dla nabywcy 5. W ujęciu szczegółowym modele conjoint analysis uwzględniają poniższe zjawiska: - reguły określające sposób powiązania zmiennych tj. charakter zależności zachodzących między zmiennymi, - struktury preferencji tj. rodzaj zależności zachodzących między wartościami użyteczności cząstkowych a wartościami poziomów zmiennych. Wyróżnia się dwa typy modeli określających zależność użyteczności całkowitej od użyteczności cząstkowych: model addytywny (model efektów głównych) oraz model uwzględniający interakcje między zmiennymi (model efektów głównych i współdziałania). Decyzja dotycząca wyboru modelu przesądza o tym, w jaki sposób zmienne są wzajemnie powiązane z punktu widzenia respondenta oceniającego profil charakteryzowany tymi zmiennymi. Dla przykładu model addytywny implikuje mniejszą liczbę profili do oceny 3 Produkttest via Conjoint-Measurement, (data odczytu ). 4 Techniki badawcze, (data odczytu ). 5 Kłeczek R., Kowal W., Woźniczka J., Strategiczne planowanie marketingowe, Polskie Wydawnictwo Ekonomiczne, Warszawa 1997, s.118 2
3 niż model uwzględniający interakcje między zmiennymi. Gwarantuje on również łatwiejsze uzyskanie estymatorów użyteczności cząstkowych. Analizując zależności zachodzące między użytecznościami cząstkowymi a poziomami zmiennych wyróżnia się: model liniowy (wektorowy), model kwadratowy (idealny lub antyidealny), model odrębnych użyteczności cząstkowych oraz model mieszany. W modelu liniowym poszukuje się oszacowania tylko jednego parametru wyrażającego wagę danej zmiennej objaśniającej. Jest on następnie mnożony przez kolejne wartości poziomów tej zmiennej. Zakłada się tu istnienie liniowego związku między wartościami użyteczności cząstkowych zmiennych objaśniających a wartościami poziomów tych zmiennych. W modelu kwadratowym poza istnieniem liniowego związku między wartościami użyteczności cząstkowych zmiennych objaśniających a wartościami poziomów tych zmiennych, dopuszcza się możliwość występowania zależności krzywoliniowej. W przypadku modelu odrębnych użyteczności cząstkowych z każdym poziomem zmiennej objaśniającej może być związana inna wartość parametru określającego kierunek oraz siłę związku zachodzącego między użytecznościami cząstkowymi i poziomami zmiennych. Model mieszany charakteryzuje się tym, że zależności zachodzące między wartościami użyteczności całkowitych poszczególnych profili prezentowanych respondentom do oceny a wartościami poziomów zmiennych objaśniających opisujących te obiekty są analizowane odrębnie dla każdej zmiennej objaśniającej 6. Materiał badawczy wykorzystywany w conjoint analysis stanowią przede wszystkim dane marketingowe uzyskiwane zwykle w wyniku badań ankietowych. Metoda gromadzenia danych zastosowana w badaniach ma decydujący wpływ na wybór odpowiednich technik szacowania wartości użyteczności cząstkowych oraz poziom wiarygodności ocen dokonywanych przez respondentów. Metody stosowane do prezentacji danych to przede wszystkim: - metoda pełnych profili wyboru (full-profile approach) obejmuje zbiór wszystkich możliwych profili będących kombinacją atrybutów i ich poziomów, - metoda prezentacji dwóch atrybutów jednocześnie nazywana również metodą korzystającą z macierzy kompromisów (two-attributes-at-a-time approach lub trade-off matrix approach) polega na prezentowaniu respondentom do oceny par atrybutów w 6 Walesiak M., Bąk A., Conjoint analysis w badaniach marketingowych, Wydawnictwo AE we Wrocławiu, Wrocław 2000, s
4 formie macierzy; liczba kolumn (wierszy) macierzy jest równa liczbie poziomów pierwszego (drugiego) z atrybutów, - metoda porównywania profili parami (pairwise comparision method) łączy w sobie metodę pełnych profili wyborów z metodą korzystania z macierzy kompromisów; respondent porównuje profile parami, nie ocenia wszystkich profili jednocześnie ale w każdym kroku określania swoich preferencji wskazuje na jeden z dwóch prezentowanych profili, - metoda wyboru spośród zbiorów profili (the experimental choice approach) tworzone są zbiory profili (każdy zbiór zawiera dwa lub więcej profili), respondenci natomiast proszeni są o wybór najbardziej preferowanego profilu w ramach każdego zbioru, - metoda oceny poziomów i atrybutów (self-explicated data approach)- składa się z dwóch etapów. W pierwszym etapie respondent ocenia poziomy atrybutów ( np. w skali 10 punktowej) a następnie określa relatywną ważność poszczególnych atrybutów opisujących badane obiekty. Iloczyn oceny poziomu oraz oceny atrybutu daje użyteczność cząstkową a suma tych profili dla wszystkich atrybutów to użyteczność całkowita 7. Zadaniem metod pomiaru łącznego oddziaływania zmiennych jest określenie łącznego wpływu dwóch lub więcej zmiennych niezależnych na zmienną zależną. Zmienna zależna mierzona jest na skali porządkowej, przedziałowej lub ilorazowej. Zależnie od stosowanej skali pomiaru wyróżnia się metryczne procedury estymacji dla zmiennej zależnej mierzonej na skali przedziałowej lub ilorazowej oraz niemetryczne procedury estymacji dla zmiennej zależnej mierzonej na skali porządkowej. Stosowane są również metody bazujące na prawdopodobieństwie wyboru. Metody te stosowane są głównie w badaniach marketingowych, w celu pomiaru preferencji konsumentów w stosunku do produktów opisanych wieloma zmiennymi. Rezultatem zastosowania tych metod jest macierz współczynników użyteczności 8. Przykładem metrycznej metody estymacji parametrów jest klasyczna metoda najmniejszych kwadratów (OLS Ordinary Least Squares). Zmienną zależną stanowi ocena przypisana przez respondenta poszczególnym profilom, natomiast sposób zdefiniowania zmiennych objaśniających uzależniony jest od założonego związku między użytecznościami cząstkowymi i poziomami zmiennych. Wpływ poziomu zmiennej na ocenę poszczególnych 7 Walesiak M., Gromadzenie danych w procedurze conjoint analysis, Przegląd Statystyczny, vol.48, 2001, s Dziechciarz J., Walesiak M., Gromadzenie i analiza danych marketingowych wspomagane komputerem, Prace Naukowe AE Wrocław, Informatyka i Ekonomia, 1997, nr 743, s
5 profili określany jest przez sztuczne zmienne objaśniające. Liczba sztucznych zmiennych musi być mniejsza o jeden od liczby poziomów danej zmiennej nominalnej. Liczba zmiennych wprowadzanych do modelu zależy od liczby profili ocenianych przez respondentów. Procedura monotonicznej analizy wariancji (MONANOVA MONotonic ANalysis Of Ariance) to przykład niemetrycznej metody estymacji parametrów. Polega ona na odtwarzaniu położenia n obiektów w t-wymiarowej przestrzeni na podstawie znanego uporządkowania rangowego tych obiektów. Uporządkowanie to można uzyskać poprzez badania ankietowe. MONANOVA jest procedurą iteracyjną, która w kolejnych cyklach przybliża rozwiązanie optymalne. W przypadku, gdy zmienna objaśniana ma charakter dychotomiczny (jest zmienną dwumianową, np. zero-jedynkową) stosuje się probabilistyczne metody estymacji parametrów modelu, takie jak analiza logitowa oraz analiza probitowa. Obie metody umożliwiają transformację prawdopodobieństwa z przedziału [0;1]na przedział (-,+ ). W wyniku zastosowania transformacji logitowej powstaje poprawny logitowy model regresji. Przekształcenie logitowe definiuje się za pomocą wzoru: p logit(p) = log p gdzie: logit(p) wartość logitu dla danego p, p wartość prawdopodobieństwa lub częstość występowania określonego zdarzenia w próbie. W wyniku zastosowania transformacji probitowej powstaje poprawny probitowy model regresji. Przekształcenie probitowe definiuje się za pomocą wzoru: probit(p) = F -1 (p) gdzie: p wartość prawdopodobieństwa lub częstość występowania określonego zdarzenia, F dystrybuanta standaryzowanej zmiennej o rozkładzie normalnym (rozkładu normalnego o wartości oczekiwanej równej 0 i odchyleniu standardowemu równemu 1) 9. Procedura metody conjoint analysis składa się z kilku etapów. Pierwszym etapem jest określenie dla danego produktu lub usługi, podstawowych charakterystyk oraz 9 Walesiak M., Bąk A., Conjoint analysis w badaniach marketingowych, Wydawnictwo AE we Wrocławiu, Wrocław 2000, s Porównaj: Zależności przyczynowo-skutkowe w badaniach rynkowych i marketingowych, pod red. Mynarskiego S., Wydawnictwo AE w Krakowie, Kraków 2002, s
6 odpowiadających im poziomów. Na tej podstawie tworzy się zbór hipotetycznych produktów. Ich liczba jest iloczynem liczby poziomów wyróżnionych dla wszystkich charakterystyk produktów. Kolejnym etapem jest ustalenie zbioru respondentów badania. Każdy z respondentów proszony jest o ocenę hipotetycznych produktów na skali porządkowej, przedziałowej lub ilorazowej biorąc pod uwagę skłonność do nabycia danego produktu. Następnie szacuje się wartości użyteczności wiązane przez respondenta z danym poziomem zmiennej. Uzyskuje się w ten sposób macierz użyteczności cząstkowych, w której liczba wierszy odpowiada liczbie respondentów, natomiast liczba kolumn liczbie wyróżnionych poziomów dla wszystkich zmiennych 10. Rezultatem zastosowania metody conjoint analysis jest uzyskanie użyteczności cząstkowych. Użyteczności cząstkowe wykorzystywane są w badaniach marketingowych w celu: - zdefiniowania produktu o optymalnych charakterystykach, - określenia relatywnej ważności każdej zmiennej przy wyborze produktu przez nabywcę, - określenie użyteczności każdego poziomu danej zmiennej, - oszacowania udziału w rynku wybranych produktów, - segmentacji rynku i pozycjonowania produktu 11. Główne zalety stosowania conjoint analysis jako testu produktów to przede wszystkim: - w procesie porównawczym oceniane są całe produkty, a nie wyizolowane ich cechy, - określone zostają najistotniejsze dla klienta właściwości produktu oraz kombinacje cech produktów mających największy wpływ na prawdopodobieństwo zakupu produktu, - określona zostaje najbardziej preferowana zależność pomiędzy ceną a użytecznością danego produktu, - preferencje popytu mogą być indywidualnie analizowane, - biorąc pod uwagę wpływ ofert konkurencji można określić, które tendencyjne wypowiedzi mają największe szanse w alternatywnych strategiach marketingowych, - istnieje wysoka zgodność z rzeczywistością Walesiak M., Gromadzenie danych w procedurze conjoint analysis, op. cit., s Porównaj: Walesiak M., Metody analizy danych marketingowych, PWN, Warszawa 1996, s Zastosowanie metod wielowymiarowych w badaniach segmentacji i selektywności rynku, pod red. Mynarskiego S., Wydawnictwo AE w Krakowie, Kraków 1999, s Produkttest via Conjoint-Measurement, (data odczytu ). 6
7 Z drugiej strony należy jednak pamiętać, że conjoint analysis nie jest precyzyjnie zdefiniowaną metodą badań, ale złożoną z wielu elementów procedurą badawczą. Mogą być w niej stosowane alternatywne techniki estymacji parametrów oraz różnorodne ścieżki analizy danych. Wiąże się to z pewnymi trudnościami polegającymi na konieczności wyboru kierunku postępowania w sytuacji, w której nie istnieją jednoznaczne kryteria hierarchii istniejących wariantów postępowania. Właściwości formalne i obliczeniowe (numeryczne) poszczególnych metod i technik oraz ich konfiguracje wciąż stanowią przedmiot badań Metodologia badań z zastosowaniem metody conjoint analysis W celu zaprezentowania metodologii badań prowadzonych przy pomocy conjoint analysis badaniu poddano grupę 105 studentów dwóch krakowskich uczelni wyższych, zróżnicowanych pod względem płci, wieku, miejsca zamieszkania i miejsca pochodzenia. Próbę dobrano losowo. Przedmiotem badań było poznanie preferencji wybranego segmentu rynku wobec oferty dwóch kluczowych producentów napojów gazowanych typu cola w Polsce. Badanie miało na celu sprecyzowanie podstawowych cech produktu, które najpełniej zaspokajałyby potrzeby przedstawicieli wybranego segmentu. Jako narzędzie pomiarowe posłużył kwestionariusz ankiety z zastosowaniem skal nominalnych, porządkowych i stosunkowych oraz pytań otwartych. Przed rozpoczęciem badań określono problem badawczy, który miał ułatwić zebranie informacji koniecznych do zbadania preferencji wybranego segmentu rynku na rynku napojów gazowanych typu cola. Respondenci stanęli przed wyborem napoju typu cola produkowanego przez dwóch producentów (Coca-Cola, PEPSI Co.). W opracowaniu każdy wariant opisany był przez trzy zmienne determinujące wybór: Z 1 marka: - Coca-Cola, - PEPSI; Z 2 smak: - klasyczny, - light, - owocowy; Z 3 opakownie: - puszka, 13 Zastosowanie metod wielowymiarowych w badaniach segmentacji i selektywności rynku, pod red. Mynarskiego S., op. cit., s85. 7
8 - butelka z tworzywa sztucznego 0,5l, - butelka z tworzywa sztucznego 2,0l. Zbiór atrybutów i ich poziomów uwzględnionych w badaniu został wytypowany na podstawie wstępnego sondażu przeprowadzonego wśród studentów. W oparciu o wyróżnione zmienne oraz odpowiadające im poziomy utworzono zbiór 18 hipotetycznych wariantów produktu. Liczba ta jest iloczynem liczby poziomów wszystkich zmiennych opisujących warianty wyboru napoju gazowanego typu cola (3 zmienne o 2,3,3 poziomach). Następnie za pomocą klasycznej metody najmniejszych kwadratów dokonano estymacji użyteczności cząstkowych w oparciu o uzyskane oceny respondentów. 3. Wyniki przeprowadzonych badań Na podstawie badań ustalono, że 85 % badanych respondentów pije napoje gazowane typu cola. Osoby te charakteryzują się różnymi preferencjami w zakresie wybieranych marek, preferowanego smaku oraz rodzajów i pojemności opakowania. Konsumenci wybierając daną markę napoju kierują się różnymi motywami. W oparciu o przeprowadzone badania ankietowe zbadano, która z marek napojów gazowanych typu cola jest najczęściej wybierana przez respondentów. Wyniki badań zostały zaprezentowane na rysunku 1. Jak wynika z badań, marką najczęściej wybieraną przez respondentów jest Coca-Cola, dla której wartość użyteczności cząstkowej wynosi 2,87. Wartość użyteczności cząstkowej dla Pepsi wynosi 0. 3,5 wskaźnik użyteczności 3 2,5 2 1,5 1 0,5 0 coca-cola pepsi marka Rys.1. Preferowane marki napojów typu cola. Źródło: opracowanie własne. 8
9 Badaniu poddano również preferencje konsumentów dotyczące najczęściej wybieranego smaku napojów gazowanych typu cola (rysunek 2). Z rysunku 2 wynika, że przeważająca większość badanych respondentów wybiera napoje o smaku klasycznym wartość użyteczności cząstkowej wynosi 8,54. Nieco mniej respondentów decyduje się na dietetyczne napoje light (zawierające aspatran zamiast cukru). Tu wartość użyteczności cząstkowej wynosi 5,66. Najmniej respondentów preferuje napoje gazowane typu cola o smaku owocowym (wartość użyteczności cząstkowej 0). 10 wskaźnik użyteczności owocowy klasyczny light smak Rys.2. Preferencje konsumentów dotyczące smaku napojów gazowanych typu cola. Źródło: opracowanie własne. Konsumenci mogą kupować napoje gazowane typu cola w różnych opakowaniach. Zróżnicowanie to dotyczy zarówno materiału, z którego wykonane jest opakowanie jak i pojemności opakowania. Ich preferencje zostały przedstawione na rysunku 3. Największym powodzeniem cieszą się napoje w butelkach z tworzywa sztucznego o pojemności 0,5l. Ten rodzaj opakowania wybiera większość badanych (wartość użyteczności cząstkowej 2,71). Znacznie mniejszym zainteresowaniem cieszą się napoje w butelkach z tworzywa o pojemności 2,0l (wartość użyteczności cząstkowej 0,95) oraz napoje w puszkach wartość użyteczności cząstkowej 0). 9
10 wskaźnik użyteczności 3 2,5 2 1,5 1 0,5 0 puszka PET 0,5l PET 2,0l opakowanie Rys.3. Preferencje konsumentów dotyczące rodzaju opakowania napojów typu cola. Źródło: opracowanie własne. Przeprowadzono również analizę determinant wpływających na wybór konkretnej marki napoju typu cola. W oparciu o zebrane dane stwierdzono, że największe znaczenie przy wyborze konkretnej marki napoju typu cola ma smak (średnia arytmetyczna 4,73). Znacznie mniejsze znaczenie ma dla respondentów mają marka oraz rodzaj opakowania (uzyskana średnia arytmetyczna odpowiednio 1,43 oraz 1,22). średnia arytmetyczna 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 smak marka opakowanie Rys.4. Ważność poszczególnych zmiennych przy wyborze marki napoju typu cola. Źródło: opracowanie własne. 10
11 W badaniach uczestniczyły 62 kobiety oraz 44 mężczyzn. Jak się okazało, 13% badanych kobiet oraz niecałe 3% badanych mężczyzn deklaruje, że nie pije napojów gazowanych typu cola. Analizując tylko kobiety pijące napoje gazowane typu cola, aż 62% wybiera Pepsi, a zaledwie 38% Coca-Colę. Zupełnie inaczej preferencje te wyglądają w przypadku mężczyzn. Ponad 52% badanych mężczyzn (pijących napoje gazowane typu cola ) wybiera Coca-Cola, a 46% Pepsi. Z rysunku 5 wynika, że mężczyźni mając do wyboru Coca-Colę oraz Pepsi zdecydowanie chętniej wybiorą Coca-Colę ( użyteczność cząstkowa 3,34). Konieczność zakupu Pepsi (użyteczność cząstkowa 0) zamiast Coca-Coli stanowiłaby dla nich duży dyskomfort, o czym świadczy spora rozpiętość między wartościami użyteczności każdego z napojów. W przypadku kobiet natomiast, mimo iż preferują one Pepsi, nie ma to aż tak dużego znaczenia. Potwierdza to niewielka różnica między wartościami użyteczności analizowanych marek. 4 wskaźnik użyteczności Coca-Cola Pepsi marka kobiety mężczyźni Rys.5. Preferowane marki napojów typu cola. Źródło: opracowanie własne. W kwestii smaku (rysunek 6) zarówno kobiety jak i mężczyźni wykazują jednakowe preferencje. Zdecydowanie wybierają smak klasyczny (użyteczność cząstkowa 5,07) przed smakiem light (użyteczność cząstkowa dla kobiet 2,54 oraz dla mężczyzn 2,75) oraz smakiem owocowym (użyteczność cząstkowa 0). 11
12 wskaźnik użyteczności owocowy klasyczny light smak kobiety mężczyźni Rys.6. Preferencje konsumentów dotyczące smaku napojów gazowanych typu cola. Źródło: opracowanie własne. Również w przypadku wybieranych typów opakowań preferencje zarówno kobiet jak i mężczyzn są zbliżone. W obu przypadkach najmniej preferowanym opakowaniem jest butelka z tworzywa sztucznego (PET) o pojemności 2,0l (użyteczność cząstkowa dla kobiet -0,8 a dla mężczyzn -1,65), natomiast najczęściej wybieranym opakowaniem jest butelka z tworzywa sztucznego (PET) o pojemności 0,5l (użyteczność cząstkowa dla kobiet 0,95 a dla mężczyzn 0,3). wskaźnik użyteczności 1,5 1 0,5 0-0,5-1 -1,5-2 puszka PET 0,5l PET 2,0l opakowanie kobiety mężczyźni Rys.7. Preferencje konsumentów dotyczące rodzaju opakowania napojów typu cola. Źródło: opracowanie własne. 12
13 Aż 26% respondentów zamieszkujących wieś nie pije napojów gazowanych typu cola. Natomiast ci, którzy deklarują spożywanie ww. napojów, z reguły wybierają Coca- Colą (2,20) o smaku klasycznym (4,98 klasyczny, 3,34 light, 0 - owocowy) w opakowaniu PET 0,5l (1,24). Mieszkańcy miasta zwykle piją Coca-Colę, chociaż różnica wartości użyteczności jest niewielka 0,42 dla Coca-Coli i 0 dla Pepsi. Zdecydowanie preferują oni smak klasyczny (5,52 klasyczny, 2,35- light, 0 - owocowy) oraz opakowanie PET 0,5l (0,48). Zakończenie W oparciu o przeprowadzone badania sprecyzowano preferowany profil produktu dla badanego segmentu rynku, którym był rynek studentów krakowskich uczelni. Preferowanym i najczęściej wybieranym napojem gazowanym typu cola jest Pepsi (w przypadku kobiet) oraz Coca-Cola (w przypadku mężczyzn) o smaku klasycznym, w opakowaniu z tworzywa sztucznego, o pojemności 0,5l. Wyznaczono również charakterystyki opisujące potencjalnych nabywców wyodrębnionego segmentu. Są to przede wszystkim mieszkańcy miasta, spożywający Pepsi (w przypadku kobiet) lub Coca-Colę (w przypadku mężczyzn) o smaku klasycznym, w opakowaniu z tworzywa sztucznego, o pojemności 0,5l. 13
14 LITERATURA 1. Conjoint analysis tutorial, (data odczytu ). 2. Dziechciarz J., Walesiak M., Gromadzenie i analiza danych marketingowych wspomagane komputerem, Prace Naukowe AE Wrocław, Informatyka i Ekonomia, 1997, nr Kłeczek R., Kowal W., Woźniczka J., Strategiczne planowanie marketingowe, Polskie Wydawnictwo Ekonomiczne, Warszawa Mazurek-Łopacińska K., Zachowania nabywców jako podstawa strategii marketingowej, Wydawnictwo AE we Wrocławiu, Wrocław Produkttest via Conjoint-Measurement, (data odczytu ) 6. Walesiak M., Bąk A., Conjoint analysis w badaniach marketingowych, Wydawnictwo AE we Wrocławiu, Wrocław Walesiak M., Gromadzenie danych w procedurze conjoint analysis, Przegląd Statystyczny, vol.48, Walesiak M., Metody analizy danych marketingowych, PWN, Warszawa Techniki badawcze, (data odczytu ). 10. Zależności przyczynowo-skutkowe w badaniach rynkowych i marketingowych, pod red. Mynarskiego S., Wydawnictwo AE w Krakowie, Kraków Zastosowanie metod wielowymiarowych w badaniach segmentacji i selektywności rynku, pod red. Mynarskiego S., Wydawnictwo AE w Krakowie, Kraków
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
Bardziej szczegółowoMetodyczne problemy badań preferencji konsumenckich
Anna Szymańska Metodyczne problemy badań preferencji konsumenckich Wstęp Badania preferencji konsumenckich prowadzone są w celu poznania systemu ocen odzwierciedlających potrzeby i upodobania konsumenta,
Bardziej szczegółowoBadania 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
Bardziej szczegółowoProf. 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
Bardziej szczegółowoSEGMENTACJA 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
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoWykład 10 Skalowanie wielowymiarowe
Wykład 10 Skalowanie wielowymiarowe Wrocław, 30.05.2018r Skalowanie wielowymiarowe (Multidimensional Scaling (MDS)) Główne cele MDS: przedstawienie struktury badanych obiektów przez określenie treści wymiarów
Bardziej szczegółowoRAPORT Z BADANIA ANKIETOWEGO NA TEMAT WPŁYWU CENY CZEKOLADY NA JEJ ZAKUP. Katarzyna Szady. Sylwia Tłuczkiewicz. Marta Sławińska.
RAPORT Z BADANIA ANKIETOWEGO NA TEMAT WPŁYWU CENY CZEKOLADY NA JEJ ZAKUP Katarzyna Szady Sylwia Tłuczkiewicz Marta Sławińska Karolina Sugier Badanie koordynował: Dr Marek Angowski Lublin 2012 I. Metodologia
Bardziej szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoZarządzanie strategiczne. Dr inż. Aleksander Gwiazda. Wykład 6. Segmentacja strategiczna
Dr inż. Aleksander Gwiazda Zarządzanie strategiczne Wykład 6 Segmentacja strategiczna Plan wykładu Idea segmentacji strategicznej Metody segmentacji Cechy segmentacji Ograniczenia segmentacji Przykłady
Bardziej szczegółowoZASTOSOWANIE 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
Bardziej szczegółowoRaport z badań na temat: Zachowanie klienta podczas zakupu kawy
Raport z badań na temat: Zachowanie klienta podczas zakupu kawy Elżbieta Stupak Karolina Orzeł Aneta Mazurek Kamila Mołdoch Spis treści 1. Metodologia... 3 1.1.Cel badania... 3 1.2. Zakres przedmiotowy...
Bardziej szczegółowoĆwiczenia nr 11. mgr Jolanta Tkaczyk
Ćwiczenia nr 11 mgr Jolanta Tkaczyk Segmentacja Segmentacja to podział rynku na jednorodne grupy z punktu widzenia reakcji konsumentów na produkt marketingowy Segmentacja umożliwia dostosowanie oferty
Bardziej szczegółowoMARKETING USŁUG ZDROWOTNYCH
MARKETING USŁUG ZDROWOTNYCH Beata Nowotarska-Romaniak wydanie 3. zmienione Warszawa 2013 SPIS TREŚCI Wstęp... 7 Rozdział 1. Istota marketingu usług zdrowotnych... 11 1.1. System marketingu usług... 11
Bardziej szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
Bardziej szczegółowoAnaliza składowych głównych. Wprowadzenie
Wprowadzenie jest techniką redukcji wymiaru. Składowe główne zostały po raz pierwszy zaproponowane przez Pearsona(1901), a następnie rozwinięte przez Hotellinga (1933). jest zaliczana do systemów uczących
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoDr Kalina Grzesiuk. Produkt
Dr Kalina Grzesiuk Produkt Produkt - każdy obiekt rynkowej wymiany; wszystko to, co można zaoferować nabywcom do konsumpcji, użytkowania lub dalszego przerobu w celu zaspokojenia jakiejś potrzeby. Produktami
Bardziej szczegółowoMINISTER INWESTYCJI I ROZWOJU 1)
projekt z dnia 22 lutego 2019 r. MINISTER INWESTYCJI I ROZWOJU 1) Warszawa, dnia STANDARD ZAWODOWY RZECZOZNAWCÓW MAJĄTKOWYCH NR 2 WYCENA NIERUCHOMOŚCI PRZY ZASTOSOWANIU PODEJŚCIA PORÓWNAWCZEGO Na podstawie
Bardziej szczegółowoRecenzenci Stefan Mynarski, Waldemar Tarczyński. Redaktor Wydawnictwa Anna Grzybowska. Redaktor techniczny Barbara Łopusiewicz. Korektor Barbara Cibis
Komitet Redakcyjny Andrzej Matysiak (przewodniczący), Tadeusz Borys, Andrzej Gospodarowicz, Jan Lichtarski, Adam Nowicki, Walenty Ostasiewicz, Zdzisław Pisz, Teresa Znamierowska Recenzenci Stefan Mynarski,
Bardziej szczegółowoTeoria Estymacji. Do Powyżej
Teoria Estymacji Zad.1. W pewnym przedsiębiorstwie wylosowano niezależnie próbę 25 pracowników. Staż pracy (w latach) tych pracowników w 1996 roku był następujący: 37; 34; 0*; 5; 17; 17; 0*; 2; 24; 33;
Bardziej szczegółowoSATYSFAKCJA KLIENTÓW SKLEPÓW SPOŻYWCZYCH FUNKCJONUJĄCYCH W SIECI HANDLOWEJ - BADANIA ANKIETOWE
Anna Kasprzyk Mariusz Giemza Katedra Zarządzania Jakością Uniwersytet Ekonomiczny w Krakowie SATYSFAKCJA KLIENTÓW SKLEPÓW SPOŻYWCZYCH FUNKCJONUJĄCYCH W SIECI HANDLOWEJ - BADANIA ANKIETOWE Wprowadzenie
Bardziej szczegółowoStatystyka 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
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoTechnikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu
Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Wymagania edukacyjne niezbędne do uzyskania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z obowiązkowych
Bardziej szczegółowoWizerunek napojów Coca-Cola i Pepsi
Wizerunek napojów Coca-Cola i Pepsi Przedmiot: Badania w Public Relations Uniwersytet Ekonomiczny w Poznaniu Termin realizacji badań: czerwiec 2011 roku Autorzy: Damian Cejrowski Łukasz Flieger Natalia
Bardziej szczegółowoMateriał dydaktyczny dla nauczycieli przedmiotów ekonomicznych MENEDŻER. Wprowadzenie do problematyki decyzji menedżerskich. Mgr Piotr Urbaniak
Materiał dydaktyczny dla nauczycieli przedmiotów ekonomicznych MENEDŻER Wprowadzenie do problematyki decyzji menedżerskich Mgr Piotr Urbaniak Wprowadzenie 1 2 3 4 Czym jest ekonomia menedżerska? Etapy
Bardziej szczegółowoWprowadzenie 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
Bardziej szczegółowoSkalowanie wielowymiarowe idea
Skalowanie wielowymiarowe idea Jedną z wad metody PCA jest możliwość używania jedynie zmiennych ilościowych, kolejnym konieczność posiadania pełnych danych z doświadczenia(nie da się użyć PCA jeśli mamy
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli
Bardziej szczegółowoSegmentacja i wybór rynku docelowego. mgr Jolanta Tkaczyk
Segmentacja i wybór rynku docelowego mgr Jolanta Tkaczyk Segmentacja Segmentacja to podział rynku na jednorodne grupy z punktu widzenia reakcji konsumentów na produkt marketingowy Segmentacja umożliwia
Bardziej szczegółowoAnaliza 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
Bardziej szczegółowoMikroekonometria 9. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 9 Mikołaj Czajkowski Wiktor Budziński Wielomianowy model logitowy Uogólnienie modelu binarnego Wybór pomiędzy 2 lub większą liczbą alternatyw Np. wybór środka transportu, głos w wyborach,
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoZastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH
Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego Łukasz Kończyk WMS AGH Plan prezentacji Model regresji liniowej Uogólniony model liniowy (GLM) Ryzyko ubezpieczeniowe Przykład
Bardziej szczegółowoAnaliza zależności liniowych
Narzędzie do ustalenia, które zmienne są ważne dla Inwestora Analiza zależności liniowych Identyfikuje siłę i kierunek powiązania pomiędzy zmiennymi Umożliwia wybór zmiennych wpływających na giełdę Ustala
Bardziej szczegółowoRaport z badania ankietowego
Raport z badania ankietowego Jakość czekolady Strategie Marketingowe 2012/2013 r. Opracowały: Sylwia Kozłowicz Urszula Miś Anna Robak Weronika Sowa 1 Spis treści: Streszczenie wstępne.3 1. Wprowadzenie......4
Bardziej szczegółowoPodstawowe pojęcia statystyczne
Podstawowe pojęcia statystyczne Istnieją trzy rodzaje kłamstwa: przepowiadanie pogody, statystyka i komunikat dyplomatyczny Jean Rigaux Co to jest statystyka? Nauka o metodach ilościowych badania zjawisk
Bardziej szczegółowoWSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno
WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowoPrzykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku
Przykład 2 Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku Sondaż sieciowy analiza wyników badania sondażowego dotyczącego motywacji w drodze do sukcesu Cel badania: uzyskanie
Bardziej szczegółowoWymagania edukacyjne na poszczególne oceny zgodne z podstawą programową kształcenia w zawodzie Technik Organizacji Reklamy
Wymagania edukacyjne na poszczególne oceny zgodne z podstawą programową kształcenia w zawodzie Technik Organizacji Reklamy Przedmiot: marketing Klasa: 1 Imię i nazwisko nauczyciela prowadzącego: Małgorzata
Bardziej szczegółowoElementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej
Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoANALIZA PREFERENCJI KONSUMENTÓW Z WYKORZYSTANIEM PROGRAMU STATISTICA ANALIZA CONJOINT I SKALOWANIE WIELOWYMIAROWE
ANALIZA PREFERENCJI KONSUMENTÓW Z WYKORZYSTANIEM PROGRAMU STATISTICA ANALIZA CONJOINT I SKALOWANIE WIELOWYMIAROWE Adam Sagan, Uniwersytet Ekonomiczny w Krakowie Preferencje w zachowaniach konsumenta Badania
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoSTRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.
STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
Bardziej szczegółowoMODELE 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
Bardziej szczegółowoStatystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski
Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu
Bardziej szczegółowoMatematyka - 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
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoPo co nam charakterystyki liczbowe? Katarzyna Lubnauer 34
Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34 Def. Charakterystyki liczbowe to wielkości wyznaczone na podstawie danych statystycznych, charakteryzujące własności badanej cechy. Klasyfikacja
Bardziej szczegółowoEkonomiczny Uniwersytet Dziecięcy
Ekonomiczny Uniwersytet Dziecięcy Rola marketingu we współczesnym biznesie Czym jest marketing? dr Magdalena Daszkiewicz Uniwersytet Ekonomiczny we Wrocławiu 26 listopada 2018 r. EKONOMICZNY UNIWERSYTET
Bardziej szczegółowoW1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowoBadania Statystyczne
Statystyka Opisowa z Demografią oraz Biostatystyka Badania Statystyczne Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej szczegółowoZad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Bardziej szczegółowoDziałania 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
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2012/2013
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 0/03 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowoZadanie 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
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoMETODY 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
Bardziej szczegółowoANALIZA CONJOINT. W prezentacji wykorzystano m.in. materiały pochodzące z firmy Pentor Research International oraz Sawtooth Software, Inc.
ANALIZA CONJOINT W prezentacji wykorzystano m.in. materiały pochodzące z firmy Pentor Research International oraz Sawtooth Software, Inc. Co to jest Conjoint? Metoda poznania jak podejmowane są decyzje
Bardziej szczegółowoBadania 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
Bardziej szczegółowoEkonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Modelowanie zmiennej jakościowej Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 8 Zmienna jakościowa 1 / 25 Zmienna jakościowa Zmienna ilościowa może zostać zmierzona
Bardziej szczegółowoEkonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007
, transformacja liniowa i estymacja modelu KMNK Paweł Cibis pawel@cibis.pl 9 marca 2007 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności Skorygowany R
Bardziej szczegółowoRozkłady zmiennych losowych
Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41
Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna
Bardziej szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowoBadania marketingowe 2013_2. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2013_2 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoTabela 1. Macierz preferencji dotycząca pięciu przykładowych produktów (obiektów) i sześciu respondentów
Marcin Pełka Uniwersytet Ekonomiczny we Wrocławiu Katedra Ekonometrii i Informatyki ZASTOSOWANIE ANALIZY UNFOLDING W OCENIE PREFERENCJI UCZNIÓW SZKOŁY POLICEALNEJ Streszczenie: W artykule przedstawiono
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 5 Mikołaj Czajkowski Wiktor Budziński Zadanie 1. Wykorzystując dane me.medexp3.dta przygotuj model regresji kwantylowej 1. Przygotuj model regresji kwantylowej w którym logarytm wydatków
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoSprowadzenie rzeczywistości do pewnych jej elementów określanych jako zmienne i stałe, razem z relacjami, jakie między tymi elementami zachodzą.
Model: Sprowadzenie rzeczywistości do pewnych jej elementów określanych jako zmienne i stałe, razem z relacjami, jakie między tymi elementami zachodzą. Odwzorowanie rzeczywistości poprzez definiowanie
Bardziej szczegółowoPRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 780 PROGNOZOWANIE W ZARZĄDZANIU FIRMĄ 1997
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 780 PROGNOZOWANIE W ZARZĄDZANIU FIRMĄ 1997 Marek Walesiak, Józef Dziechciarz, Anna Blaczkowska Akademia Ekonomiczna we Wrocławiu CONJOINT MEASUREMENT
Bardziej szczegółowoWykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap
Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap Magdalena Frąszczak Wrocław, 21.02.2018r Tematyka Wykładów: Próba i populacja. Estymacja parametrów z wykorzystaniem metody
Bardziej szczegółowoStatystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski
Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW STATYSTYKA to nauka, której przedmiotem
Bardziej szczegółowoBadanie zależności skala nominalna
Badanie zależności skala nominalna I. Jak kształtuje się zależność miedzy płcią a wykształceniem? II. Jak kształtuje się zależność między płcią a otyłością (opis BMI)? III. Jak kształtuje się zależność
Bardziej szczegółowoEkonometria. 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
Bardziej szczegółowoMikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 6 Mikołaj Czajkowski Wiktor Budziński Metody symulacyjne Monte Carlo Metoda Monte-Carlo Wykorzystanie mocy obliczeniowej komputerów, aby poznać charakterystyki zmiennych losowych poprzez
Bardziej szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Bardziej szczegółowoCzęść I Formułowanie celów i organizacja badań
Spis treści Wstęp Część I Formułowanie celów i organizacja badań 1. Przedmiot i etapy badań marketingowych 1.1. Istota, przesłanki i użyteczność badań marketingowych 1.1.1. Definicja i cele badań 1.1.2.
Bardziej szczegółowoMARKETING BANKOWY NA SERWISACH SPOŁECZNOŚCIOWYCH MEDIA DLA CZŁOWIEKA CZY CZŁOWIEK DLA MEDIÓW
MARKETING BANKOWY NA SERWISACH SPOŁECZNOŚCIOWYCH MEDIA DLA CZŁOWIEKA CZY CZŁOWIEK DLA MEDIÓW Autorzy mgr Natalia Sławińska mgr inż. Jarosław Świdyński Doktoranci Uniwersytetu Warmińsko- Mazurskiego w Olsztynie.
Bardziej szczegółowoWYKAZ 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
Bardziej szczegółowoPDF 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
Bardziej szczegółowoBRAND 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.
Bardziej szczegółowoPodstawy Marketingu. Marketing zagadnienia wstępne
Podstawy Marketingu Marketing zagadnienia wstępne Definicje marketingu: Marketing to zyskowne zaspokajanie potrzeb konsumentów /Kotler 1994/. Marketing to kombinacja czynników, które należy brać pod uwagę
Bardziej szczegółowoWeryfikacja 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
Bardziej szczegółowoW2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
Bardziej szczegółowoWYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO
Zał. nr 4 do ZW WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA STOSOWANA Nazwa w języku angielskim APPLIED STATISTICS Kierunek studiów (jeśli dotyczy): Specjalność
Bardziej szczegółowoAMBITNYCH 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
Bardziej szczegółowo