Strukturalna ekwiwalencja łańcuchów środków-celów

Pełen tekst

(1)Zeszyty Naukowe nr. 680. 2005. Akademii Ekonomicznej w Krakowie. Adam Sagan Katedra Analizy Rynku i Badaƒ Marketingowych. Strukturalna ekwiwalencja ∏aƒcuchów Êrodków-celów 1. Zało˝enia modelu Êrodków-celów Podejście środków-celów w badaniach zachowania konsumenta jest bardzo popularne w jakościowych badaniach marketingowych. Założenia teoretyczne tej metody wywodzą się z teorii konstruktów osobowych Kellyʼego, teorii wartości Rokeacha oraz teorii atrybucji i struktur poznawczych Scotta. W marketingu idee tego podejścia znajdują się w koncepcjach łańcuchów i struktur korzyści Younga i Feigena i Myersa1. Najbardziej dojrzałą postać podejście to znajduje w pracy Reynoldsa i Gutmana2. Koncepcyjny model środków-celów pozwala na identyfikację struktury poznawczej i motywacyjnej konsumentów. Integruje wiele perspektyw metodologicznych w badaniach konsumenta kładących nacisk na poznawczą organizację i kategoryzację produktów przez konsumentów. Podejście środków-celów, wychodząc z wieloatrybutowej teorii postaw Rosenberga i Fishbeina, podkreśla także hierarchiczną organizację celowych działań konsumenta. Podstawowe założenia teorii środków-celów są następujące: 1) postępowanie konsumenta na rynku ma charakter celowy wynikający z działań nakierowanych na zaspokajanie potrzeb i rozwiązywanie problemów; 2) działania konsumenta mają charakter świadomego i wolnego wyboru;. 1 S. Young, B. Feigen, Using the Benefit Chain for Improved Strategy Formulation, „Journal of Marketing” 1975, nr 39, s. 72–74; J.M. Myers, The Benefit Structure Analysis: A New Tool for Product Planning, „Journal of Marketing” 1976, nr 40, s. 23–32. 2 T.J. Reynolds, J. Gutman, Laddering Theory. Method, Analysis and Interpretation, „Journal of Advertising Research” 1988, nr 2, 11–31..

(2) 106. Adam Sagan. 3) najważniejszymi kryteriami wolnego i świadomego wyboru w procesie decyzyjnym są oczekiwane doświadczenia i konsekwencje wynikające z alternatyw wyboru; 4) zaspokajanie potrzeb związane jest z wyborami rynkowymi produktów, które stanowią doświadczane lub potencjalne korzyści bądź konsekwencje rozwiązywanych problemów; 5) konsekwencje mogą mieć charakter pozytywny – tych konsument poszukuje, lub negatywny – tych konsument unika; 6) konsekwencje i korzyści płynące z wyboru produktów są podstawowym układem odniesienia dla konsumentów; 7) konsumenci wybierają produkty, które maksymalizują pozytywne i minimalizują negatywne konsekwencje tych wyborów; 8) produkty są rozumiane jako zespoły konkretnych i abstrakcyjnych charakterystyk dostarczających konsumentom określonych korzyści, będące środkami osiągania celów; 9) osiągane cele mają charakter hierarchiczny i sekwencyjny, tworząc układy środków-celów. Hierarchia środków-celów występuje na trzech podstawowych poziomach: – identyfikacyjnym, związanym z sytuacyjnie zdefiniowanymi zachowaniami konsumpcyjnymi i podstawowymi funkcjonalnymi, psychologicznymi i społecznymi korzyściami (konsekwencjami) wynikającymi z używania produktu w danych sytuacjach; – motywacyjnym, dotyczącym ostatecznych celów i realizowanych wartości dzięki podejmowanym działaniom; – operacyjnym, odnoszącym się do planu działań i posiadanego przez konsumenta poznawczego schematu zachowania wynikającego z postrzeganych konkretnych i abstrakcyjnych cech produktu. Punktem wyjścia tej koncepcji jest założenie, że konsumenci traktują produkty jako zbiory charakteryzujących je atrybutów. Są to, z jednej strony, obiektywne, bezpośrednio mierzalne fizyczne cechy konkretne (np. kolor, kształt, materiał), które są bezpośrednio postrzegane przez konsumentów, a z drugiej – również obiektywne i już w mniejszym stopniu mierzalne funkcjonalne własności i właściwości znajdujące się na wyższym poziomie abstrakcji (np. komfort, jakość, trwałość). Atrybuty te określają subiektywne, niemierzalne bezpośrednio cechy abstrakcyjne produktu (takie jak np. styl czy image). Wielowymiarowość produktu i sposób postrzegania produktu przez konsumentów powoduje, że produkty są nabywane nie dla nich samych, lecz dla konsekwencji związanych z ich użyciem i służą jako środki rozwiązywania różnorakich problemów (w tym i symbolicznych) w drodze ich konsumpcji. Konsekwencje te również są wielopoziomowe. Najogólniej można wyróżnić konsekwencje funkcjonalne, związane z bezpośred-.

(3) Strukturalna ekwiwalencja łańcuchów środków-celów. 107. nimi korzyściami fizjologicznymi i utylitarnymi, psychologiczne – istotne dla zaspokojenia potrzeb psychicznych, emocjonalnych czy hedonistycznych w drodze ich konsumpcji, oraz społeczne – ważne dla realizacji ról, które konsumenci pełnią w życiu społecznym. Ostatecznym odniesieniem dla nich są instrumentalne i ostateczne wartości, które stanowią trwałe i centralne przekonania o pożądanych sposobach postępowania. Najczęściej przyjmuje się w badaniach tego poziomu listę wartości M. Rokeacha RVS . Połączenie podstawowych cech oraz funkcjonalnych korzyści produktu oraz bezpośrednich i pośrednich konsekwencji psychospołecznych, jak również wartości, które są podzielane przez konsumentów, tworzy hierarchiczny łańcuch celów-środków w ich strukturze wiedzy. 2. Identyfikacja ekwiwalencji strukturalnej łaƒcuchów Êrodków-celów Jednym z podejść w analizie środków-celów jest identyfikacja ekwiwalentnych struktur powiązań między elementami łańcucha środków-celów w kontekście analizy sieci społecznych3. W przeprowadzonych jakościowych badaniach empirycznych w celu identyfikacji map poznawczych cech chipsów ziemniaczanych zastosowano technikę sortowania kart4. Wyodrębnione w trakcie dyskusji grupowych cechy chipsów, konsekwencje ich wyboru oraz wartości wyróżnione na podstawie listy wartości LOV zostały zaprezentowane badanym w formie zestawu kart. W kolejnym kroku zadaniem badanych było łączenie kolejno najbardziej podobnych kart opisujących cechy, konsekwencje lub wartości aż do momentu, w którym połączone zostaną dwie ostatnie pary kart w jeden wspólny stos. Na każdym etapie łączenia kart badani rozdzielali je tzw. kartą kierunkową określającą kierunek relacji przyczynowych między daną cechą, konsekwencją a wartością. Uzyskana struktura łańcuchów środków-celów na każdym etapie wywiadu pogłębionego była weryfikowana dwoma typami kart – kartą „konsekwencji” (wskazującą na związki przyczynowe między cechami a konsekwencjami) oraz kartą typu „wyjaśnienia” (wskazującą na relacje zwrotne zachodzące między np. konsekwencjami a cechami). W analizie struktur poznawczych konsumentów wyodrębnianych na podstawie analizy środków-celów ważną rolę odgrywa pojęcie ekwiwalencji pozycji w strukturze sieci relacji. Wyróżnić można trzy podstawowe rodzaje ekwiwa3. Zob. A. Sagan, Metody sieciowe w analizie łańcuchów środków-celów z wykorzystaniem programu UCINET, Zeszyty Naukowe AE w Krakowie, nr 558, Kraków 2001. 4 Badaniami objęto grupę 26 studentów..

(4) Adam Sagan. 108. lencji: strukturalną, automorficzną i regularną. Ekwiwalencja strukturalna jest związana z podobieństwem wzorów relacji między elementami sieci, stąd dwie pozycje są wzajemnie ekwiwalentne, jeżeli mają te same relacje ze wszystkimi innymi pozycjami (np. jeżeli A prowadzi do C oraz B prowadzi do C, to A i B są strukturalnie ekwiwalentne – zastępowalne). Ekwiwalencja automorficzna odnosi się do zastępowalności położenia danych pozycji w strukturze sieci – jeżeli bez zmian własności sieci jako całości A może zmienić się położeniem z B, to A i B są amorficznie strukturalne. Regularna ekwiwalencja dotyczy podobieństwa profili powiązań z innymi pozycjami, które są także regularnie ekwiwalentne (jeżeli A ma taki sam profil powiązań jak B, to A i B są regularnie ekwiwalentne). Najważniejszym rodzajem ekwiwalencji jest ekwiwalencja strukturalna – pozycje strukturalnie ekwiwalentne są także ekwiwalentne automorficznie i regulanie. Analiza ekwiwalencji strukturalnej łańcuchów środków-celów, czyli podobieństwa relacji danych elementów sieci zależności między cechami, konsekwencjami a wartościami w strukturze łańcuchów środków-celów, może być dokonywana na wiele sposobów: a priori na podstawie z góry przyjętych charakterystyk konsumentów lub identyfikować nieobserwowalne bezpośrednio układy ekwiwalentne na podstawie prawdopodobieństw a posteriori przynależności określonych elementów łańcucha do danej klasy ukrytej. Prawdopodobieństwa a posteriori można szacować na podstawie metody największej wiarygodności opartej na algorytmie EM (expectation maximization) lub estymacji bayesowskiej (losowanie Gibbsa), która zostanie wykorzystana w analizie. Ekwiwalencja strukturalna. Modele deterministyczne a priori. Stochastyczne modele a priori. Metoda największej wiarygodności – EM. Estymacja bayesowska – próbkowanie Gibbsa. Rys. 1. Rodzaje analiz ekwiwalencji strukturalnej Źródło: opracowanie własne.. Analiza ekwiwalencji strukturalnej w podejściu a priori polega na identyfikacji podobnych pozycji z punktu widzenia ich powiązań z innymi elementami.

(5) Strukturalna ekwiwalencja łańcuchów środków-celów. 109. układu. Stopień podobieństwa jest najczęściej mierzony na podstawie określonych miar zgodności (positive matches) i przedstawiany za pomocą metod hierarchicznej analizy skupisk (diagram drzewkowy)5. Wynik wstępnej oceny strukturalnej ekwiwalencji łańcuchów środków-celów w ujęciu deterministycznym dla badań chipsów ziemniaczanych jest zaprezentowany na rys. 2. 1,000 0,967 0,900 0,876 0,831 0,800 0,778 0,767 0,754 0,706 0,544 0,519 0,497 0,408 4 3 9 10 8 1 2 7 5 6 11 12 13 14 15 16 17. Rys. 2. Ocena ekwiwalencji strukturalnej a priori łańcucha środków-celów Objaśnienia: 1 – cienki, 2 – mały, 3 – mniej słony, 4 – brak konserwantów, 5 – falisty, 6 – w pudełku, 7 – małe opakowanie, 8 – łatwe w przełykaniu, 9 – zdrowsze, 10 – łatwe w użyciu, 11 – smaczne, 12 – dobre na prywatkę, 13 – dobre samopoczucie, 14 – miła atmosfera, 15 – luz, 16 – zabawa, 17 – poczucie przynależności Źródło: opracowanie własne (wydruk programu UCINET).. Z rys. 2 wynika, że wyróżnić można pewne układy ekwiwalentnych pozycji w łańcuchu środków-celów chipsów ziemniaczanych. Najbardziej ekwiwalentne są pozycje nr 5, 6, 7 (cechy), 3, 4, 9 (cechy i ich konsekwencja funkcjonalna) oraz 13, 14, 15, 16, 17 (konsekwencje psychospołeczne i wartości), które charakteryzują się identycznymi relacjami z pozostałymi elementami w strukturze łańcucha. Należy również zwrócić uwagę na szczególną rolę pozycji 12 (dobre na prywatkę), która stanowi odrębną konsekwencję psychospołeczną konsumpcji chipsów. 5 S.P. Borgatti, M.G. Everett, L.C. Freeman, Ucinet for Windows: Software for Social Network Analysis, Analytic Technologies, Harvard 2002..

(6) Adam Sagan. 110. W ocenie ekwiwalencji strukturalnej wyróżnia się nie tylko pojedyncze elementy, lecz także pewne bloki cech, konsekwencji i wartości, które są wzajemnie zastępowalne. Tę własność w podejściu a priori można silniej wyodrębnić wykorzystując w podejściu deterministycznym model CONCOR (convergence of iterated correlations). Jest to model iteracyjnych korelacji pozwalających na ocenę stopnia podobieństwa wektorów podobieństw pozycji X to wektora podobieństw pozycji Y. Podstawą oceny jest macierz korelacji między elementami łańcucha środków-celów, w której w sposób iteracyjny korelowane są poszczególne wiersze macierzy, aż uzyskana zostanie zbieżność korelacji na poziomie +1 lub –1. W następnym kroku na podstawie współczynników korelacji następuje podział danych na 2 podzbiory i powtarza się cykl iteracyjny, aż wszystkie pozycje macierzy znajdą się w osobnych podzbiorach. Generalnie dla n podziałów uzyskiwanych jest 2n bloków danych (dla 2 podziałów – 4 bloki danych, dla 4 podziałów – 8 bloków itd.)6. Strukturę ekwiwalentnych bloków relacji przedstawia tabela 1. Tabela 1. Struktura grup ekwiwalentnych pozycji w modelu CONCOR. 1 2 7 6 5 10 11 12 13 8 3 4 9 14 15 16 17. 1 1 2 7 6 5 0. 1 1 1 1 2 3 8. 1. 1. 1. 1. 1. 1. 1 1 1 1. 3. 4. 9. 1 1 1 1 4 5 6 7. 1 1 1 1 1 1 1 1 1. 1 1 1 1 1 1 1 1 1 1 1 1. 1. 1 1 1. 1. 1 1 1 1 1 1 1 1 1 1 1. Objaśnienia jak do rys. 2 Źródło: opracowanie własne na podstawie programu UCINET VI.. 6 R.A. Hanneman, Social Network Analysis. On-Line Textbook, http://wizard.ucr.edu, 21.12.2001..

(7) Strukturalna ekwiwalencja łańcuchów środków-celów. 111. Przy zastosowaniu dwóch podziałów danych zostały wyodrębnione 4 bloki pozycji. Elementy na głównych przekątnych wskazują na silną ekwiwalencję zachodzącą w ramach poszczególnych bloków danych (szczególnie w obrębie bloku drugiego i czwartego). Elementy pozaprzekątniowe wskazują na zachodzące relacje między blokami. Jest to widoczne w relacjach między cechami chipsów i opakowania i konsekwencją funkcjonalną „łatwość w użyciu” (blok) a konsekwencjami psychologicznymi „dobre na prywatkę” i „dobre samopoczucie” (pozycje 12, 13), i funkcjonalnymi „łatwe w przełykaniu” i „smaczne” (8, 11). 3. Model stochastycznych struktur blokowych w identyfikacji ekwiwalencji strukturalnej a posteriori Model struktur blokowych estymowany jest w oparciu o podejście bayesowskie, w którym prawdopodobieństwa a posteriori przynależności do klas ukrytych szacowane są a posteriori na podstawie losowania Gibbsa. Estymowane są: parametry określające prawdopodobieństwo istnienia relacji między elementami łańcucha środków-celów, jeżeli dany element łańcucha znajduje się w danej klasie ukrytej, oraz prawdopodobieństwo występowania danej klasy ukrytej. Przewidywanie klas odbywa się na podstawie obserwowalnych relacji między elementami. Losowanie Gibbsa ma charakter iteracyjny i odbywa się w tzw. sekwencjach Gibbsa zmierzających do osiągnięcia stacjonarnego rozkładu prawdopodobieństwa. Sekwencje te umożliwiają określenie prawdopodobieństw a posteriori przynależności elementów łańcucha do klas ukrytych definiowanych ze względu na podobieństwo relacji. Rozkład tych relacji jest lokalnie niezależny względem danej klasy ukrytej. Wybór liczby klas ukrytych jest dokonywany na podstawie oceny wskaźników przyrostu informacji Iy oraz przejrzystości struktury klas ukrytych Hx. Pierwszy określa stopień przyrostu dodatkowej informacji związanej ze znajomością kolejnych klas ukrytych. Im niższa wartość tego współczynnika, tym pełniej obserwowalne relacje są wyjaśniane przez klasy ukryte. Drugi współczynnik wskazuje prawdopodobieństwo, z jakim dane elementy należą do jednej klasy ukrytej. Im niższa wartość współczynnika Hx, tym wyższe prawdopodobieństwo przynależności elementów do danej klasy ukrytej7. Wyniki analizy współczynników dla sześciu klas ukrytych przy zastosowaniu w estymacji trzech sekwencji Gibbsa przedstawia rys. 3.. 7 K. Nowicki, T.A.B. Snijders, Estimation and Prediction for Stochastic Blockstructures, „Journal of the American Statistical Association” 2001, nr 96, 1077–1087..

(8) Adam Sagan. 112. 0,65 Hx. 0,60 0,55. ly. 0,50 0,45 0,40 0,35 0,30 0,25. 1 LC. 2 LC. 3 LC. 4 LC. ly1 ly2 ly3. 5 LC. 6 LC. Hx1 Hx2 Hx3. Rys. 3. Wykres osypiska wartości współczynników Iy, Hx Źródło: opracowanie własne na podstawie programu StOCNET.. Biorąc pod uwagę wykres zdecydowano się wybrać model 3 – klasowy, ponieważ dalsze zwiększanie liczby klas ukrytych nie poprawi już wartości współczynników Iy, Hx. Dla modelu tego występuje także najsilniejszy spadek wskaźnika Iy. Oszacowane parametry a posteriori przynależności relacji do danej klasy ukrytej w modelu trójklasowym są przedstawione w tabeli 2. Tabela 2. Prawdopodobieństwa przynależności relacji do danych klas ukrytych 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17. 1 94 66 62 93 92 93 90 60 80 91 0 5 19 13 16 14. 94 67 64 93 92 93 89 61 80 91 0 5 21 14 18 16. 2. 66 67 87 66 66 67 62 89 56 62 0 28 41 43 44 42. 3. 62 64 87 64 64 63 57 84 52 59 0 26 45 46 47 46. 4. 93 93 66 64 94 94 87 59 80 88 0 5 22 15 18 16. 5. 92 92 66 64 94 93 86 60 80 88 0 5 22 15 19 16. 6. 93 93 67 63 94 93 87 61 81 88 0 5 21 14 18 16. 7. 90 89 62 57 87 86 87 61 84 91 4 10 15 12 14 15. 8. 60 61 89 84 59 60 61 61 59 63 2 32 38 44 43 46. 9. 80 80 56 52 80 80 81 84 59 84 10 16 15 13 14 16. 1 0. 91 91 62 59 88 88 88 91 63 84 2 9 17 14 16 16. 1 1. 0 0 0 0 0 0 0 4 2 10 2 64 1 1 0 1. 1 2. 5 5 28 26 5 5 5 10 32 16 9 64 24 31 28 30. 1 3. 19 21 41 45 22 22 21 15 38 15 17 1 24 88 89 87. 1 4. 13 14 43 46 15 15 14 12 44 13 14 1 31 88 90 93. Źródło: opracowanie własne na podstawie programu StOCNET.. 1 5. 16 18 44 47 18 19 18 14 43 14 16 0 28 89 90 91. 1 6. 14 16 42 46 16 16 16 15 46 16 16 1 30 87 93 91. 1 7.

(9) Strukturalna ekwiwalencja łańcuchów środków-celów. 113. W tabeli 2 wyróżniono pozycje sieci relacji środków-celów, które mają względnie wysokie prawdopodobieństwa a posteriori przynależności do tej samej klasy ukrytej. Z tabeli wynika, że relacje między cechami fizycznymi chipsów, ich opakowaniem oraz łatwością użycia i smakiem są wyjaśniane przynależnością do tej samej klasy ukrytej. Również relacje między konsekwencjami psychospołecznymi a wartościami charakteryzują się wysokimi prawdopodobieństwami przynależności do klasy. Analiza prawdopodobieństw przynależności do klas jest uzupełniona o identyfikację struktury i klarowności separacji klas ukrytych. Jest to przedstawione w tabeli 3. Tabela 3. Struktura separacji klas ukrytych A/C/V. Klasa. Min prob.. Max prob.. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17. 1 1 out out 1 1 1 1 out out 1 2 out 3 3 3 3. 0,904 0,888. 0,219 0,219. 0,869 0,865 0,873 0,865. 0,219 0,216 0,219 0,219. 0,876 1,000. 0,219 0,219. 0,866 0,883 0,893 0,866. 0,186 0,219 0,219 0,219. Źródło: opracowanie własne na podstawie programu StOCNET.. Tabela 3 przedstawia syntezę wyników analiz separacji klas. W kolejnych iteracjach znajdowano taki element łańcucha środków-celów, po usunięciu którego następowała dalsza poprawa przejrzystości uzyskanej struktury klas. Z tabeli wynika, że struktura separacji jest względnie klarowna i stabilna. Relacje między cechami a konsekwencjami funkcjonalnymi należą do klasy nr 1, klasa ukryta nr 2 to relacje konsekwencji społecznej „dobre na prywatkę”, a klasa ukryta nr 3 to głównie relacje w przekroju konsekwencji psychospołecznych i wartości osobowych. Minimalne prawdopodobieństwa przynależności tych pozycji do danej klasy są wysokie (powyżej 0,85), a maksymalne prawdopodobieństwo, że pozycje te należą do różnych klas, jest niskie (poniżej 0,22). Generalnie przyjmuje się, że różnica między prawdopodobieństwami powinna być większa od 0,6, aby uznać proces analizy separacji klas za zakończony8. Stąd wniosek, że po usunięciu pozycji 3, 4, 9, 10 i 13 struktura klas ukrytych jest stabilna i przejrzysta. 8. P. Boer, M. Huisman, T.A.B. Snijders, E.P.H. Zeggelink, StOCNET. An Open System for Advanced Statistical Analysis of Social Networks, Version 1.4, ProGAMMA/ICS, Groningen 2003..

(10) Adam Sagan. 114. Ostatnim etapem analizy jest obliczenie macierzy struktur blokowych. Ukazuje ona charakter powiązań w wyodrębnionych klasach ukrytych. Macierz struktur blokowych jest przedstawiona w tabeli 4. Tabela 4. Macierz struktur blokowych 1 1 2 3 4 5 6 7 8 9 10 11 .. 1 12 .. 13 14 15 16 17. 1. 2 1. 1 1 1 3. 1 1 1 3. 3 . 3 ... 1 . 3 ... 1 1 1 1. 1 1 1 1. 3. 4. 5 1 1. 1 1 1. ... ... ... ... 6 1 1. 7 1 1. 8 4 4. 1. 1 1. 1 1 1. 1 1. 1. 1 . 3 ... 1 . 3 ... 1 . 3 ... 3 . 3 ... 1 1 1 1. 1 1 1 1. 1 1 1 1. 1 1 1 1. 9. 1. 0. ... ... ... ... 1. 1 4 1. .. . . .. 1. 2 4 4. .. . . .. 1 1 1 4. . . . .. 4 4 4 4. . . . .. . 3 ... . . . ... 4 . ... . . . ... 1 1 1 1. . . . .. 3 1 1 1. . . . .. 1. 3. .. ... 1. 4 1 1. 1. 5 1 1. 1. 6 1 1. 1. 7 1 1. 1 1 1 1. 1 1 1 1. 1 1 1 1. 1 1 1 1. 1 . 4 ... 1 . 1 ... 1 . 1 ... 1 . 1 ... 4. 4 1. 1 4 4. 3 3 1. 1 3. 3. Źródło: opracowanie własne na podstawie programu StOCNET.. Tabela 4 przedstawia charakter relacji zachodzących w obrębie poszczególnych klas ukrytych. W pierwszym wyróżnionym bloku dominują relacje symetryczne (0;0 oznaczone kodem 1) oznaczające brak oddziaływań i ekwiwalentny charakter cech chipsów. Występują także relacje asymetryczne (0;1/1;0 oznaczone odpowiednio kodami 3 i 4) dotyczące związków między pozycjami 1–8, 2–8, 1–11 i 8–11. Drugi blok stanowią relacje asymetryczne pozycji nr 12 z cechami produktu, które w większości mają charakter ekwiwalentny (wszystkie cechy służą lepszemu samopoczuciu na prywatkach). Trzeci blok określa relacje symetryczne (0;0) między cechami a wartościami, a ostatni, czwarty blok relacji stanowią asymetryczne powiązania przyczynowe między konsekwencjami psychospołecznymi a wartościami osobowymi. Warto zauważyć również brak występowania zwrotnych relacji symetrycznych (1;1) w strukturze sieci. 4. Podsumowanie Analiza ekwiwalencji strukturalnej łańcucha środków-celów jest szczególnie ważnym podejściem w eksploracji złożonych sieci łańcuchów środków-celów z występującymi sprzężeniami zwrotnymi. Umożliwia ona uzyskanie przejrzystej.

(11) Strukturalna ekwiwalencja łańcuchów środków-celów. 115. struktury ekwiwalentnych (i tym samym zastępowalnych) sieci relacji zachodzących w złożonych łańcuchach środków-celów. Wprowadzenie metodologii klas ukrytych w identyfikacji tych złożonych struktur rozszerza istotnie metodologię badań nad łańcuchami środków-celów i pozwala na dotarcie do nieobserwowalnych bezpośrednio powiązań między cechami produktów, ich konsekwencjami i wartościami. Literatura Boer P., Huisman M., Snijders T.A.B., Zeggelink E.P.H., StOCNET. An Open System for Advanced Statistical Analysis of Social Networks, Version 1.4, ProGAMMA/ICS, Groningen, 2003. Borgatti S.P., Everett M.G., Freeman L.C., Ucinet for Windows: Software for Social Network Analysis, Analytic Technologies, Harvard 2002. Hanneman R.A., Social Network Analysis. On-Line Textbook, http://wizard.ucr.edu. Myers J.M., The Benefit Structure Analysis: A New Tool for Product Planning, „Journal of Marketing” 1976, nr 40, s. 23–32. Nowicki K., Snijders T.A.B., Estimation and Prediction for Stochastic Blockstructures, „Journal of the American Statistical Association” 2001, nr 96, 1077–1087. Reynolds T.J., Gutman J., Laddering Theory. Method, Analysis and Interpretation, „Journal of Advertising Research” 1988, nr 2. Sagan A., Metody sieciowe w analizie łańcuchów środków-celów z wykorzystaniem programu UCINET, Zeszyty Naukowe AE w Krakowie, nr 558, Kraków 2001. Young S., Feigen B., Using the Benefit Chain for Improved Strategy Formulation, „Journal of Marketing” 1975, nr 39. Structural Equivalence of Means-end Chains This article is devoted to the issue of identifying equivalent means-end chains based on qualitative laddering. The author discusses the basic methods and techniques of collecting and analysing means-end chains and places particular focus on an analysis of structural equivalence. An estimate of equivalence involves using social network theory to analyse data. The author identifies the structural equivalence of chains using deterministic methods (the CONCOR model) and the stochastic block-structures model (UCINET and StOCNET programs)..

(12)