Prognozowanie w zarządzaniu firmą
Marek Walesiak
Akademia Ekonomiczna we Wrocławiu Stanisław
Gola
Kolegium Karkonoskie - Państwowa Wyższa Szkoła Zawodowa w Jeleniej Górze
ZASTOSOWANIE METODY CONJOJNT ANALYSIS DO POMIARU PREFERENCJI UCZNIÓW W WYBORZE
SZKOŁYPONADPODSTAWOWEJ*
l. Wprowadzenie
Zasady gospodarki rynkowej
dotyczą różnychsfer
życia,w tym rówmez edukacji. Zmiany
zachodzącew sferze szkolnictwa ponadpodstawowego obej-
mują
m.in.: powstanie prywatnych
szkół,opracowanie nowych programów nauczania,
inną strukturęzapotrzebowania na absolwentów
szkół średnich,nowe oczekiwania uczniów itp.
Szkołyponadpodstawowe
musząw warunkach gos- podarki rynkowej
uwzględniaćw swojej
działalnościedukacyjnej realia rynku i otoczenia, w którym
funkcjonują.Decyzja wyboru zawodu jest
jednąz wielu rodzajów decyzji podejmowanych przez
człowieka.Ma ona co prawda specyficzne cechy,
jednakżepodlega tym samym prawom, którym
podlegająwszystkie procesy decyzyjne. Nie zawsze uczniowie
potrafią podjąćsamodzielnie
decyzję dotyczącąwyboru
szkoły.W ta- kim wypadku potrzebne
są określone wpływywychowawcze. Forma, w jakiej przebiega pomoc przy wyborze
szkołynazywa
się orientacją szkolną.Orientacja szkolna jest bardzo
ważną dziedzinąpracy wychowawczej. Obiera-
jąc określony
typ
szkołyponadpodstawowej,
uczeńobiera
określonyzawód, decyduje
teżo swoim dalszym losie. Orientacja ta powinna
stanowićsystem, tzn.
zespół
wzajemnie ze
sobą sprzężonychi zintegrowanych
działańposzczególnych elementów wykonawczych, które
realizują różnorodne,ale zarazem spójne
względem
siebie zadania
podporządkowanewspólnemu celowi, jakim jest przygo- towanie do
świadomegoi
prawidłowegowyboru
szkoły. Działaniate
mają mieć• Pracę wykonano częściowo w ramach projektu badawczego Nr l H02B 011 16 finansowanego przez Komitet Badań Naukowych w latach 1999-2000.
charakter
wystarczających,a zarazem koniecznych do realizacji tego celu.
Elementami
funkcjonującymiw ramach tego systemu
sąosoby, instytucje i organizacje
podejmujące działaniaorientacyjne i poradnicze oraz sami ucznio- wie ,
będącyprzedmiotem tych
działań,ale zarazem aktywnie
poszukującymipodmiotami (zob. [12 , s. 38]).
Orientacja szkolna zajmuje
sięnie tylko problemem wyboru zawodu , ale
również
problemem wyboru i przebiegu edukacji
młodegopokolenia. Nowoczes- ne koncepcje orientacji
starają się łączyćdwa
pojęcia:orientacja zawodowa i orientacja szkolna, ze
względuna
złożonośći
zbieżnośćwyboru zawodu oraz przebiegu
całejdrogi edukacji.
Prawidłowo funkcjonujący
system orientacji szkolnej i zawodowej decyduje o wykorzystaniu
potencjału zdolnościludzkich w budowie gospodarki, a
takżew kulturze i
oświacie(zob . [4, s. 485]).
Wieloaspektowośći
interdyscyplinarnośćorientacji szkolnej, a
także udziałsocjologii, psychologii i ekonomii w jej rozumieniu pozwala na pomoc w
podjęciudecyzji przez ucznia. Konfrontacja wyników z danymi
dotyczącymistruktury regionu daje obraz czynników deter-
minujących
aspiracje i dalsze losy
młodzieży.To dowodzi o
doniosłościtych
zagadnień. Ścisły związekz
ewolucją społecznąi
ekonomiczną społeczeństwajest
najważniejszą przyczyną żywotności
problemu
różnicowanianauczani a w
każdym systemie szkolnym.
W opracowaniu wykorzystano
metodęeonjoint analysis
1w celu poznania czynników
decydującycho wyborze
szkołyponadpodstawowej. Wyniki
badań pozwalają poznaćpreferencje uczniów ze
względuna wytypowane cechy i
umożliwiają
dostosowanie oferty dydaktycznej do
oczekiwańrynku edukacyjnego.
Korzyści
z tego
mogą czerpaćzarówno uczniowie
Geżeli szkoły uwzględniąoczekiwania kandydatów w
formułowanymprogramie dydaktycznym), jak i szko-
ły
ponadpodstawowe (silniejsza pozycja konkurencyjna).
2. Problem badawczy
Absolwenci
szkółpodstawowych
stająprzed wyborem
szkołyponadpod- stawowej.
Rozważane są różnewarianty wyboru. W artykule
każdywariant jest opisany przez
pięćzmiennych
decydującycho wyborze
szkołyponadpodstawowej:
Z
1 -Spodziewana Z
2 -Koszty nauki Z
3 -Reputacja
szkoły.atrakcyjna (koszty dojazdów, w
środowisku:praca po
ukoń-internatu , stancji): - niska [A] , czeniu
szkoły:- niskie [AJ, -
średnia[B] ,
- tak [AJ, -
średnie[B] , - wysoka [C]
- nie [B]. - wysokie [C].
1 Teoretyczne podstawy i charakterystykę zastosowail empirycmych w marketingu conjoi11!
a11alysis zawierają m.in. prace: [3; 5; 6; 7; 10; 11; 14; 18; 19; 20].
Z
4 -Rady rodziców, nauczycieli,
przyjaciół,
wskazania poradni:
nie polecana [A],
- umiarkowanie polecana [B], - bardzo polecana [C].
-Zbieżność
formy
kształceniaw szkole z zainteresowaniami:
tak [A], - nie [B].
Zbiór atrybutów i ich poziomów
uwzględnionychw badaniu
zostałwytypo- wany na podstawie
wstępnego sondażuprzeprowadzonego
wśródnauczycieli.
W projekcie
objętobadaniem 797 uczniów klas ósmych
szkółpodstawowych
byłego
województwa jeleniogórskiego (735 ankiet
wypełniono prawidłowo).Badania ankietowe przeprowadzono w grudniu 1998
r.Pewnym
uzupełnieniem badań sąwyniki próbnego badania kompetencji
(osiągnięć)uczniów klas ósmych przeprowadzone w marcu 1999 r., które
pomogłyuczniom w wyborze
szkoły.Typ
szkoły
zadeklarowany przez uczniów w
byłymwojewództwie jeleniogórskim w maju 1999
r. przedstawiał się następująco(zob. [9, s. 4]):
Typ szkoły Liczba kandydatów Liczba miejsc
Liceum ogólnokształcące 2477 2160
Liceum zawodowe 1549 1745
Technikum zawodowe 1876 1965
Zasadnicza szkoła zawodowa 1731 3485
Razem 7633 9355
Na podstawie
wyróżnionychzmiennych oraz
odpowiadającychim poziomów
można utworzyć
zbiór hipotetycznych wariantów wyboru
szkołyponadpod- stawowej. Ich liczba jest iloczynem liczby poziomów wszystkich zmiennych
opisujących
warianty wyboru
szkołyponadpodstawowej. W analizowanym projek- cie
wyróżniono5 zmiennych odpowiednio o 2, 3, 3, 3 i 2 poziomach, otrzymano
więc
108 hipotetycznych wariantów. Respondent nie jest jednak w stanic
ocenićtak wielu wariantów, a
więczwykle ogranicza
sięich
liczbędo pewnego podzbioru
(wyróżnionegoarbitralnie lub utworzonego przez zastosowanie spe- cjalnych procedur statystycznych). Na podstawie
wyróżnionychzmiennych oraz
odpowiadających
im poziomów za
pomocąmetody tablic ortogonalnych wygene- rowano 16 wariantów (ich charakterystyki zawiera tab. 1), które respondenci
porządkowali według
stopnia ich
atrakcyjności.W wyniku zastosowania metody eonjoint analysys:
określono ważność każdej
zmiennej
decydującejo wyborze
szkołyponadpods- tawowej,
przeprowadzono
segmentacjęuczniów o
zbliżonychpreferencjach wyboru.
Zgodnie z
metodologiąeonjoint analysis, za
pomocąwybranej metody estymacji parametrów
2szacuje
się wartości użyteczności cząstkowych,które
2 Klasyfikację metod estymacji użyteczności cząstkowych zawierają m.in. prace: (2; 3).
informują
o wadze,
jaką każdyrespondent
w1ązez danym poziomem
każdejzmiennej. Estymacja
użyteczności cząstkowychpoziomów zmiennych polega na dekompozycji
użyteczności całkowitychuzyskanych na podstawie ocen respon- dentów.
Tabela l. 16 wariantów wyboru szkoły ponadpodstawowej
Numer wariantu Czynniki decydujące o wyborze szkoły ponadpodstawowej
l
!
2 3 4 5l A B A A A
2 B A B A B
3 B A
c
B A4 B
l
Ac c
A5 B B B
c
A6 B B
c c
B7 A A A
c
B8 A
c
Bc
A9 B
c c
A BlO A A
c
A A11 B A A
c :
B12 A A B
l
B B
13 B
c
A Bl
A14 A A
c c l
A15 A
l c c c l
B16 A l B
c
B l Bl
Litery A, B i C
reprezentująpoziomy odpowiednich zmiennych.
W metodologii eonjoint analysis
rozróżnia sięmetryczne procedury estymacji, gdy zmienna
zależnamierzona jest na skali
przedziałowejlub ilorazowej
(przykładowo
metoda najmniejszych kwadratów ze zmiennymi sztucznymi, np.
zero-jedynkowymi) oraz niemetryczne procedury estymacji, gdy zmienna
zależnamierzona jest na skali
porządkowej(MONANOVA - monotoniczna analiza wariancji, PREFMAP, LINMAP). Za
pomocąwybranej metody szacuje
się wartości użytecznośc~jakie
każdyrespondent
wiążez danym poziomem zmien- nej . Wynikiem tego etapu analizy jest macierz
użyteczności cząstkowych.Do analizy
użyto metodęnajmniejszych kwadratów ze zmiennymi sztucznymi.
Znaczenie
każdegopoziomu zmiennej
uwzględnia sięprzez wprowadzenie do konstruowanego modelu sztucznych zmiennych
objaśniających(ich liczba musi
być
mniejsza o jeden od liczby poziomów danej zmiennej nominalnej). W analizo- anym projekcie
są3 zmienne nominalne o trzech i 2 o dwóch poziomach. Do modelu regresji wielorakiej wprowadzono
więc8 zmiennych sztucznych, otrzymu-
jąc
dla respondenta s:
f.= bo.+bt.X ts+ h2sX 2s+bJsX 3s+h4sX4s+hs.X ss+
(l)
gdzie: b
1,, ... ,b
8 ,b
osparametry równania regresji;
wyraz wolny;
X
1 , ... ,X
8zmienne sztuczne zdefiniowane
następująco:Zmienna Z
1xl Zmienna Z
2Xz X3 Tak
Nie l
- lNiskie
Średniel o
o
lWysokie -1 -1 Zmienna Z
4Nie polecana Umiarkowanie polecana Bardzo polecana
l o
o l
-1 -1
Zmienna Z
3Niskie
ŚrednieWysokie Zmienna Z
5l o
o l
-1 -1
Tak Nie
l - l
Dla
każdegorespondenta s otrzymuje
sięoszacowania
użyteczności cząstkowych liczone
następująco(zob. [16, s. 92]):
a) dla zmiennej o dwóch poziomach
- . , Zmienna Z1 Zmienna sztuczna X P Użyteczności cząstkowe
i
Poziom I l Uj1 =bp,
l
l Poziom II - l - - - Uh= - bP, _ _ _
l
l - - -~
b) dla zmiennej o trzech poziomach
Zmienna Z1 Zmienna sztuczna X P Zmienna sztuczna X9 Użyteczności cząstkowe
Poziom I l
o
Uj 1 =bp,Poziom II
o
l Uj2 = b9,Poziom III - l - l Uj3
=
(bp,+b9,)gdzie: Uh
użyteczność cząstkowa/-tego poziomu }-tej zmiennej dla respon- denta s,
j
numer zmiennej U
=l, . .. , 5), s - numer respondenta (s = l, .. . . . . , 778),
p, q numery zmiennych sztucznych
(p,q
=l, ... , 8),
li
numer poziomu dla zmiennej
Zi(l
1= 1
5= l, 2; 1
2=
13= /
4=
=
l, 2, 3).
Po oszacowaniu
użyteczności cząstkowych określono relatywną ważność każdejzmiennej w procesie wyboru wariantu
szkołyponadpodstawowej. Wyniki
obliczeń
zestawiono w tab. 2.
Relatywną ważność każdejzmiennej
~·dla respondenta s wyznacza
sięze wzoru (zob. [8, s. 608]):
max. { U]tJ- min { U)tj}
w, •
= - ..il_ IJl m (2)
_ L (max {U)t
1}-min {Uj
1J)
j=l lj lj
Tabela 2. Wyniki obliczeń otrzymane za pomocą metody eonjoint analysis
Numer respondenta
Zmienne l 2 - 367 368 - 734 735 AV
i
Oszacowane użyteczności cząstkowel. Atrakcyjna praca
a) tak 2,250 - 0,250
-
0,500 0,625 - 2,500 2,375 1,702b) nie -2,250 0,250
-
-0,500 -0,625 - -2,500 -2,375 -1,702 2. Koszty naukia) niskie 1,333 1,000 - -0,500 0,333 - -0,166 2,000 0,435 b) średnie 0,333 1,500 - 0,125 - 1,166 - 2,458 0,000 0,343 c) wysokie -1,666 -2,500 - 0,375 0,833 - - 2,292 - 2,000 - 0,778 3. ReputaCJa szkoły
a) niska - 0,083 - 0,916
-
0,125 -1,000 - -0,583 -2,125 - 1,177 b) średnia - 0,583 0,583 - 0,375 0,000 - -0,083 -0,375 0,375 b) wysoka 0,666 0,333 - -0,500 1,000 - 0,666 2,500 0,802 4. Radya) nie polecana -1,041 - 4,041 - -1,875 - 1,375 - -0,666 0,625 -1,009
l
b) umiarkowanie polecana -0,792 1,208 - 1,375 -0,125 - 1,333 -0,125 0,358 b) bardzo polecana 1,833 2,833 - 0,500 1,500 - -0,667 -0,500 0,651 15. Zbieżność formy. ksz.talceniaz zamteresowamarm
l a) tak 1,500 0,750 4,000 3,750 2,375 -0,875 0,841
l
- -b) me -1,500 - 0,750 - -4,000 -3,750 - -2,375 0,875 - 0,841
Wyraz wolny 7,541 7,458
-
8,625 7,791 - 8,541 7,500 8,027Zmienne Relatywna ważność każdej zmiennej (w %):
a) atrakcyjna praca 30,77 3,48 - 7,14 8,00 - 28,17 29,23 24,44 b) koszty nauki 20,51 27,83 - 6,25 12,80 - 26,76 24,62 19,85 c) reputacja szkoły 8,55 10,43
-
6,25 12,80 - 7,04 28,46 20,76d) rady 19,66 47,83 - 23,21 18,40
-
11,27 6,92 21,18e) zbieżność formy ksztalce-
ma z zainteresowaniami 20,51 10,43 - 57,14 48,00 - 26,76 10,77 13,78
Współczynnik R 0,719 0,735 - 0,921 0,899
-
0,861 0,790 0,988A V - wartość średnia,
R - współczynnik korelacji wielorakiej między zaobserwowanymi i oszacowanymi preferencjami uczniów (statystyka ta pokazuje stopień dopasowania modelu do danych empirycznych).
Źródło: obliczenia wykonano z użyciem pakietu statystycznego SPSS for ltindows.
3. Segmentacja uczniów o
zbliżonychpreferencjach wyboru
Podstawę
segmentacji rynku w wypadku korzystania z metodologii
conjoinr analysis mogą stanowić(por. [15; 17]):
zmienne
charakteryzującenabywców i ich reakcje (obserwowalne, nieobser- wowalne),
użyteczności cząstkowe
atrybutów produktów.
l
Użyteczności cząstkowe stanowią podstawę
segmentacji nabywców,
ponieważ odwzorowująreakcje konsumentów na
określonewarianty (profile) rzeczywistych lub hipotetycznych produktów. W praktycznych badaniach segmentacyjnych
korzystających
z metodologii eonjoint analysis
częstostosowane
są podejściadwufazowe, w których identyfikacja segmentów rynku i estymacja
użyteczności cząstkowych sąrozdzielone.
W ostatnim okresie w literaturze przedmiotu
zyskują.na znaczeniu metody optymalizacyjne, w których fazy segmentacji i szacowania
użyteczności cząstkowych
sązintegrowane
3.Vriens, Wedel, Wilms [13] przeprowadzili badanie
efektywności dziewięciu
metod segmentacji rynku, przy czym cztery metody
wykorzystywały podejście
dwufazowe, a
pięćmetod
podejściezintegrowane do segmentacji rynku. Wyniki
badań wskazują, żemetody dwufazowe charak-
teryzują się dobrą efektywnością czasową
i
wysoką wartościąR
2.Metody zintegrowane
okazały sięefektywniejsze z punktu widzenia dwóch istotnych kryteriów: precyzji predykcyjnej w wydzielaniu segmentów rynku oraz precyzji oszacowania
wartości użyteczności cząstkowych.Ze
względuna
dostępnośćodpowiedniego oprogramowania w opracowaniu wykorzystano
podejściedwufazowe, w którym
podstawęsegmentacji rynku stanowi macierz
użyteczności cząstkowych(liczba wierszy tej macierzy od- powiada liczbie respondentów, a liczba kolumn jest równa liczbie poziomów
wyróżnionych
dla wszystkich zmiennych).
Do
podziału zbiorowościuczniów na klasy (segmenty) wykorzystano
metodę k-średnich(por. [1, s. 45]) i otrzymano
podział zbiorowościuczniów na 6 segmentów.
Proceduręeonjoint measurement powtórzono w
każdymsegmencie osobno.
Średnią ważnośćzmiennych oraz niektóre inne charakterystyki dla poszczególnych segmentów zamieszczono w tab. 3.
Uzyskane rezultaty
badańsegmentacyjnych
pokazują., że:a) w segmencie I
największeznaczenie w wyborze
szkołyma atrakcyjna praca i koszty nauki. W rodzinach uczniów tego segmentu niska jest
przeciętnaliczba dzieci w wieku szkolnym oraz
najwyższa przeciętnaliczba pokoi w mieszkaniu.
Ponad 65% uczniów tego segmentu
pobierałokorepetycje lub
przewidywałoich pobieranie;
b) w segmencie II, najmniej licznym, skupieni
sąuczniowie, dla których w wyborze
szkoły największeznaczenie ma reputacja
szkoły.W segmencie tym ponad 47% uczniów
deklarowałowybór liceum
ogólnokształcącego;c) segment III
tworzą.uczniowie, dla których w wyborze
szkołyzasadnicze znaczenie
mają.zmienne: rady rodziców, nauczycieli i
przyjaciółoraz reputacja
szkoły.
Uczniowie tego segmentu
uczęszczali główniedo
szkółpodstawowych z
siedzibąw
dużychmiastach (prawie 70%). Ponad 63% uczniów tego segmentu
pobierało
korepetycje lub
przewidywałoich pobieranie;
3 Na przykład metody: hierarchicznej lub niehierarchicznej regresji skupieniowej, regresji skupieniowej, rozmytej regresji skupieniowej (zob. [18, s. 308-312]).
Tabela 3. Wybrane charakterystyki segmentów rynku
Charakterystyki segmentów Segment
I II III IV V VI
Zmienne Średnia ważność zmiennych (w %)
a) atrakcyjna praca 25,86 16,61 15,77 41,42 12,43 19,74
b) koszty nauki 25,00 22,90 14,39 17,96 28,25 16,35
c) reputacja szkoły 17,64 26,31 27,21 16,86 23,74 15,74
d) rady 21,88 21,46 28,89 13,94 24,87 19,38
e) zbieżność formy kształcenia z zainteresowaniami 9,62 12,72 13,75 9,81 10,70 28,79
Współczynnik R 0,93~ 0,98f 0,98E 0,994 0,97( 0,99f
Liczba uczniów 735 114 70 15 19/ 93 108
Udział mężczyzn 50,34% 54,39 52,86 47,71 45,69 65,59 43,52
Przeciętna liczba osób w rodzinie 4,31 4,33 4,12 4,35 4,76 4,54
Przeciętna liczba dzieci w wieku szkolnym w rodzinie 1,88 2,04 1,72 2,00 2,23 1,97
Przeciętna liczba pokoi w mieszkaniu 3,86 3,69 3,55 3,77 3,55 3,49 Siedziba szkoły duże miasta (60,27%) 54,39 57,14 69,93 64,97 39,78 63,89 podstawowej małe miasta oraz wieś (39,73%) 45,61 42,86 30,07 35,03 60,22 36,11 Typ wybieranej LO (38,37%) 29,82 47,14 42,48 48,73 11,83 39,81
szkoły liceum zawodowe (16,87%) 18,42 10,00 20,26 15,23 17,20 17,60 technikum (24,22%) 21,93 20,00 27,45 26,40 22,58 22,22
l
zsz
(20,54%) 29,83 22,86 9,81 9,64 48,39 20,37Wykształcenie podstawowe lub ZSZ (41,90%) 44,74 50,00 36,60 31,47 54,83 49,07
ojca średnie (39,73%) 36,84 35,71 40,52 45,18 38,72 35,19
wyższe (16,87%) 14,91 10,00 21,57 22,84 6,45 14,81
Wykształcenie podstawowe lub ZSZ (34,01 %) 44,74 31,43 28,10 28,43 48,39 38,89 matki średnie (45,17%) 43,86 50,00 44,44 48,22 43,01 40,74
l
wyższe (20,82%) 19,30 18,57 27,45 23,35 8,60 20,37l Korepetycje tak (56,60%) 65,79 42,86 63,40 50,76 52,69 60,19 L _ _ nie (43,40%) 34,21 57,14 36,60 49,24 47,31 39,81
d) w segmencie IV, najliczniejszym,
znajdują sięuczniowie, dla których czynnikiem
dominującymw wyborze
szkołyjest atrakcyjna praca (41,42%).
Uczniowie tego segmentu
uczęszczali główniedo
szkółpodstawowych z
siedzibąw
dużychmiastach (prawie 65%). W segmencie tym
największy byłodsetek uczniów
deklarującychwybór liceum
ogólnokształcącego(ponad 48%);
e) w segmencie V
największeznaczenie w wyborze
szkoły mająkoszty nauki.
O ile w poszczególnych segmentach relacje kobiet do
mężczyzn są zbliżone,o tyle
w tym segmencie zdecydowanie
dominują mężczyźni.W rodzinach uczniów tego
segmentu
najwyższajest
przeciętnaliczba osób oraz
przeciętnaliczba dzieci
w wieku szkolnym. W segmencie tym ponad 48 uczniów deklaruje wybór
zasadniczej
szkołyzawodowej, a tylko ok. 12% - wybór liceum. Dodatkowym
elementem charakterystycznym jest
równieżto,
żerodzice uczniów
mają głównie wykształceniepodstawowe i zasadnicze zawodowe;
f)
segment VI tworzy
specyficzną grupęuczniów, dla których w wyborze
szkoły
zasadnicze znaczenie ma
zbieżnośćformy
kształceniaz zainteresowaniami.
4. Podsumowanie
W artykule zastosowano
metodęeonjoint analysis w celu poznania czynników
decydujących
o wyborze
szkołyponadpodstawowej . Ponadto otrzymane wyniki
posłużyły
do przeprowadzenia segmentacji uczniów o
zbliżonychpreferencjach wyboru. W segmentacji rynku wykorzystano
podejściedwufazowe, w którym identyfikacja segmentów rynku i estymacja
użyteczności cząstkowych sąroz- dzielone. W wyniku zastosowania metody
k-średnichotrzymano
podziałzbioro-
wości
uczniów na
sześćsegmentów.
Wyniki
badań pozwalają poznaćpreferencje uczniów ze
względuna wytypo- wane cechy i
umożliwiajądostosowanie oferty dydaktycznej do
oczekiwańrynku edukacyjnego.
Korzyściz tego
mogą czerpaćzarówno uczniowie, jak i
szkołyponadpodstawowe. Wyniki
badań mogą być teżprzydatne dla pracowników poradni psychologiczno-pedagogicznych w codziennej pracy z
młodzieżą.Literatura
[l) Anderberg M.R.: Cłuster Analysisfor Applications. New York, San Francisco, London: Academic Press 1973.
[2) Bąk A., Walesiak M.: Metody estymacji parametrów w modelu eonjoint analysis. Zeszyt nr 4 Sekcji Klasyfikacji i Analizy Danych PTS pt. Klasyfikacja i analiza danych - teoria i zastosowania.
Jelenia Góra-Wrocław-Katowice-Kraków 1997.
[3) Carroll J.D., Green P.E.: Psychometric Methods in Marketing Research: Part I, Conjoint Analysis.
"Journal of Marketing Research" 32, November 1995, p. 385-391.
[4) Encyklopedia pedagogiczna. Red. W. ?omykało. Warszawa: Fundacja Innowacja 1993.
[5] Green P.E., Krieger A.M.: Segmenting Markets with Conjoint Ana/ysis. "Journal of Marketing"
55, October 1991, p. 20-31.
[61 Green P.E., Srinivasan V.: Conjoint Analysis in Marketing: New Developments with Implications for Research and Practice. "Journal of Marketing" 54, October 1991, p. 3-19.
[7) Green P.E., Wind Y.: New Way to Measure Consumers' Judgments. "Harvard Business Review"
53, Juty-August 1975, p. 107-117.
[81 Hair J.F., Anderson R.E., Tatham R.L., Black W.C.: Multivariate Data Analysis with Readings.
Englewood Cliffs: Prentice Hall 1995.
[9] Kurenda. Jeleniogórski Informator Oświatowy. Jelenia Góra: DODN 1999 nr 5.
[10) Louvicre J.J.: Analyzing Decision Makii!{}. "Metric Conjoint Analysis". Beverly Hills Sage 1988.
[11) LOUVlerc J.J.: eonjoint Analysis. W: R.P. Dagozzi (ed.): Advanced Methods of Marketing Research.
Oxford: Blackwell 1994.
[12] Przybylski R.: Mały słownik poradnictwa wychowawczego i zawodowego. Toruń: CDN 1989.
[13) Vriens M., Wedel M., Wilms T.: Metric Conjoint Segmentarion Methods: a Monte Carlo Comparison. ,)ournal of Marketing Research" 33, Febrnary 1996, p. 73-85.
[14) Walesiak M., Bąk A.: Realizacja badań marketingowych metodą eonjoint analysis z wykorzys- taniem pakietu statystycznego SPSS for ~findows. Wrocław: AE 1997.
[15] Walesiak M., B4k A.: Segmentacja rynku z wykorzystaniem metody eonjoint measurement. W:
Zastosowanie metod wielowymiarowych w badaniach segmentacji i selektywności rynku. Red.
S. Mynarski. Kraków: AE 1999.
[16) Walesiak M.: Metody analizy danych marketingowych. Warszawa: PWN 1996.
[17] Walesiak M.: Segmentacja rynku. Kryteria i metody. W: Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych. Materiały z XXI Ogólnopolskiego Seminarium Nauko- wego (Zakopane 20-23.04.1999 r.). Red. A. Zeliaś. Kraków: AE (w druku).
[18) Wedel M., Kamakura W.A.: Market Segmentation. Conceptual and Mechodological Foundations.
Boston, Dordrecht, London: Kluwer 1998.
[19) Wittink D.R., Cattin P.: Commerciał Use of Conjoinc Analysis: an Update. "Journal of Marketing" July 1989.
[20) Wittink D.R., Vriens M., Burhenne W.: Commerciał Use oJ Conjoint Analysis in Europe: Results and Critical Rejlections. "International Journal of Research in Marketing" l, 1994.