Marek Walesiak Andrzej Bąk
Realizacja badań marketingowych
metod~ eonjoint ana/pis
z wykorzystaniem pakietu statystycznego SPSS for Windows
AKADEMIA EKON O M ICZNA
we
WrocławiuWydział
Gospodarki Regionalnej 1 Turyetyki KATEDRA EKONOMETRII l INFORMATYKI 58·500 Jelenia Góra, ul. Nowowiejaka 3 tol (075) 75·38-207 , fax 78·76 230
000766G20
Wydawnictwo Akademii Ekonomicznej
im. Oskara Langego w e Wrocławiu
Wrocław 1997
Poszczególne
rozdziałynapisali
Andrzej
Bąk- wstęp,rozdz. l pkty 1.3
(współaut.),1.4; rozdz. 2 pkty 2.4, 2.5 (wspólaut.), 2.6; rozdL. 3 pkt 3.3
(współaut.):rozdz. 4
Marek Walesiak - rozdz. 1 pkty l. l, 1.2, 1.3
(współaut.);rozdz. 2 pkt) 2. l, 2.2, 2.3, 2.5 (wspólaut.); rozdz. 3 pkty 3.1, 3.2, 3.3
(współaut.)Recenzent Waldemar
TarczyńskiPracę
wydrukowano na podstawie
materiałówdostarczonych przezAutorów w fonnie gotowej do reprodukcji, bez dokonywania zmian redakcyjnych
C Copyright by Akademia Ekonomiczna we
Wrocławiu Wrocław1997
ISBN 83-7011-290-0
O r u k opraw a:
ZakładGraficzny AE we
Wrocławiu.Zam. 305/97
SPIS TREŚCI
WSTĘP
... 5
l. METODA CONJOINT ANALYSIS JAKO NARZĘDZIE BADAŃ MARKETINGOWYCH ... 9
1.1. WPROWADZ.ENIE ...•...••...•...•.... 9
1.2. CHARAKTERYSTYKA KOMERCYJNYCliZASTOSOWAŃ METODY CONJOINT ANALYSJS •. lO 1.3. PROCEDURA CONJOINT ANALYSIS ... 12
1.4. PAKIETSTATYSTYCZNY SPSS FOR WINDOWS ...•...•...•...•...•. 14
2. PROJEKTOWANIE
UKŁADUEKSPERYMENTU W METODZIE CONJOINT ANALYSIS ... 16
2.1. PROBLEM BADAWCZY ...•...•••...•.••..•...•...•...•...•...•.... 16
2.2. PRZYKLADY WYBRANYCli PROBLEMÓW BADAWCZYCH ... 17
2.3. SUGESTIE DOTYCZĄCE NIEZBĘDNEJ LICZEBNOŚCI PRÓBY ... 19
2.4. METODY GROMADZENIA DANYCII ... 19
2.5. GENEROWANIE UKLADU EKSPERYMENTU ... 24
2.6. METODY ESTYMACJI PARAMETRÓW MODELU CONJOINT ANALYSIS ... ... 32
3. ZASTOSOWANIE PROCEDURY CONJOINT ANALYSIS W ANALIZIE DANYCH MARKETINGOWYCH ... 37
3. l. ANALIZA PREFERENCJI ... 37
3.2. ANALIZASYMULACYJNA ... 47
3.3. STUDIUM SEGMENTACYJNE ... 50
4. JĘZYK POLECEŃ SPSS FOR WINDOWS ... 62
4. l. WPROWADZ.ENIE ... , ... 62
4.2. POLECENIE CONJOINT ... . 67
4.3. POLECENIE ORTHOPLAN ... 74
4.4. POLECENIE PLANCARDS ... 76
4.5. POLECENIEQUICK CLUSTER ... 78
LITERA TURA ... 83
SPIS RYSUNKÓW ... 88
SPIS TABEL ... 91
INDEKS ... 92
·
..
:.
l
WSTĘP
Ekonomia jest
nauką społeczną zajmującą się problemalykąop1ymalnego dysponowania ograniczonymi zasobami w warunkach na ogól
niepełnejinformacji. W sytuacji ograniczo- nych zasobów uczesmicy rynkowej gry ekonomicznej muszą dokonywać określonych wy- borów Czynnikami
detenninującymilub przynajmniej w mniejszym lub
większymstopniu
wpływającymi
na
określonedecyzje i wybory
sąpotrzeby.
Proces podejmowania decyzji ekonomicznych, a takte problema1yka
towarzyszącasze- rzej rozumianej
działalności człowieka byłyprzedmiotem
badańprzedstawicieli
różnychdziedzin nauki. W szczególności zachowania ludzkie zarówno w sensie postaw indywidual- nych, jak i zachowań społecznych znajdują się w obszarze zainteresowań psychologii i psy- chologii społecznej, socjologii, badań operacyjnych. analizy systemowej, programowania matema1ycznego, teorii podejmowania decyzji oraz ekonomii i badań marketingowych.
Na gruncie ekonomii
sfonnułowanoszereg mniej lub bardZJej spójnych teorii,
stawiających sobie za cel
wyjaśnienie zachowańpodmiotów tycia gospodarczego (np. konsumen- tów) zarówno w skali mikroekonomicznej, jak i w
ujęciumakroekonomic7.nym. Podstawo- wym
założeniem1ych teorii jest teza
głosząca, iżkonsumenci
nabywający określonedobra lub usługi (towary) postępują w sposób racjonalny, zaś ich decyzje i wyboi) są optymalne w aktualnie
istniejącychi
ograniczającychobszar dopuszczalnych
rozw1ązańwarunkach.
Konsumenci podejmują w zakresie zakupu towarów takie decyzje. które realizują zasadę
maksymalizacji osiąganych korzyści Gest to funkcja celu maksymalizowana przy istnieją
cych warunkach
ograniczających).Subiektywnie
odczuwanąprzez
każdegoz konsumentów
satysfakcję
z
tytułurealizacji
określonejstruktury konsumpcji (tzw. koszyka towarów)
przyjęło się określać
w teorii ekonomii
pojęciem użyteczności Należy z3Zilaczyć, iż użytec7.ność może być
odnoszona zarówno do pojedynczego dobra lub osobnej
usługi,jak i do
określonego
koszyka dóbr i
usług. Użytecznośćtowaru (dobra lub
usługi będącejprzed- miotem obrotu rynkowego) oznacza. ze w danych
okolicznościachi czasie pos1ada on tak1e
właściwości,
które
mogą zaspokoićaktualne potrzeby 1 oczekiwania konsumenta. Teorie
uzytccznośc1 7.mierzają do wyjaśnienia postaw konsumentów w oparciu o to właśnie poję
cie.
Innymi
ważnymikategoriami w teorii
uzyteczności są urytec:r.nosć krańcowalmarginalna) oraz funkcja użyteczności. Pojęcie uzyteczności kralicoweJ wprowadzono w celu \\)'jaśnienia ind)"' idualnych zachowań poszczególnych konsumentó,.,·, Utyteczność
krańcowaoznacza przyrost
użyteczności wywołanynabyciem kolejnej jednostki
określonego towaru. Konsumenci
wybierająw zbiorze
dostępnychwariantÓ\\.
biorącpod
uwagęakiUalnc ograniczc!nia i
kierując się własnymi,indywidualnymi upodobaniami, gustami.
lWyCI.ajami oraz. preferencjami \\ celu kwantyfikacji preferencji definiuje się funkcję
ut~ h!Ciności,która
umożliwiaprzypisanic charakterystyki liczbowej kaidemu z
dostępnych6
Wstępwariantów, będących przedmiotem wyboru. Funkcja użyteczności stanowi więc podstawę
do
określemarelacji preferencji lub indyferencji
międzyrozpatrywanymi wariantami.
W historii myśli ekonomicznej do najbardziej znanych teorii ut.yteczności nalet.ą: teoria
u:?:yteczności porządkowej (ang. ordinal ulility theory), teoria ul.yteczności kardynalnej (ang. cardinalutilrty theory) [zob. Błaug (l 994), s. 339 i nast.: Allen ( 1961 ), s. 712 i nas!.]
oraz teoria
ut.ytecznościlosowej (ang. random utility theory) [zob Louviere ( 1994), s. 227 i nast.].
W teorii u:?:yteczności porządkowej przyjmuje się, te użyteczność nie jest mierzalna.
Oznacza to, it
można określić porządek między dostępnymiwariantami w sensie relacji
większości, mniejszości lub równości (ekwiwalencji) Nie mo:tna jednak określić w sposób jednoznaczny, o ile jeden z dwóch wariantów jest bardziej preferowany.
Użytecznościprzy-
pisane poszczególnym wariantom
można więc uporządkowaćmonotonicznie
rosnącolub
malejąco,
co
pozwała ustalićkierunek preferencji.
W teorii uzytecznoki kardynalnej zakłada się natomiast, te użyteczność jest mierzalna, co oznacza, iz poza wyznaczeniem kierunku preferencji w zbiorze rozpatrywanych warian- tów mozna
oszacować również intensywność (natężenie)preferencji
Pozwałato
stwierdzić,w jakim stopniu jeden z wariantów jest preferowany
względemdrugiego.
Między katodą parąwskaznikó\'•
uzytecznościw tej teorii zachodzi jednoznaczne odwzorowanie liniowe.
Teoria
uzytecznościlosowej opiera
sięna
założeniu, żew funkcji
użyteczności można wyodrębnić składniksystematyczny (obserwowalny) oraz
składniklosowy Oznacza to,
żeo wyborze konsumenta nie zawsze decyduje zasada maksymalnej korzyści.
Problem
mierzalności użytecznościpodejmowany
byłwielokrotnie na gruncie ekonomii
1
mnych nauk. Rozpatrywano zarówno sytuacje wyborów pewnych, jak i zagadnienia decy- zyJne w warunkach mepewności (hazard)
1[zob. Coombs, Dawes, Tvcrsky ( 1977)].
Teoria
użytecznościjest wykorzystywana w badamiach marketingov,.rych jako podstawa koncepcyjna i metodologiczna
ułatwiająca wyjaśnieniezachowail konsumenckich.
W warunkach nowoczesnej gospodarki rynkowej. a w
szczególnościw sytuacji rynku konsumenta, badania marketingowe
stanowiąistotny
składnikprocesu decyzyjnego, zacho-
dzącego
w
przedsiębiorstwie oferującymna rynku swoje wyroby lub
usługi.Przedmiotem
badańmarketingowych
sąprodukty,
sprzedażoraz rynek, a
więcelementy
·
powiązaneze
sobąwzajemnymi
zależnościami[zob. Mynarski ( 1990)]. Uczestnicy rynku, zarówno producenci, jak i konsumenci,
mogą kształtowaćte
związkii interakcje za
pomocąróznorodnych technik,
środkówlub
zachowań.Podstawowym celem
badańmarketingowych jest identyfikacja tych
różnokierunkowych związków,a co za tym idzie, rozpoznanie rynku, Jego potrzeb
1oczekiwań, a także pozyskanie informacji umot.liwiających Jego kształtowa
nie. Kompleksowa i
wyczerpującadiagnoza rynku mote
być podstawątrafnych decyzji pro- dukc}jnych i sukcesu
przedsiębiorstwa.Zawsze jednak decyzje te
są obciążonepewnym poziomem ryzyka, co wynika z natury samego procesu, jego
złotonościi w znacznym stop-
1 N p u:ona Marshalla oraz wv nowoczesna 1coria u1.yleczno§ci von Ncumnnnn i Morgcnstemn.
7
niu stochastycznego charakteru. Do podstawowych czynników
wpływającychna
złozonośćprocesu podejmowania decyzji marketingowych zaliczyć nalety:
wielowarianrowość
sytuacji decyzyjnej,
- wieJokryterialny zbiór
przesłanek, charakteryzujących każdąz
możliwychdecyzji, -
wielowymiarową przestrzeńarbitralnie lub formalnie wybranych cech, w której roz-
patrywane
sąobiekty i interakcje,
będąceprzedmiotem decy7J1.
W badaniach marketingowych wykorzystuje
sięm in. metody z zakresu taksonomii.
starystycznej analizy wielowymiarowej oraz starystycznej teorii rozpoznawania obrazów.
takie jak np. analiza regresji, analiza czynnikowa, analiza dyskryminacyjna, metody klasyfi- kacji, wielowymiarowa analiza porównawcza, skalowanie wielowymiarowe, conjomt analy- sis i inne
2•Metoda eonJOint analysis
może byćz powodzeniem wykorzystywana do wspomagania szeroko rozumianego procesu podejmowania decyzji marketingowych. Wraz z rozwojem techniki elektronicznej i oprogramowania komputerowego zakres 1 skala
zastosowańtej metody w badaniach marketingowych ciągle wzrastają. W niniejszej pracy przedstawiono
ogólną procedurę conjoim analysis, przykłady zastosowań tej metody oraz charakterystykę
oprogramowania komputerowego niezbędnego do praktycznej realizacji badań.
W rozdziale pierwszym zaprezentowano
ogólną ideęmetody eonjoim ana/ysis jako na-
rzędzia badań
marketingowych,
wskazującna liczne komercyjne jej zastOsowania w Sta- nach Zjednoczonych i Europie Zachodniej. Przedstawiono równiez
typową proceduręba-
dawczą, która jest najczęściej wykorzystywana w przypadku stosowania metody eonjoint analysis. Rozdział ten zamyka prezentacja pakietu statystycznego SPSS for Windows, któr) zawiera implementacje algorytmów eonjoint analysis oraz k-średnich wykorzyst}'\vanych do przeprowadzenia obliczeń do zamieszczonych w książce przykładów. Należy zaznaczyć. że
ze względu na złożoność numeryczną metody eonjoint analysts nie jes1 możliwe jej prak- tyczne. efekt}'\vne stosowanie bez odpowiedniego oprogramowama komputerowego.
W rozdziale drugim omówiono zagadnienia
związanez projektowaniem
układuekspe- rymentu. który stanowi
podstawę obliczeń metodąeonjoint analysis.
Rozdziałzawiera
sformułowanie
problemu badawczego,
przykłady zagadnieńbadawczych, uwagi
dotyczące liczebnościpróby oraz
charakterystykęmetod gromadzenia danych. Zamteszczono w nim ponadto procedurę generowania układu eksperymentu oraz prezentację metod estymacji parametrów modelu eonjoint analysis.
W rozdziale trzecim zaprezentowano przykład zastosowania procedury conJomt analy- sts w analizie danych marketingowych. Przedstawiono analizę preferencji 7..awierającą wy- niki estymacji utyteczności cząstkowych. analizę symulacyjną wanantów nie będących
przedmiotem oceny ankietowej oraz studium segmentacyjne.
W rozdziale czwartym zamieszczono
charakterystykę języka poleceńSPSS. który sta- nowi narzędzie umożliwiające efekt}wne korzystanie z pakietu statystycznego SPSS for
~ Pr1cgląd a~Stosownr\ tychlc metod
wbadamach marketingowych 73\\icroj'l proce Wolesiaka 11993: 19961
Mclod) Sl:li)'Styczncj analizy '' iclowymiarO\\cj oru 1cori1 ro1pom:mama obr1116'' omow1one sq m m
wpracach
JOJU!l-1 (1990, 1993)
8 W step
Wmdows. Przedstawiono te polecenia i
przykładyich stosowania, które
są niezbędnedo realizacji
badańmarketingowych
metodąeonjoint analysis.
Pracę
zamyka bibliografia przedmiotu oraz indeks rzeczowy.
Do wszystkich
obliczeńzamieszczonych w pracy wykorzystano pakiet statystyczny SPSSfor Windows 95 ver. 7.5.1. W
szczególnościkorzystano z
modułówSPSS Base™ oraz SPSS CategonesJ!.. ver. 6.1.
Praca stanowi przyczynek do popularyzacji stosunkowo mało znanej i jeszcze rzadziej wykorzystywanej praktycZtlie w Polsce metody eonjoint analysis. Mote
słuzyćpracowni- kom naukowym i studentom uczelni i
wydziałówekonomicznych oraz pracownikom dzia-
łów
marketingowych
przedsiębiorstwjako kompendium wiedzy na temat procedury con-
JOmt analysts oraz
moiliwościi warunków jej stosowania w badaniach marketingowych.
1. METODA CONJOINT ANAL YSIS JAKO NARZĘDZIE BADAŃ MARKETINGOWYCH
1 .1. Wprowadzenie
CcmJoint analysis (conjoint measurement), nazywana w
polskojęzycznejliteraturze przed- miotu addytywnym pomiarem
łącznym[Coombs, Dawes i Tversky (1977)), pomiarem
w idoczynnikowym [Kaczmarczyk ( 1995)] , pomiarem
łącznego oddziaływaniazmiennych ( Walesiak (1996)),
analiząkojarzenia cech [Mynarski ( 1996a: 1996b)],
analiząskoJarzen [Kotler ( l994)]1ub
analiząeonjoint
[Mazurek-Lopacińska( 1996))', nalezy do grupy metod klasyfikacji i analizy danych opartych na tnv.
podejściudekompozycyjnym.
Metoda eonjoint analysis
zostałapierwotnie zaproponowana na gruncie badan psycho- metrycznych. PcC::;,awowym
założeniemmetody eonjoint onalysis, wykorzystywanej w ba- daniach marketingowych, jest prezentacja respondentom (w formie ankiety) zbioru obie- któ\., (produktów lub
usług,rzeczywistych albo hipotetycznych) opisanych wyselekCJO- nowanymi atrybutami (zmiennymi
niezależnymi) w celu uzyskania infom1acji o
całkowitychpreferencjach
odnośniedo tych obiektów (zbiór
wartościzmiennej
zależnej).Na podstawie zgromadzonych ocen
(użyteczności całkowitych}respondentów dokonuje
się podziału(dekompozycji)
całkowitychpreferencji poprzez obliczenie
udziału każdegoz atrybutów w oszacowanej
całkowitej wartości użytecznościobiektu.
W zastosowaniach marketingowych metoda eonjoint anolysis służy do pomiaru prefe- rencji konsumentów
względemproduktów opisanych wektorem zmiennych, które mierzone
są
na skali nominalnej (w analizie
pełniąone
rolęzmiennych
niezależnych).PreferencJe konsumentów (zmienna
zależna)mierzone
sąna skali
porządkowej, przedziałowej łubilo- razowej.
W rezultacie zastosowania metody conjoinr onal)lsis otrzymuje
się współczynniki użyteczności cząstkowych4
wykorzystywane w badaniach marketingowych w celus:
3 Z powodu braku jednoznaczności w tym względzie
wksiątce utywany jest konsekwentnie termrn orygrnalny - con)Otnl
onołysu4
Pojęcic to zdefiniowano w dalszej c.tęści pracy
s Zob. Hair, Andcrson. Tatham i Black C 1995); Ant ula, van den Heuvel i MOlier C 1980)
10 l . Metodo con;omt onol)·su;oko nor=t;d:tt boda1i morketmgowych
a) zdefiniowania produktu lub
usługio optymalnych charakterystykach,
b) określenia relatywnej wamości każdej zmiennej przy wyborze produktu lub usługi
przez
nabywcę,c)
określenia użyteczności każdegopoziomu danej zmiennej,
d) oszacowania (prognozowania) udziału w rynku wybranych produktów lub usług,
e) segmentacji rynku.
1.2. Charakterystyka komercyjnych zastosowań metody eonjoint analysis
Od początku lat siedemdziesiątych [por. Green i Srinivasan (l 990)) metoda ta stała się
jednym z podstawowych narzędzi pomiaru preferencji nabywców w zakresie wyboru spo-
śród produktów i usług opisanych wieloma zmiennymi Według szacunków WiUinka i Cat- tina (l 989) rocznie w latach osiemdziesiątych dokonano ponad 400 komercyjnych zastoso-
wań tej metody. W latach siedemdziesiątych łączna liczba zastosowań komercyjnych tej metody wynosiła według szacunków Cattina i Wittinka ( 1982) ponad l 000. Zastosowania te obejmowały takie dobra i usługi, jak [Green, Tuli i Albaurn ( 1988), s 628]
- dobra konsumpcyjne trwałego u2ytku (np samochody, aparaty fotograficzne i kamery filmowe, opony dla różnego typu samochodów, mieszkania, różnego typu akcesoria);
- dobra konsumpcyjne nietrwałego utytku (np. szampony do włosów, mydła, paliwa,
środki czystości);
- usługi finansowe (np. karty kredytowe, polisy ubezpieczeniowe samochodów, polisy ubezpieczeniowe na
życie,karty
stałegoklienta);
- inne usługi (np. usługi telefoniczne, usługi medyczne, agencje zatrudnienia. usługi
hotelowe,
wypożyczałniesamochodów);
- dobra
przemysłowe(np. kopiarki, drukarki, komputery osobiste.
urządzeniado prze-
syłania
infonnacji);
- transpan (np. lotnicze linie krajowe, lotnicze linie transkontynentalne, przewóz pa-
saterów i towarów w transporcie kolejowym) .
1.2. Chorokttrysl)lka komtrC)Jnycll
zastosowańmetody eonjoint analysts 11
Tabela l l PodstawO\\C charakterystyki komercyJnych zastosowan metody
conJOtnlona/ysts
Odsetek zastosowail w
Krytenum EwopiC USA
(hp1ec 1986 - (st)'CZCl11981 -
czti'WICC
1991 )
lti'U<Izleń1985) l KATEGORIA PRODUKTU LUB USLUGI
Dobra konsumpcyJne 54 59
Dobra przemysiowe 17 18
Uslug1 finansowe 14 9
Inne
usługi13 9
Inne 2 s
2 CEL BADANIA•
Ustalenie ceny 46 38
IdentyfikacJa nowego produktu (koncepcji produktu) 36 47
Segmentacja rynku 29 33
Analiza
konkurencyjności22 40
Przemieszczanic produktu na rynku 13 33
Reklama 2 18
Kanały
dystrybUCJI
)(s
3 METODY GROMADZENIA DANYCH
Wywiad osobisty 44 64
Metoda komputcrowo-mterakcyJna 42 12
Wyw1ad telcronlc2Jly 7 8
K \\CSLionarausz
wysyłany pocztą3 9
KombinacJa k1lku metod 4 7
4 SKALA POMIARU ODPOWIEDZI RESPONDENTÓW
Skala ocen 70 49
Rangowan1e 22 36
Porównywamc patami s 9
Inne 3 13
S METODA ESTYMACJI
Metoda najmnieJszych l.;wadntów
wykorzystującazmienne sztuc2ne 59 54
Mono1omc2na anahza wat•anCJI 15
łlModel lognowy 7
liInne 19 24
• W danym badam u mot.e
byćrcalizowllllych
jednocześnieklika celów, dlatego suma odsetek przekrac2.ll 100
x - ta kategona me
występowaław lym badan1u.
lrodlo; Opracowanie
własnena podstawie prac: W1tllnk, Vnens 1 Bulilenne ( 1994): W1Umk 1 Cattm ( 1989)
12 l Metoda
CO'!JOifllanaiJ'SISJalco
nan11d:u~badan marlcetmgowych
Cattin i Wittink ( 1982), Wittink i Cattin (1989) oraz Wittink, Vriens i Burhenne ( 1994) przeprowadzili badania ankietowe w USA i w Europie, których celem było zbadanie ko- mercyJnych zastosowań metody eonjoint ana/ysis ze względu m.in. na:
-
kategorięproduktu lub
usługi,- cel badania.
- metody gromadzenia danych,
-
skalępomiaru odpowiedzi respondentów, -
metodęestymacji,
- wykorzystywany pakiet statystyczny.
Podstawowe charakterystyki komercyjnych zastosowań metody eonjomt ana/ys1s przed- stawia tab. l l
Rozwój techniki komputerowej stwarza znakomite warunki do popularyzacji i po- wszechnego.
równieżkomercyjnego, stosowania metody eonjoint analysis. Efektywne wy- korzystanie tej metody nie jest bowiem
możliwebez odpowiedniego, specjalistycznego oprogramowania komputerowego.
Pośród
programów komputerowych
zawierającychimplementacje algorytmów eonJoinr
una~~'SI.r
do najbardziej popularnych
należą:SPSS Categories®, Adaptive eonjoint Analy- sis firmy Sawtooth Software, pakiet programów eonjoint ana/ysis firmy Bretton-Ciark, PG MDS. lntelligent Marketing System's oraz pakiety opracowane w
ośrodkachnaukov.'Ych, które wniosły ogromny wkład w rozwój metod eonjoint ana/ysis i skalowania wielowymia- rowego, a
więcBell Laboratories w Murray Hill i Michigan w Ann Arbor.
Większośćopro- gramowania przeznaczona jest do wykorzystania na komputerach klasy IBM/PC
pracujących pod
komroląsystemu MS-DOS lub Windows. a niektóre z nich
funkcjonująrówniez w systemie UNIX.
1.3. Procedura eonjoint analysis
Cmyomr ana(1.ris nie jest w rzeczy\\
istościprecyzyjnie
zdefiniowaną metodą badań,ale
tłoi.oną
z wtelu elementów
procedurą badawczą,w której
mogą byćstosowane alterna- tywne tcchntki estymacji parametrów i
różnorodne ścieżkianalizy danych. Rodzi to okre-
ślone
reperkusje i
trudności, polegająceprzede wszystkim na
koniecznościwyboru
między możlh\'Ymiklerunkami
postępowaniaw sytuacji. w której brak jest jednoznacznych kryte- riów rozstrzygających o ich hierarchii.
Decyzje w tym
względzienic
są łatwe,ponicwaz
własnościfonnalne i obliczcniowe (numeryczne) poszczególnych metod i technik oraz ich rozmaitych konfiguracji nic
sąjcszczc w
wystarczającymstopniu rozpoznane, lecz
stanowiąprzedmiot
badań(m .in. w ana-
l 3.
Proc~duraconjamt ana/ysts 13
łizach porównawczych tych własności wykorzystuje się metody i techniki symulacyjne. np.
metodę
Monte Carlo).
Typowa procedura eonjoint analysis srosowana w badaniach marketingowych obejmuje etapy przedstawione na rys. 1.1.
Specyfikacja 2miennych (charakterystyk ob1ektu)
Określenie
po21om6w dla ZJmennych
Wybór typu modelu
Wybór metody gromadama danych
Analiza danych
lntcrprclaCJo wymkow
Zastosowanie
w 7ar7.ądLaniumorkc:tingow}m
Rys 1.1. T) powa procedura con;oint onalnu .lródlll t:.1•racowan(l na ('O<bta\\ ic pracy Antuli, lleuvd3 i Mi>llcra { 1980).
~-lO l
W procedurze conjoim analysis
\\}Tóżnia siępewne etapy
badań,z których kazdy wy-
maga
ro7.strzygnięćdecyZ)jnych. podejmowanych w S}tuacji braku precyzyjnych kryteriów
tom1alnych. Do podstawowych kroków ogólnej procedury conjomt ana(l·sts zalicza się
następujące !por. Grccn i Srinivasan (1978), s. 105; Cook (1987). s . ::!6}:
14 l
M~todoeonJOint onolystsjolco nor:cd:tl!
badań marlc~ttnROII)'Ch- wybór posraci modelu preferencji (np. model liniowy. model kwadratowy, model
ur.yteczności cząstkowych,
model mieszany),
- wybór metody prezentacji danych (np. metoda wszystkich profilów wyboru. metoda prezentacji par atrybutów, metoda porównywania parami),
!definiowanie zbioru wariantów (obiektów) dl1t metody wszystkich profilów (np.
układ
C?ynnikowy,
układ częściowoczynnikowy, próba losowa
rozkładuwielowy- miarowego).
- określenie formy i sposobu preze."'la<:ji atrybutów (np. opis słowny, forma graficzna, model trójwymiarowy, produKt tlzyczny),
- określenie skali pomiaru zmiennej zalernej (np. metoda porównywania parami, me- toda stałych st•m. :.kala r.mgowa, skala pozycyjna).
- W}bór mett?ly estymacji parametrów
(użyteczności cz.ąstkowych)modelu (np. kla- sycL.na 'r:~~~da najmniejszych kwadratów ze zmiennymi sztucznymi, regresja wielo- krotna, Algorytm Johnsona, LINMAP, MONANOVA. PREFMAP).
1.4. Pakiet statystyczny SPSS for Windows
Pakiet statystyc7Jly SPSS for Windows firmy SPSS Inc. (USA) jest profesjonalnym progra- mem komputerowym przeznaczonym do realizacji zarówno prostych. jak i bardzo złożo
nych obliczen statystycznych. ekonometrycznych i matematycznych. Pierwotnie program
był
opracowany i przeznaczony do wykorzystania w
dużychsystemach komputerowych.
W związku z ogromną popularyzacją oraz dynamicz.nym wzrostem mocy obliczeniowej komputerów osobistych klasy IBM PC opracowano w połowie J at osiemdziesiątych pierw- sze wersje programu przeznaczone do wykorzysrania na tego typu kompUierach. Od tego momentu
powstałowiele wersji pakietu
pracującychpod
kontroląsytotemu operacyjnego DOS oraz w srodowisku Windows. Aktualnie program SPSS mote
byćwykorzystywany na taktch platformach systemowych jak Windows 95, Windows 3.x, Windows NT. DOS.
UNIX i Macintosh.
Program SPSS składa się z modułów. w których zgrupowane są rozmaite procedury sta- tystyczne oraz usługowe Zarówno zbiór algor}1mów obliczeniowych. jak i elementy usłu
gowe programu są w kolejnych wersjach pakietu sysrematycznie rozwijane. rozszerzane
i doskonalone. Modularny charakrer pakietu stwarza motliwość elastycznego dostosowania 1estawu
dostępnychalgorytmów statystycznych do specyfiki prowadzonych
badań.Bardzo bogaty zestaw dostępnych w pakiecie SPSS procedur klasyfikacji, analizy i prezentacji danych umozliwia jego wykorzystanie w badaniach socjologicznych, psychologicznych.
biologicznych. medycznych, statystycznych, ekonomicznych, marketingowych i innych.
/ • .J
Palaetstatysryc:nySPSSfor Wmdows 15
W najnowszej wersji programu SPSS for Windows 95 oznaczoneJ numerem 7.5 ofero- wane są następujące moduły: SPSS Basen-l, SPSS Advanced StatisticsTM, SPSS Professio- naJ Statistics™. SPSS Tables™. SPSS Exact Tests™. SPSS Categories®. SPSS Trendsn.•.
SPSS CHAJDTM, SPSS Neural ConnectionTM. SPSS AMOS. SPSS Missing Values Analy- sisTM, SPSS DlAMON D™. Ponadto z pakietem
współpracujątakie programy Jak: Remark Officc OMRT
114 ,Ql Analyst™. Teleform® for Windows, Maplnfo®. aiiCLEARTM for Win- dows SamplePowerTM oraz CLEARTM Process.
W wyszczególnionych
modułachpakietu zaimplementowane
sąm.m takie procedury statystyczne jak: statystyki opisowe. tabele
częstościt konryngencji, eksploracyjna analiza danych, analiza wariancji i kowariancji, analiza czynnikowa, analiza regresji, analiza dys- kryminacji, analiza korelacji, metoda eonjoint analysis, metody skalowania, analiza kore- spondencji, metody analizy skupień. miary podobieństwa (odległości i bliskości), testy statystyczne, analiza szeregów czasowych i prognozowanie. modelowanie za pomocą sieci neuronowych. konstrukcja modeli strukturalnych. metody szacowania brakujących wanosci i inne.
W pakiecie dostępne są ponadto narzędzia usługowe umożliwiające przygotowywanie i przekształcanie danych. import i ekspon danych, tworzenie grafiki prezentacyjnej. Pro- gram v.')'korzystuje ponadto standardowe techniki dostępne w środowisku Windows. takte jak ODE, OLE, ODBC i ActiveX. oraz jest wyposatony w mechanizmy
integrującepakiet
z
sieciąInternet.
Do instalacji i sprawnego funkcjonowania podstawowego modułu pakietu wymagan)
jest komputer z procesorem co najmniej 486 łub Pcntium, pamtęcią operacyjną RAM 16
MB. czytnikiem CD-ROM. dyskiem twardym o wolnej przestrzeni co najmnieJ 55 MB oraz
systemem operacyjnym Windows 95
łubWindows NT
2. PROJEKTOWANIE UKŁADU EKSPERYMENTU W METODZIE GONJOINT ANAL YSIS
2.1. Problem badawczy
Przy wyborze produktu nabywca bierze pod
uwagę różnejego cechy (charakterystyki).
dlatego '' badaniach można traktować każdy produkt jako wielov;ymiarowy obiekt. Badacz
określa w1ęc
dla danego produktu lub
usługiich podstawowe charakterystyk i oraz
sporządza
listę1ch poziomów
waności(wariantów,
przedziałów zmienności).Na
początku każdegoroku akademickiego studenci
stająprzed problcm-:m wyboru miejsca 1 warunkow zakwaterowania.
Rozważane sąwowczas
rózn~mozliwe wanamy.
W przcprow<'dzonych badaniach
każdywariant zakwaterowania o, ... y
byłprzez
sześćImiennych ( Z
1- Z
h ) • :z. Miejsce zakwaterowania: Z!
-Opłataza l
miesiąc:z,
Dostępnośćakademik, - [l 00-150). kuchni:
stancJa. - [ 150-200), tak,
- (200-250). - nie.
z. Swobodny
dostępdo z~ - Ltcz.ba osób w z"
Odległośćod
lokalu· pomieszczentu: uczeln1·
- tak. - jedna. przy uczelni.
- nie. -dwie, - niedaleko·.
-trzy. - daleko•.
c.
W oprnco\\antu \\)korzystano dane
1W}nil..t ZM1ieszczone \~ art)kule Walesiak
1OZJechctan: t
1997)7 Czas doJ~CUI lub dojudu do uczelm ponit.cj 30 mm
1 Czas dOJ~eia lub dojazdu do uczelni poWylA:J 30 mm
: .'!.
l'ą·ldadyuybranych probll!mów
huuu~rc:nl:17
W celu poznania preferencji studentów przy wyborze formy zakwaterowania w okresie studiów badaniem
objęto113 studenrów Akademii Ekonomicznej we
Wrocławiu.Badanm ankietowe przeprowadzono w roku akademickim 1996/1997.
Na podstawie wyróznionych zmiennych oraz
odpowiadającychim poz1omow mozna
utworzyć
zbiór hipotetycznych form zakwaterowama w okres1e studiow. Ich liczba Jest iloczynem l1czby poziomów wszystkich zmiennych
opisującychwarmnty warunków za- kwaterowania. W analizowanym projekcie wyrózniono 6 zm1ennych odpow1edn1o o::!. 3.
~.2. 3 1 3 ich poziomach.
otrzymując lączme216 hipotetycznych wariantów warunkov. za- kwaterowania l2x3x2x2x3x3)
Ponieważjednak respondent nie jest w stame
ocen1ćtak w1elu wariantó-.-.. zwykle ograntcza
s1ęich
liczbędo pewnego podzb1oru lwyroznioncgo arburalnie lub utworzonego przez zastosowanie specjalnych procedur statystycznych).
2.2. Przykłady wybranych problemów badawczych
Przykład
l [W alesiak ( 1996). s. 90]. Firma Goodyear zamierza
wprowadzićna
l)nek
nową oponę samochodową.Wymaga to rozpoznania preferencji potencjalnych nabywców. Kazda opona samochodowa opisana jest charakterystykami:
Z, Cena: Z~ -Kolor:
-50$.
-biała.-60$ -czarna.
- 10$.
z - Producent:
Z~-
Zywotnośćopony:
- Sears, - 30 tys. km.
Goodycar. -40 tys. km.
- Goodrich. -50 tys. km.
Przykład
2 (Dziechctarz i Walcstuk ( 1997). s. 146]. Kierownictwo
szkołyzamtcrz.a uru-
chomić nową szkolę policealną
Rozwazanc
sąróznc warianty
kształcentapoltcealncgo.
Kazdy wanant
szkołyopisany jest przez
ptęćzmiennych:
Z Czas trwania nauki - rok.
- dwa lata
L~ Tytuł
zawodo-..,)':
- tak,
- OIC
Z! - Liczba godzin zajęć:
- 20 godzin rygodn1owo.
- 30 godzin tygodniowo
z~
Cena za
mtcsiącnaukt.
-:!50
zł,- :WOzi, 150
zł.Z - Forma
Z<IJI,:Ć- dzienne.
- Wieczorowe.
18
~.!'ro;ektoH"ome11Mad11 eksperyment11
11"metod=te eonJOint analysts
Przykład
3 Kierownictwo finny
organizującejkursy na prawo jazdy interesuje rozpoznanie preferenCJI nabywców ich
usług. Różnefonny kursów optsane
sąprzez
pięćzmiennych;
l
1Cena za kurs bez egzaminu:
450
zł.500
zł,550
złZ! - Godziny jazdy z instruktorem:
- 20 godz. ..
26 godz.
l Czas trwania kursu:
4 tygodnte,
z. - Warunki
płatnosetZ,
Częstotliwość 7.ajęć- 2 razy w tygodniu.
-
wpłatajednorazowa.
S rygodm - rat) . - 3 razy w tygodniu.
Przykład
4 Na
początku każdegoroku akademickiego studenct
stająprzed problemem
\\ ) boru mtejsca
1warunków zakwaterowania. Rozwat.ane
sąwówczas
ró~e możliwewa- rianty zakwaterowania opisane przez zmienne ( Z
1 -Z s )
Z, Miejsce zakwaterowania:
akademik.
hotel.
-stancJa
Z~ Swobodny dostęp do lokalu:
- tak.
- nic.
Z~
- Liczba
współlokatorów·
- 0.
- l.
- 2.
ZJ - Opłata za l miesiąc:
- [90- 120), - [120-150).
- [l SO-l 80).
Z, - Swobodny dostęp do telefonu : - tak.
- nie.
Przykład S [Churchill ( 1995), s. 505]. Pewna firma przed wprowadzeniem na rynek nowego Lapar1.acza do kawy postanowiła rozpoznać preferencje nabywców względem atrybutów
opiSUJących tego typu urządzenia:
Z,
Pojemność:- 4 tilit.anki.
- K
filiżanek.- l O filit.anek.
Z. - Cena·
- 18$, - 22$, - 28$
Z
1Czas zaparzanta:
- 3 min ..
- 6 min .•
- 9 min ..
- 12min.
19
2.3. Suges tie dotyczące niezbędnej liczebności pró by
Według. szacunków Wittinka i Cattina ( 1982) próba powinna obejmować od l 00 do l 000 •, respondentów. przy czym za
typowąnalety
uznać próbęod 300 do 550. Na podstawie komercyjnych
zastosowańtej metody na rynku
amerykańskimi zachodnioeuropejskim Wittink i Cattin (1989) ustalili.
żemediana
wielkościpróby
wynosiła300 elementów. O ile
w1clkość tę można uznać
za
zasadnądla rynku dóbr i
usługkonsumpcyjnych. o tyle d l a rynku dóbr 1
usługprodukcyjnych dopuszczalne
będąpróby mniejsze od l 00 elementów.
2.4. Metody gromadzenia danych
Matcnalem badawczym wykorzystywanym w eonjoint analysts
sądane marketingowe uzy- sl..lwane
najczęściejw wyniku badan ankietowych Pozyskiwanie danych stanowi jeden z
głównychproblemów ....
całejprocedurze
badań.Wybór metody gromadzenia danych determmuje bowiem
złoŻOność obliczeniowązadania estymaCJI parametrów w modelu caiiJOmt ano/ysis. a przez to określa charakter możliwych do zastosowama technik szaco- wania wartości utyteczności cząstkowych. Metoda gromadzenia danych ma również decy- dujący wpływ na poziom wiarygodności ocen dokonywanych przez respondentów
Wynika to z faktu, iż przy dużej liczbie atrybutów i dużej liczbie ich poziomów (warto- ści) znacznie rośnie liczba możliwych kombinacji przedstawianych respondentowi w celu uszeregowania rangowego. Pojawia się w takim przypadku problem zdolności percepcji i
rzetelności wskazań(rangowania) dokonywanych przez respondentów, co ostatecznie moze
zawatyćna wynikach
badańi ich
wartościpoznawczej.
Problematykę związanąz przygotowaniem danych oraz wyborem metody gromadzenia danych ilustruje rys. 2.1 . W procesie przygotowywania badan rynkowych i na etapie gromadzenia danych marke- tmgowych niezbędnych do zbudowania modelu conjomt onalysts istotną rolę odgrywa eks- peryment oraz technik• planowania eksperymentów. Eksperyment jest. jak wiadomo. waż
nym uódlem poznania i
środkiemgromadzenia wiedzy we wszystkich naukach
doświadczalnych
Pojęcieeksperymentu lub
doświadczeniaoznacza celowe
wywołame określonegoZJaWISka oraz
śledzeniei pomiar skutków jego przebiegu.
Podstawowym celem tych
działańjest zdobycie wiedzy o analizowanym proceste. a v ..
szczególności określenie poziomu reakcji na wprowadzane bodtce lub zmiany wartoset cech. weryfikacja postawionych hipotez badawczych oraz wyodrębmenie najważniejszych aynnil..ów. kształtujących dane zjawisko. Ze względu na intuicyjne
1potoczne skojarzenia
dotyczące
eksperymentu i
związanychz nim aspektów
formułowane sąna
użytek różnychdziedzin nauki precyzyjne
określenialub definicje tego terminu. Rasch
1Herrendi5rfer
( 1991) sformulowali na gruncie statystyki
następującedefinicje
doświadczeniaoraz staty-
stycznego planu doświadczenia.
20 J
Projektolramf!ulilodu
d.fpł!f')lllf!lllltw
ml'lod:ie conJOiflf uno/ystsWybór Oli) butO\\ l ICh
GcncrO\\ an1c zb•oru
w;mnntO\\ 1obiel..
to\\ tR" 1 l J>roccJura !;romadl.:ma danych do moddu
COilJOIIII IIII• I~! St.f /lll<łloll:m ,\nokrsnn.
'latham 1Black
11995l.s55(.-557
.' .J
\letod)' Rromad:t!ma darryr::h 21
,.Pod
pojęciem dośuiadc=eme4 będz1emyrozumieJ i
celowe
działanicludzi na
częśćobiektywnej
rzeczywistości.przy czym wyniki tego
działania są
zapisywane (doswiadczcnic w
węzszymsensic ).
- obserwacje jednego lub wielu obiektów dobrze zdefimowancj populacji (obserwacja.
pomiar).
Dośwmdczenic. którego kolejne etapy zalet.ą częśc1owo lub całkowicie od wyn1kO\\
otrzymanych
wcześniejw tym
doświadczeniu,nazywamy .'ielot•encytn.\'111. JeLeli wynik do-
S\\
iadczcnia z.alcZ} od czynnika losowego. to mówimy o do.fw/(Jdc:=emu slotYSf.l'c:nym.
( l Stmi'Sll'c:ny plan doświadczeniu lub 11klad doświadc:ema .JCSt to zbiór reguł. mó-
wiących o przeprowadzeniu doświadczenia statystycznego. w którym pomm1ęte są aspekt}
nic mające wpływu na analizę doświadczenia. względnie nie brane pod uwagę w modelu.'' Podcjmowane w praktyce analizy i badania naukowe z wykorzystaniem technik• ekspe- l")mcntu
wymagają sporządzeniaplanu
badań.w którym
określa sięm.in. cel badan. zrodla danych statystycznych.
organizacjęeksperymentu. metody analizy danych oraz metody ana- lizy, oceny i WCI") fikacji uzyskanych wyników. Propozycję statystycznego planu tukładuJ
eksperymentu przedstawia rys. 2.2.
Eksperyment
może byćrównie z. przy zachowa n i u pewnych
regułi wymogo" staty- stycznych. uzytccwym
narzędziem badańw naukach
społecznoekonomicznych. w tym
w badaniach markctmgowych. Na pewne ograniczenia i trudności związ.ane z realizacją
eksperymentów na gruncie nauk spolcczno ekonomicznych
wskazałStcczkowski ( 1995).
rksperymenty wykonywane w ramach badan marketingowych lub na potrzeb) analizy rynku
mogą byćsztuczne (np. laboratoryjne lub symulacyjne)
bądżnaturalne lnp testowa- me produ"-IU.
sprzedażylub rynku).
Fkspcry·mcnt 1 rót.norodne schematy planowania doświadczcli znaJdug zastosowanie w proces1c przygotowywania danych do modelu eonjoint unal\'.\1.\ na etapic gcnerowama tbioru obiektów (produktów lub
usług)przedstawianych respondentom w celu uzyskania infonnac;1 o ich preferencjach. Rodzaj wykorzystywanego w tym przypadku schematu pla- nowania eksperymentu jest zdeterminowany wybranym sposobem prezentacji danych (atl)- butów i ich poziomów) badanej populacji lub próby statystycznej pobranej z danej popu- lacJi
W literaturze przedmiotu z zakresu conjoim
ww~\'51.1"wymienia
$ię najcz~ścicj następui<lCC metody prCicntacji danych:
-
metodęwszystkich profilów\\) boru (ang. f u/1-projile met/wc/lub ;itll
c.·oncł!ptmer- /weN":
'i
\\s1)51~i\! \\~rb1111~11ta ~lUS)\\<1
\\'pti)I~Jon~n' łr.lgłU(f\(1~
l:\C~hl\\an.l
J'r:lcqlt,L,ch
1llcm:rułilrh:r 11'1'11 l
10 \\ Jl;II.ICCIC
SI' SS
forWmdou·.r talmJllclll~nto\\
ano J'IO<kJ,CIC'ful/
COIICI'J'fm~tlmd
22
: Pro;daou·orm: 11Had11 ti.SJ~rymt!f/111u·
1111!/0tbe COilJOIIII ono/ystsmetodę 1-.orzyslaJącą z macierzy kompromtsów nazywaną rowniez metodą prezenta-
CJI
dwoch atrybutów jednocześnie (ang. t rade· oJ! matrix approach lub two ·dllribu- te.\ at a 11111e approach);
me10dę
porównywania wariantów (obiektów) parami (ang. method oj poired compa- nsml,\' ).
Stac:hum
prr,gotO\\an
S1J<11um n:ahz.aq1
Stalł1um
ocen
Sfonnułowan1e probł~mu
ł'roJcla
eksperymentu
Przygo1owan1c dan\ch
Orgaml~CJa
eksperymentu
Annlwl danych
Anahl.o
1occnn wymkow
R)s .:! 2. Ul.. lad cl..spel)mentu
l'wdh>
t>prnco,,amc
''l~ncna podstaw1c: 1-:acnnarcl)k
(1995).t-..uhkowsl..1
(19931: M)~7ka (1991l
Vnens
1Wittink ( 1994) wskazali na
zachodzące międzywymienionymi metodami gro-
madzenta danych pewne szczególne implikacje.
będącentekiedy
źródłem niescisłościter-
23
minołogicznych.
Metoda porównywania param• moze
byćmianowicie specyficznym
prz~padkicm metody
korzystającejz macierzy komprornisow Ma to miejsce wowczas. k1edy pary prezentowanych respondentom do oceny obiektów op1sanc
sątylko dwoma atrybutami.
Metoda porównywania parami może być równici szczególnym przypadk1cm metod}
wszystłdch profilów wyboru. Taka sytuacja zachodzi wówcz.as. kiedy obiekty prezentowane respondentom do oceny parami opisane są wszystkimi atrybutami.
Metoda wszystkich profilów wyboru obejmuje zbiór wszystkich mo.cllwych wanantóv.,
będących kombinacją atrybutów i ich poziomów. Liczba prezentowanych respondentowi wanantow jest równa iloczynowi poziomów poszczególnych atrybutów 1 moze
przyJmować duże wartości{tzn
przekraczające mozliwościprecyzyJnej oceny)
'W metodzie wszystkich profiló'' wyboru respondent dokonuje oceny przedstawionych mu wariantów \\ zakresie:
określenia porządku rangowego ocenianych wariantów zgodn•c z "lasnym1 prefe- rencjami
wyrażanymina podstawie zaprezentowanych mu atrybutÓ\\ 1 1ch pozio- mów:
określenia względnej atrakcyjności przedstawionych mu wariantów np. na skali po- zycyjnej.
Do pozytywnych cech tej metody
zaliczyć nałczyprzede ws7.ystkim przedstawienic re- spondentom do oszacowania obiektów charakteryzowanych wszystl..imi wy branymi atr') bu- tami jednocześnie. Jest to sytuacja. z którą konsument styka s1ę " rzeczy,, istości. dokonu-
Jąc określonych wyborów wśród produktów (usług) dostępnych na rynku Prezcmując
wszystkie atrybuty jednocześnie uwzględnia się ponadto występujące między nimi interak- cje. które mogą generować pewne efekty synergiczne. niewidoczne w innym przypadku.
Wśród
zalet tej metody vrymienia
się również mozłiwośćwyboru skali pomiaru
wartościzmiennych niezależnych. ponieważ pomiar może być przeprowadzony na skali porządko
wej,
przedziałowejlub ilorazowej. Za
najpoważniejszymankament metody uznaje
c;ięna- tomiast
ograniczonąco do liczby
wielkośćzbioru atrybutów i poz•o•nów
uwzględnianychw projektowanym eksperymencie. Restrykcje
zwią7.ane 7ro7.miarem eksperymentu
są szczegółnicistotne,
jeżelizamierza
się uwzględnićkompletny zb•ór wszystkich
mozłiwychkombinacJi atrybutów 1 ich poziomów. a
więc przeprowad7ić pełnyckspel)mcm czynn•- kowy W takieJ sytuaCJI zaleca
sięograniczenie liczby atrybutów do 6
Jezcł1z powodO\\
mcl)torycznych łub niezależnych od badacza nic mozna zredukować hczby atrybutow. to mozc s1ę okazać,
l lliczba otrzymanych wariantów JCSt bardzo duza W takim przypadku stosuJe się techniki redukujące rozmiar eksperymentu rynkowego. wykorzystując układy
częściowoczynnikowe znane w analizie wariancji (np .
układ błokO\\l..omplctnic losowych.
układ l..wadratu łacińskiego. układ kwadratu grecko-łacińskiego 1tp.)
Metoda korzystająca z macierzy kompromtsów polega na prezentowaniu respondentom
do oceny par atrybutów w formie tablic dwu,vymiarowych (macierzy). Liczba kolumn ma-
cierzy jest równa liczbie poziomów pierwszego z atrybutów, natomiast liczba wierszy od-
powiada liczbie poz.iomów drugiego z atrybutów. Rozpatrywane
sąw ICJ metodzie wszyst-
kie mozllwc pary atrybutów. co oznacza.
żew przypadku ogólnym m wyselekcjonowanych
24 :!
Pro;drou·amł!
rtUadu
~hfl('l')llltllfll u·merod=te COII/OIIII Ollaly:st.r:Jtl)butow otrzymuJe się m(m-1 )!2 macierzy. Respondent ocenia kazdą parę atrybutów nsobno.
''PISUJącna
przec1ęcaukolumn i wierszy rangi
wskazującena Jego preferencje.
W teJ metodzie Jest
możliwe uwzględnienie dużejliczby atl)butów, poniewaz respondent dokonuJe '' danym momencie kompromisowego rangowama kombinacji otrzymanych na skutek .r.csta\\ 1cn1a tylko dwóch atrybutów. Do wad teJ metody zalicza się wynikającą z jej istoty sttuczność. polegającą na tym, że respondent musi ocenmć obiekt w poszczególnych 1-.rokach ankiety na podstawie fragmentarycznych informacji (wyłączając skraJny przypa- dek. kiedy wyselekcjonowano do badań tylko dwa atrybuty). W rzeczywistości bowiem obiekt dostępny na rynku postrzegany Jest przez konsumenta .Jako obraz będący rezultatem
\)ddlialy\\anta wszystkich atrybutÓ\\
jednocześnieoraz interakCJI
zachodzących międzynuni Ponadto metoda ta stwarza w sytuacJi
dużeJliczby atl)butów
pewną ucią.diwośćdla respondenta. ktÓI)' w swoich ocenach mus1
braćje wszystkie pod
uwagę. Możeto prowa-
J~:ić
do przeceniania znaczenia atrybutów mnieJ
ważnychi niedoceniania rangi atrybutóv.·
ISIOlll)Ch .
Metoda porówn}· wania parami polega na prezentacji obiektów.
będącychpr:.tedm1otem
\)Ceny parami. przy CZ} m
każdyobiekt opisany jest kompletnym zestawem atl)·butów Re- :!>pondcnt nic jest tutaj zmuszony do percepcji
dużejliczby obiektów. ale na
każdymetapie okreslania swoich prefcrencj i wskazuje na jeden z d\\Óch prezentowanych mu obiektó'' .
\\ Z\\
IQtku z tym, prZ) liczbie n obiektów dokonuje n{n - 1 )! ::! \\Skazari . W celu uzyskania
jcdnotnaczności
ocen respondentów postuluje
sięw tej metodzie. aby by l .. pr . cstr.t.cgana t.asada
prtcchodniościpreferencji
oznaczająca.i.1.
jeżeli, f>- B i D>- C to A>- C {gdzie sy m boi :.- owact.a
preferencjęlewego argumentu
względemprawego
12.5. Generowanie
układueksperymentu
l cchmkt planO\\an1a eksperymentów
mogą miećzastosowanie wówcz.as, kiedy jako metoda prezentacji obiektów wybrana
zostałametoda wszystkich profilów lub metoda porównywa- nia parami. W sytuaCJI, w której stosowana JeSt metoda opana na macierzach kompromi- SO\\.
mus~:ą ~:ostać uwzględnione\\badaniach wszystkie
możli\\ekombinacje (pary) wyse- lekcjonowanych at!) butów (dla m atl)·butów takich kombinacji jest m( m - l )1 2 ). Wynika to z taktu.
~:ew celu uzyskania oszacowania
całkowitejutytecznosci poszczególnych warian-
10\\
musi byc znana hierarchia wszystkich at l) butów i ich poziomów. \\' przypadku metody
\\SZ)Stkich proliiO\\ lub metody porównywania parami znane
sącharakterystyki postcze-
goln}ch obiektowi albo
mogą zostaćprzedsta\\ione do oceny wszystkie obiekty. albo tylko
pewien ich podtbiór. Jezeli skala
badańnie jest dula. tzn. liczba
iltr')butów i liczba pozio-
mow nic
sątbyt \\)Sokie. to wówczas
mogą byćz.aprezentowane do oceny wszystkie moz-
li,,c kombinacje w formie eksperymentu czynnikowego . Czynnikami
sąw tym prrypadku
atrybuty, natomiast poziomy
tworząreplikacje (zgodnie z
terminologią stosowanąw anali-
tic wariancji).
Jeżelinatomiast skala badar1 jest
dużai nic jest mozliwe ani tez
poządane25
przeprowadzenie
pełnegoeksperymentu czynnikowego. to projektowany jest eksperyment
c7ęsc1owo
czynnikowy Eksperyment tego typu obejmuje tylko
pewną próbę (frakcję)po-
braną
zgodn1e z
określonymschematem z.
pełnejpopulacji wszystkich mozliwych kombina- cji Wybór schematu czynnikowego zalety przede wszystkim od przyjętej przez badacza postaCI modelu eonjoint analysis.
Rozważa się najczęściej(lecz nie
wyłącznie)jeden
1
dwóch typów modeli.
określających zalewość uzyteczności całkow1tejod
użytecznolici c7ąstkowych:model addytywny (efektów
głównych)oraz model
uwzględniającyInterakcje
między atrybutami (efektów głównych i współdziałania).
Prz}
kłademmodelu addytywnego
uwzględniającegotylko efekty
główne może byćna-
sręputący
model [por Akaah i Korgaonkar ( 1983)]:
gdzie:
l~,.
,loszacowana
uzyteczność całkowitah-tego wariantu.
uzytcczsfość cząstkowa
k-tego poziomu i-tej zmiennej.
rl jcsli k- !)'poziom i -tej zmiennej występuje w"- tym wananCIC
x,=,
' l O ,." przcci\\1\}m przypadku n -liczba zmiennych (atrybutów).
m, - liczba poziomów i-tej zmiennej
(:!.1)
Przykładem
modelu
uwzględniającegooprócz efektów
głównychrówniez \\')brane inte- rakCJe występujące m1ędzy atrybutami może być następujący model [por Akaah 1 Korgaon- kar ( 1983))·
IJ Hl " 11 In
v,, = 2:2: ~· .• x.~'' +L: L: 2: ,.,,,x,~~~ (2.:!)
l ·l ł l l l l l
1 u l
gdzie
1~,oszacowana
użyteczność całkowitah-tego wariantu,
v,
11 użyteczność cząstkowak-tego poziomu i-rej zmiennej.
uwzględniającaefekt interakcji
międzyzmiennymi i x j.
. _ fi jeśli efekt interakcji i x 1 występuje w h -tym wariancie
.\,, -L O w przeciwnym przypadku
" - liczba zmiennych (arrybutów ).
m, lic7ba poz1omów i-tej zmiennej.
Eksperyment
częściowoczynnikowy zmierza przede wszystkim do redukcji liczby wa- riantów, która ma
byćprzedstawiona respondentom do oceny. W eksperymentach tego rod7aju projektowanych na u~1ek badań metodami conjoim ana~)•.m korzysta się ze sche- matów stosowanych w
doświadczalnictwiei statystyce matematyczneJ
Spośródwielu Lna-
nych
układów doświadczeń najczęściejw praktyce stosowane
są układybloków kompletnie
losowych, kwadraty
łacińskieoraz kwadraty
grecko-łacińskie.26 2.Pro;elito•rume ul.ludu cl..fperymentull· metod::re coryomt 011alyst:t
W pal.iecie SP<;S for Windows
dostępnajest procedura
generująca układortogonalny umol'li"
tając}' redul-ejęliczby potencjalnych wariantów przedstawianych respondentom do OCen)
Na rys. ::! 3 prl'edstawiono okno dialogowe Generate Orthogonal Destgn umozliwia-
Jącc
utwoJ7enic
układuortogonalnego projektowanego badania. Z menu
głównegopro- gramu WSS nalezy
wybrać opcjęDataiOrthogonal Design!Generate.
W otrtymanym ol-nie
można wprowadzićnazwy 7J1licnnych (w polu tekstowym Factor Name) ora7 ety kicty zmiennych (" polu tekstowym Factor Label) Imienne motna doda-
wać
(przycisk Add).
usuwać(przycisl. Remove) oraz
7J11ieniać(przycisk Change) Przy- cisi. File sluly do
określentanazw}'
1 połoLeniapliku. w którym zostanie zapisan}' wyge- nerowan)
układortogonalny eksperymentu
Można utworzyćnow) plik (opcJa Create new data file) lub 1.astąpić aktualn} plik roboczy {opcja Replace working data file) . Pole tek- stowe Reset random number seed to
słuzydo ustawienia
pożądanej wartościLarodka generatora liczb losowych w przedziale od O do 2 000 000 000
-·:Generale Orthogonal Design ł3
Factor tfame: lkwatera
F actor .la bel: .-l M -ie-js_c_e_z_ak_w_a_te-,-ow-6-nr- .a - - - -
!f' l
l
Aemove l
Dala Fae
kwatera 'Mtetsce zakwałerowanra' 1 'Akad
Qefrne Values ..
OK faste
fie;et l
Cancel l
Help l
r. Cu~~e newdata file .Eae.. l C:\SPSS75\Iok97c.tav l Replace
~kingdota lie
r Re.§et random number seed to l QptiOil$ ... l
R)) 2 3.
O~no th;~logo".:Generale Orthogonal Destgn
Na rys. 2.4 przedstawiono okno dialogowe, l.tóre jest
wyśwtetlanepo
naciśnięciuprzy-
cisl-u Define Values w ol-nie Generate Orthogonał Design W okme Generate De-
:.5
(j,•"Nnwum~ 114fudu C'bperymen11127
s1gn Define Values można wprowadzić waności lpoziomy) oraz etyktety poszczególn)ch zmiennych. Polc tekstowe Auto-Fili pozwala przyspieszyć proces wprowadzanta waności.
JCicłt tworz..ą
one regulartny szereg
zaczynający sięod liczby l.
Generale Design: Define Values Eł
V~luesand Labeis for kwatera
Cont1nue l
Cancel Value Labet
1 11 l Akadem•k
z 2 ....
,5-tłlnCła---,-,- - - - Help
1
~:
.§
~
Z : l!
~
: Auto-Fil l From1 to f
_2j
R}s 2.4 Ol..no
dl31ogOIICGenerale Oesign Define Values
Na rys. 2.5 przedstawiono okno dialogowe. które JCSt
wyświetlanepo
naciśnięciuprz:r ctsku Options w oknie Generate Orthogonal Des1gn.
Generale Orthogonal Design: Options Eł
Minimt.m runber ot cases to genetate· p
Hołdout
Cases
r Number of hołdout cases: l
r c:tr;~
CMCel Help
Rys 2 s Okno diaJogo\le Generale Orthogonal Oes1gn: Ophons
28 :! Pro;ektou·ome rtHodu
ek.J~IJmemuwmetod:te
cOliJOltlianalyst.f
W oknie Generate Orthogonal Oesign Options motna określić minimalną liczbę wa- nantóv.. która będzie wygenerowana przez program. Ponadto mozna określić liczbę wa- nantow testowych (ang lw/doul cases) w polu tekstowym Number of
hołdoutcases oraz ustalic, czy mają one być tasowane losowo z wariantami eksperymentalnymi (ang. destgn cases: expenmemal profiles) w opcji Randomly;nix with other cases. Jezeli ta opcja nie JCSt wybrana, wananty testowe umieszczane są standardowo bezpośrednio po wanamach eksperymentalnych.
Przykład układu onogonałnego utworzonego na potrzeby badania nad formami zakwate- rowania studentów przedstawia rys. 2.6.
-. 191< SI'SS O e!• l ,w.,. II!II[;)EI
[lo
fet y.,
Q ...1..w-
l~lilcn u-
l!{rcbo ~~łlilł5I~.:J~ hljgl ~ 1lvl Cliiilr.l~~
1:1twlfeta
l •
lrwlłtra
.,, .la
kuchnie-h••
DIOI!yt Siło< (l llll-150 N,.
l
h~'""'"
2 ,t;,lldamr~ UXI-150 T p N• t
...
l Ak lido ... :llll-2!i0 N"' N!t
""'''
4 Alllldomdo. 150-200 N• o
Tok
(tOIIO5 Al! lido .... l 100-150 To~ h<
"""''
l -
Slłł\Cltl'
150-200hk hk '"'
1 Sl&n<Jł :llll-2!i0 Tok Not flcltlł
l 51011<(1 100-150
....
N• o łttl'
~.-~....
\ 100-150 hk Ta~...
10 Słll'IC'Jł 100-150 Noe N•
""'"
11 Sllt>q•. l50-200 Tak N• t d' ...
- -
\2 AAtatmk :100-250 No T•k lU 'f
r--
1ls. .... ,.
:100-l'!iO r.~ T•~ teon•14
""~"
150-200 N<• N• t rodn•15 AJ<
od•-
100-150 hl. Not l t ty1i Slłll</1 100-150 ".,. T&~< ~~w.
.!U
dyllaM
••• u_
eatd-
Przy uczelni
l
On~q<~l Pnr uculnt l 0.119"l
Pny UCZtint l Ontgn' Ooltko !>Ol ~q'!
Pur utulno 0.1'9"
Prry~~tUIN Ootog<\
Olioko :lll'9"
i
O•'•~• en"'~"
Daloko O.lłqlll Pt:r utulne O.s.g•
Pr:, liCttlnt Ot"'!"
l
Puy utul.,.
l
0H1QńlN•dłlolt.o Des.gn
N odaloko Otcogn N,.d•lokol 0Hoq"
N"·•d»ltko 0011!1"
R)~
2 6 Ul.lacJ onogonaln) badanin nnd formam1 al.w:ucrowanm studenh)\\
~
l
~ J 4 5 ii 1
s
3 lO 11
·~
13 14 15 ló.
•ll uwagi na to, ze akademik znajduje
sięprzy uczelni oraz ze
względuna
znaczną liczbęwariantóv •. które naJczy poddać ocenie. w układzie ortogonalnym wprowadzono zm1an)
Uwzględniono