BPprojektherbata20122013 id 925 Nieznany

background image

Uniwersytet Ekonomiczny we Wrocławiu

Wydział Ekonomii, Zarządzania i Turystyki w Jeleniej Górze

Autor (Autorzy)

nr albumu (numery albumów)

Projekt z przedmiotu Badania preferencji

nt. Preferencje dotyczące zakupu herbaty

Zawartość projektu:
1. Omówienie przedmiotu badania
2. Dane – zgromadzone na podstawie kwestionariusza ankiety z wykorzystaniem cząstkowego układu czynnikowego
3. Wyniki estymacji modelu zestawione w tablicach:

użyteczności cząstkowe poziomów atrybutów
przeciętna „ważność” atrybutów
użyteczności całkowite profilów badanych
użyteczności całkowite i udziały w rynku profilów symulacyjnych

4. Prezentacja na wykresach:

użyteczności cząstkowe poziomów atrybutów
przeciętna „ważność” atrybutów

5. Interpretacja uzyskanych wyników
6. Kwestionariusz ankiety
7. Pliki:

projekt w pliku edytora Word
dane w plikach CSV (cząstkowy układ czynnikowy, preferencje empiryczne, nazwy poziomów, profile symulacyjne)
skrypty w plikach programu R (generowanie cząstkowego układu czynnikowego, wczytywanie danych, analiza conjo-

int)


Kryteria oceny projektu:

przedmiot badań, dobór zmiennych, uzasadnienie wyboru, cel badania

konstrukcja kwestionariusza ankietowego, sposób formułowania pytań, skale pomiaru odpowiedzi, układ czynnikowy

analiza danych – poprawność merytoryczna, zakres analizy

interpretacja wyników, wnioski, podsumowanie

strona formalna (typografia, powołania literatury, język, opis tablic i rysunków, estetyka pracy)


Jelenia Góra 2012/2013

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

2

Spis treści

WSTĘP .................................................................................................................................................. 3

1.

CHARAKTERYSTYKA BADANIA ......................................................................................... 3

2.

DANE ........................................................................................................................................... 3

3.

ESTYMACJA UŻYTECZNOŚCI CZĄSTKOWYCH ............................................................... 5

4.

OCENA PRZECIĘTNYCH „WAŻNOŚCI” ATRYBUTÓW ................................................ 11

5.

BADANIE UDZIAŁÓW W RYNKU PROFILÓW SYMULACYJNYCH ........................... 12

6.

TEORETYCZNE I EMPIRYCZNE UŻYTECZNOŚCI CAŁKOWITE ............................... 13

PODSUMOWANIE ........................................................................................................................... 13

LITERATURA ................................................................................................................................... 14

Załącznik 1. Kwestionariusz ankiety ........................................................................................................................ 15

Załącznik 2. Skrypt generujący cząstkowy układ czynnikowy (herbata_uklad.r) ........................... 20

Załącznik 3. Skrypt odtwarzający cząstkowy układ czynnikowy (herbata_uklad_odtw.r) ......... 22

Załącznik 4. Skrypt wczytujący dane (herbata_dane.r) .............................................................................. 24

Załącznik 5. Skrypt realizujący procedurę conjoint analysis (herbata_conjoint.r) ...................... 25

Załącznik 6. Dane do projektu herbata.................................................................................................................... 27

Załącznik 7. Teoretyczne użyteczności całkowite profilów w przekroju respondentów ..................... 31

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

3

Wstęp

Tutaj wprowadzenie do raportu z wykonanego projektu badawczego


1. Charakterystyka badania


Przedmiot badania: herbata
Badanie przeprowadzono: w 2007 r.

1

Gromadzenie danych: kwestionariusz ankiety został rozesłany drogą elektroniczną do 132
osób zamieszkałych w Wałbrzychu i okolicach. Spośród 132 rozesłanych formularzy po-
prawnie zostało wypełnionych 100.
Kwestionariusz ankiety: załącznik 1.


Tutaj szersza charakterystyka przedmiotu badania





2. Dane


Tutaj omówienie danych z odwołaniami do tablic




Tab. 1. Atrybuty i poziomy charakteryzujące herbatę

Atrybuty

Poziomy

Liczba poziomów

Cena

niska, średnia, wysoka

3

Gatunek

czarna, zielona, czerwona

3

Rodzaj

ekspresowa, granulowana, liściasta

3

Aromat

tak, nie

2

Źródło: opracowanie własne.


Pełny układ czynnikowy liczy 54 profile (iloczyn liczb poziomów). W wyniku zastosowa-

nia algorytmu generującego cząstkowy układ czynnikowy (z wykorzystaniem pakietu
AlgDesign, zob. Wheeler [2011]) zredukowano tę liczbę do 13 profilów (zob. skrypt her-
bata_uklad_odtw.r w załączniku 3).

1

Dane do pracy magisterskiej zgromadziła Małgorzata Baran.

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

4

Tab. 2. Macierz X reprezentująca cząstkowy układ czynnikowy (plik herbata_profile_numery.csv)

cena

gatunek

rodzaj

aromat

3

1

1

1

1

2

1

1

2

2

2

1

2

1

3

1

3

3

3

1

2

1

1

2

3

2

1

2

2

3

1

2

3

1

2

2

1

3

2

2

1

1

3

2

2

2

3

2

3

2

3

2

Źródło: opracowanie własne z wykorzystaniem programu R i pakietu AlgDesign.



Tab. 3. Cząstkowy układ czynnikowy z nazwami poziomów (plik herbata_profile_nazwy.csv) (

do

zamieszczenia w kwestionariuszu ankiety

)

Profil

Cena

Gatunek

Rodzaj

Aromatyzowana

1

wysoka

czarna

ekspresowa

tak

2

niska

zielona

ekspresowa

tak

3

średnia

zielona

granulowana

tak

4

średnia

czarna

liściasta

tak

5

wysoka

czerwona

liściasta

tak

6

średnia

czarna

granulowana

nie

7

wysoka

zielona

granulowana

nie

8

średnia

czerwona

granulowana

nie

9

wysoka

czarna

granulowana

nie

10

niska

czerwona

granulowana

nie

11

niska

czarna

liściasta

nie

12

średnia

zielona

liściasta

nie

13

wysoka

zielona

liściasta

nie

Źródło: opracowanie własne na podstawie tab. 1 i tab. 2.

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

5

Tab. 4. Wektor Y reprezentujący preferencje (tutaj dla respondenta nr 1), plik herbata_preferencje.csv

Y

8

1

1

3

9

2

7

2

2

2

2

3

4

Źródło: opracowanie własne z wykorzystaniem danych zgromadzonych w badaniu ankietowym.

Dane empiryczne wykorzystane w badaniu, zapisane w plikach w formacie csv, można

wczytać do programu R za pomocą skryptu herbata_dane.r (zob. załącznik 4). Dane te
zawiera także załącznik 5.

3. Estymacja użyteczności cząstkowych


Liniowy model regresji wielorakiej conjoint analysis określony jest ogólnie (z uwzględnie-
niem rzeczywistych atrybutów produktów/usług) wzorem (zob. Bąk [2004b]; Walesiak i Gat-
nar [2009]; Rószkiewicz [2002a]; Rószkiewicz [2002b]):

p

k

k

k

Z

Y

1

0

,

(1)

gdzie:

Y

zmienna objaśniana, której wartościami są preferencje empiryczne respondentów,

0

wyraz wolny modelu,

p

,

,

1

parametry modelu,

p

Z

Z

,

,

1

zmienne objaśniające

(atrybuty opisujące profile produktów lub usług),

p

k

,

,

1 

numer zmiennej objaśniającej

(atrybutu),

składnik losowy modelu.

Atrybuty niemetryczne

p

Z

Z

,

,

1

są następnie kodowane za pomocą zmiennych sztucz-

nych, które wskazują na występowanie określonych poziomów atrybutów w poszczególnych
profilach. Wykorzystuje się w tym celu najczęściej metody kodowania zero-jedynkowego,
quasi-eksperymentalnego lub ortogonalnego (zob. Zwerina [1997]; Walesiak i Bąk [2000];
Bąk [2004a]).

Po przekodowaniu atrybutów model conjoint analysis ze zmiennymi sztucznymi można

przedstawić w następującej formie:

m

j

j

j

X

b

b

Y

1

0

ˆ

,

(2)

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

6

gdzie:

Yˆ

wartości teoretyczne zmiennej objaśnianej,

0

b

wyraz wolny modelu,

m

b

b

,

,

1

parametry modelu

2

,

m

X

X

,

,

1

zmienne sztuczne reprezentujące poziomy atrybutów nieme-

trycznych,

m

j

,

,

1 

numer zmiennej sztucznej.

Pakiet conjoint opracowany dla programu R (R Development Core Team [2012]) za-

wiera funkcje obliczeniowe umożliwiające przeprowadzenie badań empirycznych tradycyjną
metodą conjoint analysis (zob. Bąk, Bartłomowicz [2011]; Bąk, Bartłomowicz [2012a]; Bąk,
Bartłomowicz [2012b]). Pakiet conjoint (aktualna wersja 1.35) można pobrać ze stron in-
ternetowych http:// cran.r-project.org/web/packages/conjoint lub
http://wgrit.ae. jgora.pl/keii/conjoint/index.html.

Przykład zastosowania podstawowych funkcji pakietu conjoint w badaniu empirycz-

nym zawiera skrypt herbata_conjoint.r (zob. załącznik 5).

Model regresji liniowej dla wybranego respondenta można oszacować za pomocą funkcji

caModel(y,x) pakietu conjoint. Argumentami funkcji są: y – preferencje empirycz-
ne, x – cząstkowy układ czynnikowy. Wyniki estymacji modelu dla respondenta nr 1 (wyraz
wolny i parametry bez poziomów odniesienia) są następujące:

#model dla respondenta nr 1 (wyraz wolny i parametry bez poziomów odniesie-
nia)
> m<-caModel(pref[1,],prof)
> print(m)

Call:
lm(formula = frml)

Residuals:
1 2 3 4 5 6 7 8 9
10 11 12
1,1345 -1,4897 0,3103 -0,2655 0,3103 0,1931 1,5931 -1,4310 -1,4310
1,1207 0,3690 1,1931
13
-1,6069

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3,3937 0,5439 6,240 0,00155 **
factor(x$cena)1 -1,5172 0,7944 -1,910 0,11440
factor(x$cena)2 -1,1414 0,6889 -1,657 0,15844
factor(x$gatunek)1 -0,4747 0,6889 -0,689 0,52141
factor(x$gatunek)2 -0,6747 0,6889 -0,979 0,37234
factor(x$rodzaj)1 0,6586 0,6889 0,956 0,38293
factor(x$rodzaj)2 -1,5172 0,7944 -1,910 0,11440
factor(x$aromat)1 0,6293 0,5093 1,236 0,27150
---
Signif. codes: 0 ‘***’ 0,001 ‘**’ 0,01 ‘*’ 0,05 ‘.’ 0,1 ‘ ’ 1

Residual standard error: 1,78 on 5 degrees of freedom
Multiple R-squared: 0.8184, Adjusted R-squared: 0.5642
F-statistic: 3.22 on 7 and 5 DF, p-value: 0,1082


Za pomocą funkcji caUtilities(y,x,z) można oszacować model dla wybranego re-

spondenta łącznie z parametrami dla poziomów odniesienia. Argumentami funkcji są: y –

2

Szacowane metodą najmniejszych kwadratów parametry modelu są nazywane użytecznościami cząstko-

wymi poziomów atrybutów.

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

7

preferencje empiryczne, x – cząstkowy układ czynnikowy, z – nazwy poziomów (nazwy po-
ziomów są wykorzystywane do opisania wykresów, które tworzy funkcja).

> #model dla respondenta nr 1 (wyraz wolny i parametry z poziomami odnie-
sienia, bez nazw poziomów)
> m<-caUtilities(pref[1,],prof,npoz)
> print(m)
[1] 3,3936782 -1,5172414 -1,1413793 2,6586207 -0,4747126 -0,6747126
[7] 1,1494253 0,6586207 -1,5172414 0,8586207 0,6293103 -0,6293103


Za pomocą funkcji caPartUtilities(y,x,z) można model dla wybranego respon-

denta łącznie z parametrami dla poziomów odniesienia i nazwami poziomów. Argumentami
funkcji są: y – preferencje empiryczne, x – cząstkowy układ czynnikowy, z – nazwy pozio-
mów

> #model dla respondenta nr 1(z poziomami odniesienia i nazwami poziomów)
> m<-caPartUtilities(pref[1,],prof,npoz)
> print(m)
intercept niska srednia wysoka czarna zielona czerwona
[1,] 3,394 -1,517 -1,141 2,659 -0,475 -0,675 1,149
ekspresowa granulowana lisciasta tak nie
[1,] 0,659 -1,517 0,859 0,629 -0,629


Użyteczności cząstkowe poziomów atrybutów, ważność atrybutów oraz wykresy (w prze-

kroju całej próby) można otrzymać za pomocą funkcji Conjoint(y,x,z) z pakietu con-
joint.

Znaczenie argumentów funkcji Conjoint(y,x,z) jest następujące: y – preferencje

empiryczne zgromadzone na podstawie kwestionariusza ankiety (min. 30), x – cząstkowy
układ czynnikowy (np. otrzymany za pomocą skryptu herbata_uklad_odtw.r, z – na-
zwy poziomów atrybutów.

Wyniki estymacji:

> #analiza conjoint - wyniki
> Conjoint(pref,prof,npoz)
[1] "Part worths (utilities) of levels (model parameters for whole sam-
ple):"
levnms utls
1 intercept 3,5534
2 niska 0,2402
3 srednia -0,1431
4 wysoka -0,0971
5 czarna 0,6149
6 zielona 0,0349
7 czerwona -0,6498
8 ekspresowa 0,1369
9 granulowana -0,8898
10 lisciasta 0,7529
11 tak 0,4108
12 nie -0,4108
[1] "Average importance of factors (attributes):"
[1] 24,76 32,22 27,15 15,88
[1] Sum of average importance: 100,01
[1] "Chart of average factors importance"

Oszacowane parametry zostały zestawione w tab. 5 i zilustrowane na rys. 1-4.

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

8






Tutaj omówienie modelu i interpretacja wyników badania (użyteczności
cząstkowych) z odwołaniami do tablic i rysunków








Tab. 5. Oszacowane użyteczności cząstkowe poziomów atrybutów

Atrybuty

Poziomy

Użyteczności cząstkowe

cena

niska

0,240

średnia

-0,143

wysoka

-0,097

gatunek

czarna

0,615

zielona

0,035

czerwona

-0,650

rodzaj

ekspresowa

0,137

granulowana

-0,890

liściasta

0,753

aromat

tak

0,411

nie

-0,411

Źródło: opracowanie własne z wykorzystaniem programu R i pakietu conjoint.

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

9

niska

srednia

wysoka

cena

u

ti

li

ty

-0

,2

-0

,1

0

,0

0

,1

0

,2

0

,3

0

,4

Rys. 1. Użyteczności cząstkowe poziomów atrybutu „cena”
Źródło: opracowanie własne z wykorzystaniem programu R i pakietu conjoint.

czarna

zielona

czerwona

gatunek

u

ti

li

ty

-1

,0

-0

,5

0

,0

0

,5

1

,0

Rys. 2. Użyteczności cząstkowe poziomów atrybutu „gatunek herbaty”
Źródło: opracowanie własne z wykorzystaniem programu R i pakietu conjoint.

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

10

ekspresowa

granulowana

lisciasta

rodzaj

u

ti

li

ty

-1

,5

-1

,0

-0

,5

0

,0

0

,5

1

,0

1

,5

Rys. 3. Użyteczności cząstkowe poziomów atrybutu „rodzaj herbaty”
Źródło: opracowanie własne z wykorzystaniem programu R i pakietu conjoint.

tak

nie

aromat

u

ti

li

ty

-0

,5

0

,0

0

,5

Rys. 4. Użyteczności cząstkowe poziomów atrybutu „aromat”
Źródło: opracowanie własne z wykorzystaniem programu R i pakietu conjoint.


background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

11

4. Ocena przeciętnych „ważności” atrybutów

Przeciętna ważność atrybutów w ocenie profilów zamieszczonych w kwestionariuszu an-

kiety została zestawiona w tab. 6 i zilustrowana na rys. 5.


Tab. 6. Przeciętna „ważność” atrybutów dla badanej próby

Atrybuty

Ważność atrybutów

cena

24,76

gatunek

32,22

rodzaj

27,15

aromat

15,88

Źródło: opracowanie własne z wykorzystaniem programu R.


Tutaj interpretacja wyników badania (ważności atrybutów)

cena

gatunek

rodzaj

aromat

Factors

Ave

ra

g

e

i

mp

o

rt

a

n

ce

0

20

40

60

80

100

Rys. 1. Przeciętna „ważność” atrybutów
Źródło: opracowanie własne z wykorzystaniem programu R i pakietu conjoint.




background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

12

5. Badanie udziałów w rynku profilów symulacyjnych


Do analizy symulacyjnej wybrano 4 profile, które nie zostały włączone do cząstkowego ukła-
du czynnikowego i kwestionariusza ankiety (są to profile z pełnego układu czynnikowego nie
były oceniane przez respondentów w badaniu ankietowym).

Zestawienie profilów symulacyjnych zawiera tab. 7.

Tab. 7. Układ czynnikowy profilów symulacyjnych

Nr profilu

Numery poziomów atrybutów

Nazwy poziomów atrybutów

cena

gatunek rodzaj

aromat

cena

gatunek

rodzaj

aromat

1

3

2

2

2 średnia

zielona

granulowana nie

2

1

3

1

1 wysoka

czerwona

ekspresowa

tak

3

2

3

3

2 niska

czerwona

liściasta

nie

4

3

1

2

1 średnia

czarna

granulowana tak

Źródło: opracowanie własne.

Potencjalne udziały w rynku profilów symulacyjnych (tab. 8) zostały oszacowane za po-

mocą funkcji ShowAllSimulations(sym,y,x) z pakietu conjoint. Znaczenie ar-
gumentów funkcji jest następujące: sym – wybrane profile symulacyjne, y – preferencje em-
piryczne zgromadzone na podstawie kwestionariusza, x – cząstkowy układ czynnikowy.

Wyniki estymacji udziałów w rynku profilów symulacyjnych:

> # analiza symulacyjna
> print(sym)

#profile symulacyjne

cena gatunek rodzaj aromat
1 3 2 2 2
2 1 3 1 1
3 2 3 3 2
4 3 1 2 1
> ShowAllSimulations(sym,pref,prof)
TotalUtility MaxUtility BTLmodel LogitModel
1 2,19 11 18,85 13,04
2 3,69 28 28,96 34,84
3 3,10 26 30,14 35,79
4 3,59 35 22,06 16,33

Oszacowane udziały w rynku profilów symulacyjnych zostały zestawione w tab. 8.

Tab. 8. Wyniki oszacowania udziałów w rynku profilów symulacyjnych na podstawie trzech modeli

Nr profilu

Użyteczność

całkowita profilu

Udział obliczony na podstawie modelu

maksymalnej uży-

teczności

BTL

logitowego

1

2,19

11,0

18,8

13,0

2

3,69

28,0

29,0

34,8

3

3,10

26,0

30,1

35,8

4

3,59

35,0

22,1

16,3

Źródło: opracowanie własne z wykorzystaniem programu R i pakietu conjoint.


Tutaj interpretacja wyników badania (udziałów w rynku profilów symu-
lacyjnych)

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

13

6. Teoretyczne i empiryczne użyteczności całkowite


Funkcja caTotalUtilities(y,x) służy do obliczenia teoretycznych użyteczności cał-
kowitych w przekroju wszystkich respondentów. Znaczenie argumentów funkcji jest następu-
jące: y – preferencje empiryczne zgromadzone na podstawie kwestionariusza, x – cząstkowy
układ czynnikowy.

Teoretyczne użyteczności całkowite oszacowane dla pierwszych pięciu respondentów są

następujące:

> #użyteczności całkowite teoretyczne dla respondnetów nr 1-5
> tu<-caTotalUtilities(pref,prof)
> print(tu[1:5,])
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
[1,] 6,866 2,490 0,690 3,266 8,690 1,807 5,407 3,431 3,431 0,879
[2,] 1,748 9,834 4,034 2,148 1,234 5,110 5,110 6,197 1,397 8,569
[3,] 2,793 9,338 3,538 6,193 4,138 1,441 3,841 -0,414 -0,814 1,276
[4,] 5,834 5,310 7,110 6,434 7,310 4,393 7,393 4,069 6,269 3,621
[5,] 4,500 1,800 6,600 8,100 6,000 9,800 6,400 10,500 6,900 5,500
[,11] [,12] [,13]
[1,] 1,631 1,807 5,607
[2,] 7,597 5,510 3,510
[3,] 8,386 7,241 7,041
[4,] 5,069 7,993 9,193
[5,] 5,700 10,000 7,200

Otrzymane na podstawie modelu oszacowania użyteczności całkowitych można porównać

z wartościami empirycznymi zgromadzonymi w badaniu ankietowym. Empiryczne wartości
preferencji dla pierwszych pięciu respondentów są następujące:

> #użyteczności całkowite empiryczne dla respondnetów nr 1-5
> colnames(pref)<-cbind(paste("prof",1:ncol(pref),sep=""))
> print(pref[1:5,])
prof1 prof2 prof3 prof4 prof5 prof6 prof7 prof8 prof9 prof10 prof11
1 8 1 1 3 9 2 7 2 2 2 2
2 0 10 3 5 1 4 8 6 2 9 7
3 4 10 3 5 4 1 2 0 0 1 8
4 6 7 4 9 6 3 7 4 8 5 2
5 5 1 7 8 6 10 7 10 6 6 6
prof12 prof13
1 3 4
2 5 2
3 9 7
4 10 9
5 10 7



Podsumowanie


Tutaj podsumowanie wyników przeprowadzonego badania preferencji



background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

14

Literatura


Bąk A. (2004a), Dekompozycyjne metody pomiaru preferencji w badaniach marketingowych,

Wydawnictwo AE, Wrocław.

Bąk A. (2004b), Mikroekonometryczne metody badania preferencji. Zeszyty Naukowe Uni-

wersytetu Szczecińskiego nr 394, t. II, s. 21-42. [URL:] http://www.us.szc.pl/ ma-
in.php/metodyilosciowe/.

Bąk A., Bartłomowicz T. (2011), Implementacja klasycznej metody conjoint analysis w pa-

kiecie conjoint programu R. Prace Naukowe UE we Wrocławiu nr 176, s. 94-104.

Bąk A., Bartłomowicz T. (2012a), Package conjoint. Conjoint analysis package,

http://cran.r-project.org/web/packages/conjoint

Bąk A., Bartłomowicz T. (2012b), Conjoint analysis method and its implementation in con-

joint R package. [W:] Pociecha J. Decker R. (red.), Data analysis methods and its applica-
tions
. Wydawnictwo C.H. Beck, Warszawa, s. 239-248.

R Development Core Team (2012), R: A Language and Environment for Statistical Compu-

ting, R Foundation for Statistical Computing, [URL:] http://cran.r-project.org/.

Rószkiewicz M. (2002a), Metody ilościowe w badaniach marketingowych. WN PWN, War-

szawa.

Rószkiewicz M. (2002b), Narzędzia statystyczne w analizach marketingowych. Wydawnictwo

C.H. Beck, Warszawa.

Walesiak M., Bąk A. (2000), Conjoint analysis w badaniach marketingowych, Wydawnictwo

AE, Wrocław.

Walesiak M., Gatnar E. (red.) (2009), Statystyczna analiza danych z wykorzystaniem progra-

mu R, Wydawnictwo Naukowe PWN, Warszawa.

Wheeler R.E. (2012), Package AlgDesign. Algorithmic Experimental Design, http://cran.r-

project.org/web/packages/AlgDesign

Zwerina K. (1997), Discrete Choice Experiments in Marketing. Heidelberg-New York, Physi-

ca-Verlag.


background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

15

Załącznik 1. Kwestionariusz ankiety


ANKIETA


Badanie jest przeprowadzane w celu poznania preferencji konsumentów podejmujących decyzje o na-
byciu herbaty. Ankieta jest anonimowa, a uzyskane informacje posłużą jedynie do celów analitycz-
nych. Proszę o udzielenie rzetelnych odpowiedzi na przedstawione poniżej pytania.



Część I

1. Czy pija Pani/Pan herbatę? (proszę podać jedną odpowiedź)

a) TAK

b) NIE

2. Jak często kupuje Pani/Pan herbatę? (proszę podać jedną odpowiedź)

a) częściej niż raz w tygodniu
b) raz w tygodniu
c) raz w miesiącu
d) kilka razy w miesiącu
e) rzadziej

3.

Gdzie najczęściej kupuje Pani/Pan herbatę? (do wyboru jest więcej niż jeden wariant od-

powiedzi)

a) herbaciarnia
b) supermarket i hipermarket
c) duży sklep spożywczy
d) średni i mały sklep spożywczy
e) bazar
f)

apteka

g) inne (jakie?)........................................................................

4.

Jaki rodzaj herbaty kupuje Pani/Pan najczęściej? (proszę podać jedną odpowiedź)

a) ekspresowa
b) granulowana
c) liściasta

5.

Jaki gatunek herbaty kupuje Pani/Pan najczęściej? (do wyboru jest więcej niż jeden wa-

riant odpowiedzi)

a) owocowa
b) ziołowa
c) czarna
d) zielona
e) czerwona
f)

biała

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

16

6.

Jaka herbata owocowa najbardziej Pani/Panu smakuje? (proszę podać jedną odpowiedź)

a) malinowa
b) truskawkowa
c) cytrynowa
d) z dzikiej róży
e) hibiskus
f)

wieloowocowa

g) brzoskwiniowa
h) inna (jaka?)........................................................................

7.

Jakie czynniki bierze Pani/Pan pod uwagę dokonując zakupu herbaty? (1 – czynnik cał-

kowicie nieważny, 6 – czynnik bardzo ważny)

Czynniki

1

2

3

4

5

6

aromat

cena

elementy zdrowotne

opakowanie

opinia znajomych

reklama i promocja

smak

8.

Jak często pija Pani/Pan herbatę? (proszę podać jedną odpowiedź)

a) 5 razy dziennie lub częściej
b) 2 – 4 razy dziennie
c) raz dziennie
d) kilka razy w tygodniu
e) raz w tygodniu lub rzadziej

9.

Czy używa Pani/Pan dodatków do herbaty? (proszę podać jedną odpowiedź)

a) TAK b) NIE

10. Jeśli na wcześniejsze pytanie odpowiedział(a) Pani/Pan tak, proszę o zaznaczenie jakich.

(do wyboru jest więcej niż jeden wariant odpowiedzi)

a) cukier
b) miód
c) mleko
d) cytryna
e) słodzik
f)

rum

g) inne (jakie?)........................................................................

11. Z jakich powodów pija Pani/Pan herbatę? (do wyboru jest więcej niż jeden wariant odpo-

wiedzi)

a) przyzwyczajenie, nabyte nawyki
b) działa rozgrzewająco
c) znakomicie gasi pragnienie
d) walory smakowe
e) walory aromatyczne

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

17

f)

względy zdrowotne

g) inne (jakie?)........................................................................

12. W jakich sytuacjach pija Pani/Pan herbatę? (do wyboru jest więcej niż jeden wariant od-

powiedzi)

a) do śniadania
b) do obiadu
c) do kolacji
d) między posiłkami
e) na spotkaniach
f)

inne (jakie?)........................................................................

13. Czy zwraca Pani/Pan uwagę na markę przy zakupie herbaty? (proszę podać jedną odpo-

wiedź)

a) TAK

b) NIE

14.

Jakiej marki herbatę preferuje Pani/Pan najbardziej? (do wyboru jest więcej niż jeden
wariant odpowiedzi
)

a) Assam
b) Brooke Bond
c) Dilmah
d) Herbapol
e) Lipton
f)

Minutka

g) Posti
h) Saga
i)

Tetley

j)

Vitax

k) inne (jakie?)........................................................................

15. Jaką kwotę miesięcznie skłonna/skłonny jest Pani/Pan wydać na zakup herbaty? (proszę

podać jedną odpowiedź)

a) poniżej 10 zł
b) 10 – 20 zł
c) 20 – 40 zł
d) powyżej 40 zł

16. Jak ocenia Pani/Pan ofertę rynkową marek herbaty? (proszę podać jedną odpowiedź)

bardzo

wąska

1

2

3

4

5

6

bardzo
szeroka

17. Czy jest Pani/Pan zainteresowana/zainteresowany zwiększeniem asortymentu na rynku

herbaty? (proszę podać jedną odpowiedź)

a) TAK

b) NIE

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

18

Część II

Proszę o przydzielenie punktów od 0 do 10 zgodnie z Pani/Pana preferencjami.
(proszę wpisać punkty według skali: 0 – najmniej preferuję, 10 – najbardziej preferuję)

Nr profilu

Cena

Gatunek

Rodzaj

Aromatyzowana

Punkty

1

wysoka

czarna

ekspresowa

tak

2

niska

zielona

ekspresowa

tak

3

średnia

zielona

granulowana

tak

4

średnia

czarna

liściasta

tak

5

wysoka

czerwona

liściasta

tak

6

średnia

czarna

granulowana

nie

7

wysoka

zielona

granulowana

nie

8

średnia

czerwona

granulowana

nie

9

wysoka

czarna

granulowana

nie

10

niska

czerwona

granulowana

nie

11

niska

czarna

liściasta

nie

12

średnia

zielona

liściasta

nie

13

wysoka

zielona

liściasta

nie

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

19

Część III

Proszę zaznaczyć odpowiedź wstawiając znak

x

w kratkę

lub wpisując dane

w pole [………….]

1

Płeć

kobieta

mężczyzna

2

Wiek

poniżej 20 lat

20 – 30 lat

30 – 40 lat

40 – 50lat

powyżej 50 lat

3

Stan cywilny

panna / kawaler

zamężna / żonaty

rozwiedziona / rozwiedziony

wdowa / wdowiec

inny [………….]

4

Miejsce zamieszkania

wieś

miasto do 50 tys. mieszkańców

miasto 50–100 tys. mieszkańców

miasto 100–200 tys. mieszkańców

miasto powyżej 200 tys. mieszkańców

5

Wykształcenie

podstawowe

zawodowe

średnie

licencjat

wyższe

podyplomowe

6

Miesięczny dochód
na 1 osobę w rodzinie

poniżej 500 zł.

500 – 1000 zł.

1000 – 1500 zł.

1500 – 2000 zł.

2000 – 2500 zł.

2500 – 3000 zł.

powyżej 3000 zł

7

Źródło dochodów

własna działalność gospodarcza

praca dorywcza (sezonowa)

renta lub emerytura

zasiłek dla bezrobotnych

stypendium

na utrzymaniu rodziny

praca najemna

inne [………….]

8

Liczba osób
w gospodarstwie domowym

[………….]

Dziękuję za poświęcenie cennego czasu na wypełnienie ankiety

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

20

Załącznik 2. Skrypt generujący cząstkowy układ czynnikowy (herbata_uklad.r)





#*******************************************************************************************************************
# (C) 2009 Andrzej Bąk Uniwersytet Ekonomiczny we Wrocławiu
# Przykład skryptu generującego cząstkowy układ czynnikowy z wykorzystaniem pakietów AlgDesign i conjoint
# Wheeler R.E. (2012), Package AlgDesign. Algorithmic Experimental Design, http://cran.r-
# project.org/web/packages/AlgDesign
# Bąk A., Bartłomowicz T. (2012), Package conjoint. Conjoint analysis package, http://cran.r-
# project.org/web/packages/conjoint
# Zmiany 12.11.2009, 9.11.2011, 30.09.2012
# Kod poniższy może być modyfikowany, kopiowany i rozprowadzany na warunkach licencji GPL 2
# (http://gnu.org.pl/text/licencja-gnu.html), a w szczególności pod warunkiem umieszczenia w zmodyfikowanym pliku
# widocznej informacji o dokonanych zmianach, wraz z datą ich dokonania.
#*******************************************************************************************************************
library(conjoint)

# układ pelny z numerami poziomów
pelny<-gen.factorial(c(3,3,3,2),factors="all",varNames=c("cena","gatunek","rodzaj","aromat"))
print(pelny)
print(cor(data.matrix(pelny)))
# układ cząstkowy z numerami poziomów
czastkowy<-caFactorialDesign(data=pelny,type="fractional")
print(czastkowy)
print(cor(caEncodedDesign(czastkowy)))

# układ pelny z nazwami poziomów
herbata<-expand.grid(

cena=c("niska","średnia","wysoka"),

gatunek=c("czarna","zielona","czerwona"),

rodzaj=c("ekspresowa","granulowana","liściasta"),

aromat=c("tak","nie"))

print(herbata)
pelny<-caFactorialDesign(data=herbata,type="full")
print(pelny)

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

21

print(cor(caEncodedDesign(pelny)))
# układ cząstkowy z nazwami poziomów
czastkowy<-caFactorialDesign(data=pelny,type="fractional")
print(czastkowy)
print(cor(caEncodedDesign(czastkowy)))

### układ cząstkowy ortogonalny
# układ cząstkowy ortogonalny z nazwami poziomów
czastkowy_nazwy<-caFactorialDesign(data=herbata,type="orthogonal")
print(czastkowy_nazwy)
print(cor(caEncodedDesign(czastkowy_nazwy)))
# układ cząstkowy ortogonalny z numerami poziomów
czastkowy_numery<-caEncodedDesign(czastkowy_nazwy)
print(czastkowy_numery)
print(cor(czastkowy_numery))
# zapisanie układów z nazwami i numerami w plikach CSV
write.csv2(czastkowy_nazwy,file="herbata_profile_nazwy.csv",row.names=FALSE) #układ profilów do ankiety
write.csv2(czastkowy_numery,file="herbata_profile_numery.csv",row.names=FALSE)

#układ profilów do analizy



background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

22

Załącznik 3. Skrypt odtwarzający cząstkowy układ czynnikowy (herbata_uklad_odtw.r)





#*******************************************************************************************************************
# (C) 2009 Andrzej Bąk Uniwersytet Ekonomiczny we Wrocławiu
# Przykład skryptu generującego cząstkowy układ czynnikowy z wykorzystaniem pakietów AlgDesign i conjoint
# Wheeler R.E. (2012), Package AlgDesign. Algorithmic Experimental Design, http://cran.r-
# project.org/web/packages/AlgDesign
# Bąk A., Bartłomowicz T. (2012), Package conjoint. Conjoint analysis package, http://cran.r-
# project.org/web/packages/conjoint
# Zmiany 12.11.2009, 9.11.2011, 30.09.2012
# Kod poniższy może być modyfikowany, kopiowany i rozprowadzany na warunkach licencji GPL 2
# (http://gnu.org.pl/text/licencja-gnu.html), a w szczególności pod warunkiem umieszczenia w zmodyfikowanym pliku
# widocznej informacji o dokonanych zmianach, wraz z datą ich dokonania.
#*******************************************************************************************************************
library(conjoint)
library(AlgDesign)
pelny<-gen.factorial(c(3,3,3,2),factors="all",varNames=c("cena","gatunek","rodzaj","aromat"))
# układ cząstkowy odtwarzający zbiór profilów herbaty ocenianych w ankiecie
nrprof<-c(3,4,14,20,27,29,33,35,39,43,46,50,51) #numery profilów ocenianych w ankiecie

# układ cząstkowy z numerami poziomów
czastkowy<-optFederov(~.,pelny,rows=nrprof)
print(czastkowy)
print(cor(caEncodedDesign(czastkowy$design)))
write.csv2(czastkowy$design,file="herbata_profile_numery.csv",row.names=FALSE)

#układ profilów do analizy


# układ cząstkowy z nazwami poziomów
herbata<-expand.grid(

cena=c("niska","średnia","wysoka"),

gatunek=c("czarna","zielona","czerwona"),

rodzaj=c("ekspresowa","granulowana","liściasta"),

aromat=c("tak","nie"))

print(herbata)
czastkowy<-optFederov(~.,herbata,rows=nrprof)

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

23

print(czastkowy)
print(cor(caEncodedDesign(czastkowy$design)))
write.csv2(czastkowy$design,file="herbata_profile_nazwy.csv",row.names=FALSE)

#układ profilów do ankiety

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

24

Załącznik 4. Skrypt wczytujący dane (herbata_dane.r)




#*****************************************************************************************************************
# C) 2009 Andrzej Bąk Uniwersytet Ekonomiczny we Wrocławiu
# Przykład skryptu wczytującego i wyświetlającego w oknie konsoli dane
# Zmiany 12.11.2009, 9.11.2011, 30.09.2012
# Kod poniższy może być modyfikowany, kopiowany i rozprowadzany na warunkach licencji GPL 2
# (http://gnu.org.pl/text/licencja-gnu.html), a w szczególności pod warunkiem umieszczenia w zmodyfikowanym pliku
# widocznej informacji o dokonanych zmianach, wraz z datą ich dokonania.
#*****************************************************************************************************************

# wczytanie plików danych
profnr<-read.csv2("herbata_profile_numery.csv",header=TRUE)

#układ cząstkowy - profile z numerami poziomów

profnz<-read.csv2("herbata_profile_nazwy.csv",header=TRUE)

#układ cząstkowy - profile z nazwami poziomów

prefer<-read.csv2("herbata_preferencje.csv",header=TRUE)

#preferencje empiryczne - macierz

nazpoz<-read.csv2("herbata_poziomy.csv",header=TRUE)

#nazwy poziomów

prosym<-read.csv2("herbata_profile_symulacyjne.csv",header=TRUE)

#profile symulacyjne


# wyświetlenie wybranych fragmentów plików
print(profnr)

#układ z numerami

(m<-ncol(profnr))

#liczba atrybutów

(p<-nrow(profnr))

#liczba profilów

print(profnz)

#układ z nazwami

print(nrow(prefer))

#liczba respondentów

print(prefer[1:5,])

#preferencje empiryczne pierwszych pięciu respondentów

print(prefer[96:100,])

#preferencje empiryczne ostatnich pięciu respondentów

print(colnames(profnz))

#nazwy atrybutów

print(nazpoz)

#nazwy poziomów atrybutów

print(prosym)

#profile symulacyjne



background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

25

Załącznik 5. Skrypt realizujący procedurę conjoint analysis (herbata_conjoint.r)



#*****************************************************************************************************************
# (C) 2009 Andrzej Bąk Uniwersytet Ekonomiczny we Wrocławiu
# Przykład skryptu przeprowadzającego analizę conjoint
# Bąk A., Bartłomowicz T. (2012), Package conjoint. Conjoint analysis package, http://cran.r-
# project.org/web/packages/conjoint
# Zmiany: 12.11.2009, 29.11.2009, 30.10.2010, 10.11.2011, 30.09.2012
# Kod poniższy może być modyfikowany, kopiowany i rozprowadzany na warunkach licencji GPL 2
# http://gnu.org.pl/text/licencja-gnu.html), a w szczególności pod warunkiem umieszczenia w zmodyfikowanym pliku
# widocznej informacji o dokonanych zmianach, wraz z datą ich dokonania.
#*****************************************************************************************************************

library(conjoint)

# wczytanie plików danych
profnr<-read.csv2("herbata_profile_numery.csv",header=TRUE)

#układ cząstkowy - profile z numerami poziomów

profnz<-read.csv2("herbata_profile_nazwy.csv",header=TRUE)

#układ cząstkowy - profile z nazwami poziomów

prefer<-read.csv2("herbata_preferencje.csv",header=TRUE)

#preferencje empiryczne - macierz

nazpoz<-read.csv2("herbata_poziomy.csv",header=TRUE)

#nazwy poziomów atrybutów

prosym<-read.csv2("herbata_profile_symulacyjne.csv",header=TRUE)

#profile symulacyjne


#funkcja caModel() - model dla jednego wybranego (np. 1-pierwszego) respondenta

#model dla respondenta nr 1 (wyraz wolny i parametry bez poziomów odniesienia)
m<-caModel(prefer[1,],profnr)
print(m)

#model dla respondenta nr 1 (wyraz wolny i parametry z poziomami odniesienia, bez nazw poziomów)
m<-caUtilities(prefer[1,],profnr,nazpoz)
print(m)

#model dla respondenta nr 1(z poziomami odniesienia i nazwami poziomów)
m<-caPartUtilities(prefer[1,],profnr,nazpoz)
print(m)

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

26

#analiza conjoint - wyniki
Conjoint(prefer,profnr,nazpoz)

#użyteczności całkowite teoretyczne dla respondnetów nr 1-5
tu<-caTotalUtilities(prefer,profnr)
print(tu[1:5,])

#użyteczności całkowite empiryczne dla respondnetów nr 1-5
colnames(prefer)<-cbind(paste("prof",1:ncol(prefer),sep=""))
print(prefer[1:5,])

# analiza symulacyjna
print(prosym)
ShowAllSimulations(prosym,prefer,profnr)

# segmentacja respondentów
seg=caSegmentation(prefer,profnr,2)
print(seg)

# dodatkowo
# analiza conjoint - wszystkie użyteczności
ShowAllUtilities(prefer,profnr,nazpoz)



background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

27

Załącznik 6. Dane do projektu herbata


Profile – plik herbata_profile.csv


> print(profnr)
cena gatunek rodzaj aromat
1 3 1 1 1
2 1 2 1 1
3 2 2 2 1
4 2 1 3 1
5 3 3 3 1
6 2 1 1 2
7 3 2 1 2
8 2 3 1 2
9 3 1 2 2
10 1 3 2 2
11 1 1 3 2
12 2 2 3 2
13 3 2 3 2

Nazwy poziomów – plik herbata_poziomy.csv


> print(nazpoz)
levels
1 niska
2 srednia
3 wysoka
4 czarna
5 zielona
6 czerwona
7 ekspresowa
8 granulowana
9 lisciasta
10 tak
11 nie

Profile symulacyjne – plik herbata_profile_symulacyjne.csv


> print(prosym)
cena gatunek rodzaj aromat
1 3 2 2 2
2 1 3 1 1
3 2 3 3 2
4 3 1 2 1


background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

28

Preferencje empiryczne – plik herbata_preferencje_macierz.csv


> print(prefer)
profil1 profil2 profil3 profil4 profil5 profil6 profil7 profil8 profil9 profil10 profil11 profil12 profil13
1 8 1 1 3 9 2 7 2 2 2 2 3 4
2 0 10 3 5 1 4 8 6 2 9 7 5 2
3 4 10 3 5 4 1 2 0 0 1 8 9 7
4 6 7 4 9 6 3 7 4 8 5 2 10 9
5 5 1 7 8 6 10 7 10 6 6 6 10 7
6 10 1 1 5 1 0 0 0 0 0 0 1 1
7 8 0 0 0 9 0 0 0 0 0 5 10 8
8 5 2 1 4 3 8 5 9 6 8 3 1 2
9 7 3 3 9 0 5 3 0 5 0 5 10 8
10 8 7 3 10 9 1 2 2 2 2 8 10 8
11 7 6 4 10 8 2 2 3 2 3 9 10 9
12 8 7 3 10 9 2 3 2 2 2 9 10 7
13 0 0 0 2 3 4 0 1 0 1 5 3 0
14 7 0 0 4 4 1 0 1 2 1 3 0 0
15 9 0 0 2 0 8 0 0 6 0 3 0 0
16 9 1 1 2 1 8 1 0 6 0 4 1 1
17 2 6 4 4 2 4 2 8 2 8 4 4 4
18 10 1 1 0 0 0 0 0 0 0 0 1 1
19 5 4 8 1 2 2 4 3 3 1 2 8 6
20 10 0 0 5 0 2 0 0 2 0 5 0 0
21 10 8 0 0 2 0 0 0 0 0 0 6 3
22 10 10 2 6 6 2 2 2 2 2 6 6 6
23 0 0 0 1 0 1 0 0 0 0 2 0 0
24 2 1 1 2 8 0 7 7 0 5 1 10 9
25 0 10 5 3 0 3 4 0 1 0 4 7 6
26 8 1 1 3 9 2 7 2 2 2 2 3 4
27 0 10 3 5 1 4 8 6 2 9 7 5 2
28 0 10 3 2 0 0 3 0 0 0 1 9 3
29 6 7 4 9 6 3 7 4 8 5 2 10 9
30 5 1 7 8 6 10 7 10 6 6 6 10 7
31 10 1 1 5 1 0 0 0 0 0 0 1 1
32 8 0 0 0 9 0 0 0 0 0 5 10 8
33 5 2 1 4 3 8 5 9 6 8 3 1 2

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

29

34 7 3 3 9 0 5 3 0 5 0 5 10 8
35 8 7 3 10 9 2 1 1 1 2 9 10 8
36 8 6 3 10 9 3 3 3 3 3 9 10 8
37 8 7 4 10 9 2 2 2 2 2 9 10 8
38 0 0 0 3 2 4 0 2 1 2 5 3 0
39 7 0 0 4 4 1 0 1 2 1 3 0 0
40 9 0 0 0 0 8 0 0 6 0 3 0 0
41 9 1 1 1 1 8 1 1 6 1 3 1 1
42 2 6 4 4 2 4 2 8 2 8 4 4 4
43 10 1 1 0 0 5 0 0 0 0 8 1 1
44 5 4 8 1 2 2 4 3 3 1 2 8 6
45 10 2 0 6 0 3 0 0 2 0 5 1 0
46 10 8 3 4 7 1 0 1 1 0 4 6 3
47 10 10 2 6 6 2 2 2 2 2 6 6 6
48 4 2 1 9 0 9 0 0 1 0 9 1 0
49 5 3 6 8 7 3 0 2 2 1 0 1 0
50 4 2 2 5 2 1 1 1 0 2 3 4 1
51 1 1 1 6 4 1 1 1 1 1 6 7 5
52 8 1 1 5 3 3 1 3 4 3 3 1 1
53 10 10 4 4 0 2 1 0 1 0 3 2 2
54 7 2 2 4 2 5 1 2 3 2 3 2 1
55 2 3 4 8 7 6 5 3 3 4 5 6 5
56 3 4 3 5 1 2 2 2 1 3 10 9 5
57 7 4 1 8 0 1 0 4 0 1 4 2 1
58 10 4 10 3 1 5 7 0 8 2 10 9 6
59 8 4 6 2 7 2 2 3 1 1 2 3 3
60 0 10 5 0 5 0 5 5 0 5 2 5 5
61 7 10 2 3 0 4 2 0 1 1 4 4 3
62 4 6 5 3 0 2 1 1 1 0 2 2 2
63 2 2 2 6 6 2 2 2 2 2 2 6 6
64 5 7 6 1 7 2 2 4 2 2 3 4 4
65 7 8 9 2 6 8 1 3 2 1 7 3 2
66 2 2 2 6 4 2 2 2 2 2 6 7 5
67 8 1 1 5 3 3 1 3 4 3 3 1 2
68 10 9 5 5 1 3 2 0 1 0 3 1 2
69 8 2 2 5 2 6 1 2 4 2 4 2 1
70 2 3 4 8 7 6 5 3 3 4 5 6 5
71 4 5 4 6 2 3 3 3 2 4 10 9 6

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

30

72 4 1 0 8 0 3 0 0 4 0 4 1 0
73 8 1 1 3 9 2 7 2 2 2 2 3 4
74 0 10 3 5 1 4 8 6 2 9 7 5 2
75 4 10 3 5 4 1 2 0 0 1 8 9 7
76 6 7 4 9 6 3 7 4 8 5 2 10 9
77 5 1 7 8 6 10 7 10 6 6 6 10 7
78 10 1 1 5 1 0 0 0 0 0 0 1 1
79 8 1 1 1 9 1 1 1 1 1 5 10 8
80 8 1 1 3 9 2 7 2 2 2 2 3 4
81 0 10 3 5 1 4 8 6 2 9 7 5 2
82 1 10 4 3 1 1 4 1 1 1 2 9 4
83 6 7 4 9 6 3 7 4 8 5 2 10 9
84 8 7 3 10 9 2 1 1 1 2 9 10 8
85 0 0 0 3 2 4 0 2 1 2 5 3 0
86 7 0 0 4 4 1 0 1 2 1 3 0 0
87 10 2 2 2 2 8 2 2 6 2 5 1 1
88 9 1 1 1 1 8 1 1 6 1 3 1 1
89 2 6 4 4 2 4 2 8 2 8 4 4 4
90 10 2 2 0 0 5 1 1 1 1 8 2 1
91 3 7 5 5 3 5 3 9 3 9 5 4 4
92 9 3 3 5 1 2 0 0 1 0 0 2 1
93 5 4 8 1 2 2 4 3 3 1 2 8 6
94 9 3 3 5 0 4 0 0 4 0 6 2 0
95 10 8 0 0 2 0 0 0 0 0 0 6 3
96 8 9 2 6 6 2 1 2 2 2 7 6 6
97 5 3 0 9 0 8 0 0 6 0 9 2 0
98 5 3 1 4 3 8 5 9 6 8 4 3 1
99 7 4 3 9 0 5 4 0 5 0 6 10 8
100 9 7 4 10 9 3 2 1 2 3 9 10 8

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

31

Załącznik 7. Teoretyczne użyteczności całkowite profilów w przekroju respondentów



> U<-caTotalUtilities(prefer,profnr)
> print(U)
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13]
[1,] 6,866 2,490 0,690 3,266 8,690 1,807 5,407 3,431 3,431 0,879 1,631 1,807 5,607
[2,] 1,748 9,834 4,034 2,148 1,234 5,110 5,110 6,197 1,397 8,569 7,597 5,510 3,510
[3,] 2,793 9,338 3,538 6,193 4,138 1,441 3,841 -0,414 -0,814 1,276 8,386 7,241 7,041
[4,] 5,834 5,310 7,110 6,434 7,310 4,393 7,393 4,069 6,269 3,621 5,069 7,993 9,193
[5,] 4,500 1,800 6,600 8,100 6,000 9,800 6,400 10,500 6,900 5,500 5,700 10,000 7,200
[6,] 6,141 2,372 1,572 4,541 3,372 1,952 0,752 -0,217 1,583 -2,155 0,783 -0,848 0,152
[7,] 2,928 1,048 -0,552 4,728 8,848 -0,366 3,634 0,755 1,155 -0,603 4,555 5,434 8,434
[8,] 5,383 1,945 1,545 2,583 3,545 7,903 4,503 9,266 6,266 7,190 3,866 1,703 1,303
[9,] 4,669 2,821 4,621 8,269 1,621 5,986 4,386 0,138 5,138 -1,759 6,938 7,986 7,186
[10,] 5,890 6,807 4,007 10,290 10,007 2,462 3,262 1,579 1,579 1,414 8,779 7,662 8,262
[11,] 4,890 6,207 4,407 10,290 9,207 3,262 3,262 2,379 2,179 2,414 9,379 8,662 8,462
[12,] 6,224 7,117 3,717 10,424 9,517 3,255 3,455 1,948 1,748 1,534 9,348 7,655 8,055
[13,] 0,403 0,331 -0,669 3,403 1,531 2,579 -0,421 2,107 0,307 1,362 4,307 2,579 1,179
[14,] 5,338 0,841 -0,159 4,338 4,641 1,972 -0,028 0,876 2,676 0,483 2,676 -1,028 0,372
[15,] 7,414 0,124 -0,076 4,014 -0,476 6,517 1,917 1,028 6,628 -0,552 3,428 -1,483 -0,483
[16,] 7,569 1,221 0,621 4,369 0,221 6,386 2,786 1,038 6,638 -0,259 4,038 -0,414 0,786
[17,] 1,559 5,628 4,428 3,159 3,228 4,648 3,048 7,117 1,917 7,655 4,717 4,648 2,248
[18,] 5,262 2,559 0,759 1,662 1,759 1,428 2,028 -0,276 1,724 -1,483 -0,076 -1,572 0,228
[19,] 2,603 4,531 7,331 3,203 2,331 2,779 5,779 2,307 3,307 1,362 1,107 6,379 5,979
[20,] 6,703 1,731 -0,469 5,303 1,731 3,979 0,179 -0,593 3,607 -1,138 4,407 -1,221 -0,221
[21,] 5,503 7,331 1,731 2,303 3,131 0,979 4,179 0,007 -0,593 -1,138 1,807 0,979 2,779
[22,] 7,710 9,393 2,993 6,910 6,993 2,938 4,538 1,421 1,421 1,586 7,021 3,738 5,338
[23,] 0,259 0,228 -0,372 1,059 -0,172 0,848 -0,352 0,017 0,217 0,155 1,617 0,448 0,048
[24,] 0,121 1,586 1,786 1,521 8,986 1,076 6,876 7,341 0,541 3,672 1,741 8,276 9,476
[25,] 1,159 8,628 5,628 3,159 -0,572 2,248 5,048 -0,083 -0,283 0,655 4,717 7,048 5,648
[26,] 6,866 2,490 0,690 3,266 8,690 1,807 5,407 3,431 3,431 0,879 1,631 1,807 5,607
[27,] 1,748 9,834 4,034 2,148 1,234 5,110 5,110 6,197 1,397 8,569 7,597 5,510 3,510
[28,] -0,017 8,145 5,145 1,983 -0,255 0,703 4,103 0,066 -2,334 0,190 2,666 6,103 4,503
[29,] 5,834 5,310 7,110 6,434 7,310 4,393 7,393 4,069 6,269 3,621 5,069 7,993 9,193
[30,] 4,500 1,800 6,600 8,100 6,000 9,800 6,400 10,500 6,900 5,500 5,700 10,000 7,200
[31,] 6,141 2,372 1,572 4,541 3,372 1,952 0,752 -0,217 1,583 -2,155 0,783 -0,848 0,152

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

32

[32,] 2,928 1,048 -0,552 4,728 8,848 -0,366 3,634 0,755 1,155 -0,603 4,555 5,434 8,434
[33,] 5,383 1,945 1,545 2,583 3,545 7,903 4,503 9,266 6,266 7,190 3,866 1,703 1,303
[34,] 4,669 2,821 4,621 8,269 1,621 5,986 4,386 0,138 5,138 -1,759 6,938 7,986 7,186
[35,] 5,707 7,062 3,662 10,907 9,662 2,559 2,559 1,114 1,114 1,224 9,714 7,759 7,959
[36,] 6,166 6,090 3,690 10,366 9,690 4,007 3,807 2,931 2,931 2,379 9,531 8,007 8,407
[37,] 5,997 7,069 4,469 10,797 9,669 3,021 3,221 1,693 1,893 1,638 9,293 8,021 8,221
[38,] 0,383 0,145 -0,255 3,583 1,145 3,303 -0,497 2,666 1,066 2,190 4,666 2,703 0,903
[39,] 5,338 0,841 -0,159 4,338 4,641 1,972 -0,028 0,876 2,676 0,483 2,676 -1,028 0,372
[40,] 7,131 0,179 -0,421 2,931 -0,821 6,214 2,414 1,062 6,662 -0,241 3,062 -1,786 -0,386
[41,] 7,272 1,152 0,752 3,472 0,352 6,366 3,166 2,045 6,645 0,603 3,245 -0,634 0,566
[42,] 1,559 5,628 4,428 3,159 3,228 4,648 3,048 7,117 1,917 7,655 4,717 4,648 2,248
[43,] 5,883 3,545 -1,455 3,883 0,145 4,703 1,703 0,166 2,766 -0,310 5,766 -0,297 0,503
[44,] 2,603 4,531 7,331 3,203 2,331 2,779 5,779 2,307 3,307 1,362 1,107 6,379 5,979
[45,] 7,093 3,138 0,138 6,093 1,538 4,641 0,441 -0,314 3,086 -1,224 5,086 -0,559 -0,159
[46,] 7,097 7,669 3,469 6,697 7,069 1,621 2,821 0,793 0,393 0,138 4,193 2,421 3,621
[47,] 7,710 9,393 2,993 6,910 6,993 2,938 4,538 1,421 1,421 1,586 7,021 3,738 5,338
[48,] 4,900 2,800 0,200 8,700 -0,600 7,400 -1,200 1,100 2,300 -0,500 8,700 2,600 -0,400
[49,] 5,779 2,814 6,214 7,579 6,614 2,324 -0,476 2,559 1,959 0,828 0,359 1,324 0,124
[50,] 2,390 2,807 2,407 4,590 2,807 2,062 0,462 1,279 0,679 0,914 3,279 2,662 1,662
[51,] 0,455 1,097 1,297 5,855 4,297 1,669 0,869 0,910 0,910 0,793 6,110 6,269 5,469
[52,] 6,172 1,552 1,352 4,772 4,152 4,166 1,366 2,745 4,545 2,103 3,345 -0,034 0,766
[53,] 7,586 9,876 4,476 4,786 1,276 3,083 3,283 -0,828 0,972 -0,448 3,572 0,483 0,883
[54,] 5,507 2,462 2,062 4,707 2,262 4,759 1,759 2,514 3,714 1,224 3,314 0,959 0,759
[55,] 3,555 3,097 4,297 6,955 6,097 4,469 3,269 4,610 3,410 3,293 5,610 6,669 5,669
[56,] 0,752 4,966 2,566 5,952 1,766 3,690 2,290 1,303 1,503 2,931 9,103 7,490 5,690
[57,] 4,897 4,469 1,669 6,297 2,669 4,221 0,221 2,193 0,193 0,138 4,393 1,621 0,021
[58,] 6,700 6,200 8,000 6,300 0,800 6,200 7,200 -0,300 9,500 2,500 7,300 6,800 7,800
[59,] 6,003 4,931 4,731 4,603 6,731 1,779 3,379 2,907 1,907 1,362 0,707 1,979 2,979
[60,] 0,828 9,048 5,248 0,228 4,648 0,034 5,634 4,455 -1,145 5,897 2,055 5,034 5,034
[61,] 5,614 9,324 2,924 3,814 0,324 3,717 4,117 0,228 0,628 0,448 5,228 2,317 2,317
[62,] 3,479 5,814 4,814 3,479 0,414 2,324 2,124 0,259 0,859 0,328 1,859 2,124 1,124
[63,] 2,069 1,421 3,021 5,269 6,221 1,586 2,386 2,538 1,738 1,241 3,338 5,586 5,586
[64,] 4,452 6,566 5,166 3,652 6,166 1,490 4,090 3,403 1,403 3,431 2,003 3,290 3,890
[65,] 6,800 8,400 6,400 6,800 3,600 5,200 3,200 3,400 2,600 3,000 4,600 3,200 1,800
[66,] 1,455 2,097 2,297 5,855 4,297 2,669 1,869 1,910 1,910 1,793 6,110 6,269 5,469
[67,] 6,124 1,517 1,317 4,724 4,317 4,055 1,655 2,648 4,648 2,034 3,448 0,255 1,255
[68,] 8,252 9,366 4,966 5,452 1,966 3,490 3,290 -0,397 1,603 -0,569 3,203 0,490 0,890
[69,] 6,507 2,462 2,062 5,707 2,262 5,759 1,759 2,514 4,714 1,224 4,314 0,959 0,759

background image

Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia

33

[70,] 3,555 3,097 4,297 6,955 6,097 4,469 3,269 4,610 3,410 3,293 5,610 6,669 5,669
[71,] 2,017 5,855 3,655 6,617 2,855 4,497 3,297 2,334 2,534 3,810 9,334 7,897 6,297
[72,] 4,338 0,641 1,041 6,138 0,841 4,172 -0,828 -0,324 3,476 -0,517 4,876 0,972 0,172
[73,] 6,866 2,490 0,690 3,266 8,690 1,807 5,407 3,431 3,431 0,879 1,631 1,807 5,607
[74,] 1,748 9,834 4,034 2,148 1,234 5,110 5,110 6,197 1,397 8,569 7,597 5,510 3,510
[75,] 2,793 9,338 3,538 6,193 4,138 1,441 3,841 -0,414 -0,814 1,276 8,386 7,241 7,041
[76,] 5,834 5,310 7,110 6,434 7,310 4,393 7,393 4,069 6,269 3,621 5,069 7,993 9,193
[77,] 4,500 1,800 6,600 8,100 6,000 9,800 6,400 10,500 6,900 5,500 5,700 10,000 7,200
[78,] 6,141 2,372 1,572 4,541 3,372 1,952 0,752 -0,217 1,583 -2,155 0,783 -0,848 0,152
[79,] 3,528 1,848 0,648 5,128 8,848 0,634 4,234 1,755 1,955 0,397 4,755 5,834 8,434
[80,] 6,866 2,490 0,690 3,266 8,690 1,807 5,407 3,431 3,431 0,879 1,631 1,807 5,607
[81,] 1,748 9,834 4,034 2,148 1,234 5,110 5,110 6,197 1,397 8,569 7,597 5,510 3,510
[82,] 1,059 8,428 5,828 2,859 0,828 1,648 4,848 1,017 -0,983 1,155 3,417 6,648 5,248
[83,] 5,834 5,310 7,110 6,434 7,310 4,393 7,393 4,069 6,269 3,621 5,069 7,993 9,193
[84,] 5,707 7,062 3,662 10,907 9,662 2,559 2,559 1,114 1,114 1,224 9,714 7,759 7,959
[85,] 0,383 0,145 -0,255 3,583 1,145 3,303 -0,497 2,666 1,066 2,190 4,666 2,703 0,903
[86,] 5,338 0,841 -0,159 4,338 4,641 1,972 -0,028 0,876 2,676 0,483 2,676 -1,028 0,372
[87,] 8,217 2,655 1,255 4,417 1,455 6,897 3,497 2,734 6,934 1,810 4,534 -0,303 0,897
[88,] 7,272 1,152 0,752 3,472 0,352 6,366 3,166 2,045 6,645 0,603 3,245 -0,634 0,566
[89,] 1,559 5,628 4,428 3,159 3,228 4,648 3,048 7,117 1,917 7,655 4,717 4,648 2,248
[90,] 5,941 4,372 -0,228 3,741 0,172 5,152 2,552 0,983 3,383 0,845 5,783 0,352 0,952
[91,] 2,855 6,697 5,297 4,055 4,097 5,669 3,669 8,110 2,910 8,793 5,510 4,869 2,469
[92,] 6,128 3,648 3,648 5,128 2,448 2,834 1,234 0,155 1,955 -1,603 0,955 0,234 0,234
[93,] 2,603 4,531 7,331 3,203 2,331 2,779 5,779 2,307 3,307 1,362 1,107 6,379 5,979
[94,] 6,752 3,766 2,566 6,352 0,566 5,090 0,890 -0,497 4,503 -0,069 5,303 0,490 0,290
[95,] 5,503 7,331 1,731 2,303 3,131 0,979 4,179 0,007 -0,593 -1,138 1,807 0,979 2,779
[96,] 6,286 8,276 2,676 7,086 6,676 2,683 3,483 1,272 1,272 2,052 7,672 4,283 5,283
[97,] 6,155 2,297 0,497 8,555 -0,503 7,669 -0,331 0,210 5,210 0,293 9,410 2,069 0,469
[98,] 5,090 2,807 1,807 3,090 3,207 8,262 4,462 9,379 5,779 7,414 4,779 2,462 1,462
[99,] 4,976 3,883 4,483 8,176 1,483 6,145 4,945 0,052 5,052 -1,534 7,652 8,145 7,545
[100,] 6,552 7,366 4,566 10,952 9,566 3,290 3,290 1,503 2,503 1,931 9,703 7,690 8,090


Wyszukiwarka

Podobne podstrony:
BP Mikroprzedsiebiorstwa id 925 Nieznany (2)
Abolicja podatkowa id 50334 Nieznany (2)
4 LIDER MENEDZER id 37733 Nieznany (2)
katechezy MB id 233498 Nieznany
metro sciaga id 296943 Nieznany
perf id 354744 Nieznany
interbase id 92028 Nieznany
Mbaku id 289860 Nieznany
Probiotyki antybiotyki id 66316 Nieznany
miedziowanie cz 2 id 113259 Nieznany
LTC1729 id 273494 Nieznany
D11B7AOver0400 id 130434 Nieznany
analiza ryzyka bio id 61320 Nieznany
pedagogika ogolna id 353595 Nieznany
Misc3 id 302777 Nieznany

więcej podobnych podstron