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
Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia
2
Spis treści
ESTYMACJA UŻYTECZNOŚCI CZĄSTKOWYCH ............................................................... 5
OCENA PRZECIĘTNYCH „WAŻNOŚCI” ATRYBUTÓW ................................................ 11
BADANIE UDZIAŁÓW W RYNKU PROFILÓW SYMULACYJNYCH ........................... 12
TEORETYCZNE I EMPIRYCZNE UŻYTECZNOŚCI CAŁKOWITE ............................... 13
Załącznik 3. Skrypt odtwarzający cząstkowy układ czynnikowy (herbata_uklad_odtw.r) ......... 22
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.
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.
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)
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.
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.
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.
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.
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.
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.
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)
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
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.
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
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
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
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
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
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)
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
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$design,file="herbata_profile_numery.csv",row.names=FALSE)
#układ profilów do analizy
# układ cząstkowy z nazwami poziomów
herbata<-expand.grid(
cena=c("niska","średnia","wysoka"),
gatunek=c("czarna","zielona","czerwona"),
rodzaj=c("ekspresowa","granulowana","liściasta"),
aromat=c("tak","nie"))
print(herbata)
czastkowy<-optFederov(~.,herbata,rows=nrprof)
Prof. UE dr hab. Andrzej Bąk, Badania preferencji – projekt przykładowy, studia stacjonarne / niestacjonarne II stopnia, II rok, Kierunek Ekonomia
23
print(czastkowy)
print(cor(caEncodedDesign(czastkowy$design)))
write.csv2(czastkowy$design,file="herbata_profile_nazwy.csv",row.names=FALSE)
#układ profilów do ankiety
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
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)
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)
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
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
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
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
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
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
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