BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Jefmański Bartłomiej (Uniwersytet Ekonomiczny we Wrocławiu)
Title
Zastosowanie rozmytej funkcji regresji w ocenie poziomu satysfakcji klientów z usług
An Application of Fuzzy Regression Analysis in Customer Satisfaction Estimation
Source
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (18), 2011, nr 176, s. 312-320, bibliogr. 9 poz.
Research of Wrocław University of Economics
Issue title
Klasyfikacja i analiza danych - teoria i zastosowania
Keyword
Satysfakcja klienta, Konsument
Customer satisfaction, Consumer
Note
streszcz., sum.
Abstract
Model regresji rozmytej, zaproponowany przez Tanakę, a określany mianem posybilistycznej funkcji regresji, jest nieparametryczną metodą użyteczną w estymacji rozmytych zależności między zmiennymi. Ma on na celu minimalizację stopnia rozmycia związku między zmiennymi poprzez rozwiązanie zadania programowania matematycznego. W artykule zaprezentowano możliwości wykorzystania regresji rozmytej w badaniach satysfakcji konsumentów, a w szczególności szacowania ich poziomu satysfakcji. Podstawy teoretyczne proponowanego podejścia zaprezentowano na przykładzie analizy wyników otrzymanych z badania satysfakcji studentów jednej z niepublicznych szkół wyższych.(abstrakt oryginalny)

Tanaka's model (fuzzy possibilistic regression) approach is a well known fuzzy regression technique used for the prediction problems including fuzzy type of uncertainty. The aim of that model is to minimize fuzziness between the dependent and the independent variables and the solution to this optimization problem is obtained through an extensive use of the mathematical programming. The aim of the paper is to present a potential of a fuzzy linear regression in customer satisfaction surveys particularly in customer satisfaction estimation. An empirical example of student satisfaction estimation was used to present methodological aspects of this approach.(original abstract)
Accessibility
The Main Library of the Cracow University of Economics
The Library of Warsaw School of Economics
The Library of University of Economics in Katowice
The Main Library of Poznań University of Economics and Business
The Main Library of the Wroclaw University of Economics
Full text
Show
Bibliography
Show
  1. Chen Y.S., Outliers detection and confidence interval modification in fuzzy regression, "Fuzzy Sets and Systems" 2001, no. 119.
  2. Lasek M., Data Mining. Zastosowania w analizach i ocenach klientów bankowych, Biblioteka Menedżera i Bankowca, Warszawa 2002.
  3. Modarres M., Nasrabadi E., Nasrabadi M.M., Fuzzy linear regression models with least square errors, "Applied Mathematics and Computation" 2005, no. 163.
  4. Opricovic S., Tzeng G.H., Defuzzification within a multicriteria decision model, "International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems" 2003, no. 5.
  5. Romano R., Fuzzy Regression and PLS Path Modeling: A Combined Two-stage Approach for Multiblock Analysis, praca doktorska, University of Naples [2006].
  6. Taheri S.M., Trends in fuzzy statistics, "Austrian Journal of Statistics" 2003, vol. 32, no. 3.
  7. Taheri S.M., Tavanai H., Nasiri M., Possibilistic Regression in False-Twist Texturing, http://www. wseas.us/e-library/conferences/2006elounda1/papers/537-303.pdf.
  8. Tanaka H., Hayashi J., Watada J., Possibilistic linear regression analysis for fuzzy data, "European Journal of Operational Research" 1989, no. 40.
  9. Wang H.F., Tsaur R.Ch., Bicriteria variable selection in a fuzzy regression equation, "Computers and Mathematics with Applications" 2000, no. 40.
Cited by
Show
ISSN
1899-3192
1505-9332
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu