BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Bąk Andrzej (Uniwersytet Ekonomiczny we Wrocławiu)
Tytuł
Modele wyborów dyskretnych i ich estymacja w programie R
Discrete Choice Models and their Estimation in R Computer Programme
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (16), 2009, nr 47, s. 50-60, rys., tab., bibliogr. 11 poz.
Research of Wrocław University of Economics
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Estymacja, Model logitowy, Taksonomia
Estimation, Logit model, Taxonomy
Uwagi
summ.
Abstrakt
W badaniach preferencji znajdują zastosowanie dwie grupy metod dekompozycyjnych: metody conjoint analysis i metody wyborów dyskretnych. W tej drugiej grupie wykorzystuje się modele probabilistyczne opisujące prawdopodobieństwa wyboru profilów z oferowanego zbioru różnych wariantów produktów lub usług. Na wybór poszczególnych profilów wpływają zarówno ich atrybuty, jak i charakterystyki respondentów. Zmienne te mają najczęściej charakter dyskretny (są to kategorie i zmienne nominalne). Celem estymacji modeli wyborów dyskretnych jest oszacowanie prawdopodobieństw wyboru poszczególnych opcji (profilów) i parametrów wskazujących znaczenie atrybutów. Program R nie oferuje pakietu bezpośrednio wspierającego badania preferencji za pomocą metod wyborów dyskretnych. Procedury obliczeniowe zawarte w różnych pakietach mogą być jednak wykorzystane tego typu badaniach. Celem artykułu jest prezentacja procedury estymacji modelu wyborów dyskretnych z wykorzystaniem funkcji dostępnych w wybranych pakietach programu R oraz funkcji napisanych w języku, umożliwiających realizację zadań, które nie są aktualnie oprogramowane. W tekście przedstawiono następujące zagadnienia:
  • charakterystykę warunkowego modelu logitowego,
  • pakiety i procedury obliczeniowe dostępne w programie R, które mogą znaleźć zastosowanie w badaniach preferencji z wykorzystaniem modeli wyborów dyskretnych,
  • funkcje napisane w języku programowania R realizujące zadania obliczeniowe niewspomagane w aktualnie dostępnych pakietach,
  • przykład zastosowania funkcji programu R w estymacji modelu wyborów dyskretnych.
(fragment tekstu)

The aim of the paper is to present discrete choice models estimation procedure using R computer programme function and own function wrote in R computer language. The paper presents:
  • basic description of conditional logit model,
  • packages and procedures available in R computer programme that are useful in discrete choice methods,
  • own functions wrote in R computer language that are useful in some computing tasks not supported yet in standard R packages,
  • the example of application R functions in estimation of discrete choice model.
(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Agresti A. (2002), Categorical data analysis, second edition, Wiley, New York.
  2. Bąk A. (2004), Dekompozycyjne metody pomiaru preferencji w badaniach marketingowych, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1013, seria: Monografie i Opracowania nr 157, AE, Wrocław.
  3. Everitt B.S., Hothorn T. (2006), An handbook of statistical analysis using R. Chapman i Hall, Boca Raton, London, New York.
  4. Frątczak E. (1997), Analiza historii zdarzeń - elementy teorii, wybrane przykłady zastosowań z wykorzystaniem pakietu TDA, Oficyna Wydawnicza Szkoły Głównej Handlowej, Warszawa.
  5. Linzer D.A., Lewis J. (2007), poLCA: polytomous variable latent class analysis, R package version 1.1, http://userwww.service.emory.edu/~dlinzer/poLCA (25.09.2008).
  6. Linzer D.A., Lewis J. (2008), poLCA: polytomous variable latent class analysis, "Journal of Statistical Software" (w redakcji) (25.09.2008).
  7. Long J.S. (1997), Regression models for categorical and limited dependent variables, SAGE Publications, Thousand Oaks-London-New Delhi.
  8. McFadden D. (1974), Conditional logit analysis of qualitative choice behavior, [w:] Frontiers in Econometrics, red. P. Zarembka, Academic Press, New York-San Francisco-London, s. 105-142.
  9. So Y., Kuhfeld W.F. (2005), Multinomial logit models, http://support.sas.com/ resources/papers/tnote/tnote_marketresearch.html, SAS Institute, Cary (25.09.2008).
  10. Therneau T.M. (1999), A package for survival analysis in S, Mayo Foundation.
  11. Wheeler R.E. (2004), AlgDesign. The R project for statistical computing, http://www.r-project.org/ (25.09.2008).
Cytowane przez
Pokaż
ISSN
1899-3192
1505-9332
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu