Roczniki Kolegium Analiz Ekonomicznych

Issue 23/2011

The CEA states that the primary version is the paper one.

Andrzej Bąk

Analiza danych o preferencjach konsumentów z wykorzystaniem wielomianowych modeli logitowych i programu R

Streszczenie
Kategoria preferencji umożliwia kwantyfikację użyteczności (pomiar i analizę). Do pomiaru i analizy preferencji wykorzystuje się m.in. metody wyborów dyskretnych. Metody wyborów dyskretnych są stosowane do analizy danych jakościowych (wyniki pomiaru preferencji są mierzone najczęściej na skali nominalnej). Model wyborów dyskretnych opisuje zależność między wyborem konsumenta a cechami przedmiotu wyboru (produktu lub usługi). Zmienna objaśniana jest w tym modelu nominalna, zaś zmienne objaśniające mogą być mierzone na różnych skalach. Parametry modeli wyborów dyskretnych można szacować za pomocą metody największej wiarygodności. Oszacowanie parametrów modelu wyborów dyskretnych w programie R wymaga zdefiniowania funkcji największej wiarygodności, której konkretna postać zależy od celu badania.
W artykule przedstawiono charakterystykę wielomianowych modeli logitowych kategorii nieuporządkowanych (warunkowego modelu logitowego i wielomianowego modelu logitowego), zastosowania tych modeli w badaniach preferencji, estymację parametrów metodą największej wiarygodności z wykorzystaniem programu R. Zamieszczone wyniki badań empirycznych są dowodem zasadności wykorzystanych metod.

***

Data analysis on consumer preferences using multinomial logit models and R program

Abstract
Preference category allows to utility quantification (measurement and analysis). Among others discrete choice methods are used to measurement and analysis of preferences. Discrete choice methods are used to analyses qualitative data (the results of the measurement of preferences are usually measured on a nominal scale). Discrete choice model describes the relationship between consumer choice and subject of choice features (product or service). Dependent variable is the model nominal, and the explanatory variables can be measured on different scales. Parameters of discrete choice models can be estimated by the method of maximum likelihood. Estimating discrete choice model parameters in R program requires the definition of maximum likelihood function, whose specific form depends on the purpose of the study.
The article presents the characteristics of multinomial logit models of unordered categories (conditional logit model and multinomial logit model), application of these models in studies of preferences, estimation of parameters using maximum likelihood method and R program. Presented empirical findings are proof of the validity of the methods used.

Table of contents of issue 23

sie wyburaczylo