Vai alla Home Page About me Courseware Federica Living Library Federica Federica Podstudio Virtual Campus 3D Le Miniguide all'orientamento Gli eBook di Federica La Corte in Rete
 
I corsi di Economia
 
Il Corso Le lezioni del Corso La Cattedra
 
Materiali di approfondimento Risorse Web Il Podcast di questa lezione

Simona Balbi » 8.Conjoint Analysis


Il modello di regressione lineare multipla multivariata

La Funzione di Preferenza più utilizzata è di tipo additivo, quindi sarà fatto riferimento alla Regressione Lineare Multipla, e più precisamente dato che il giudizio di preferenza di norma è richiesto non ad un solo individuo ma ad un intero campione, si farà riferimento ad una Regressione Lineare Multipla Multivariata.

La funzione espressa in forma matriciale è la seguente:

Y = XB + E

  • dove X è la matrice del Disegno Sperimentale, ovvero la matrice ottenuta da un Disegno Fattoriale Completo o Frazionato
  • B è la matrice dei coefficienti di utilità che si intende stimare
  • Y è la matrice delle preferenze espresse dai giudici

La matrice X è espressa in codifica disgiuntiva completa. Sulle righe ci sono i profili-scenari di prodotto, sulle colonne i livelli di attributo.

La matrice è partizionata per colonna ed ogni partizione corrisponde ad un P attributo del Disegno Sperimentale, e contiene tante variabili dummy quanti sono i livelli dell’attributo P.


Il calcolo dei coefficienti

Le stime si otterranno applicando il metodo dei Minimi Quadrati Ordinari (OLS), ed è noto che per tale metodo si minimizza la somma dei quadrati degli scarti tra giudizi forniti (variabili di risposta) e giudizi teorici.

Applicando il criterio OLS, la matrice B dei coefficienti di utilità parziali di dimensioni KxG (livelli x giudici), sarà uguale a:

B = (X’X)-1 X’Y

Il problema, però, è che nella matrice X esistono p relazioni di dipendenza lineare, una per ciascuna partizione che individua una caratteristica (poiché in ciascuna partizione, la somma per riga è costante ed e pari ad uno), ciò significa che solo K-p coefficienti sono stimabili ed occorre porre dei vincoli per determinare i restanti p.

In generale, è possibile eliminare una colonna per ciascuna partizione che corrisponde al vincolo di porre p coefficienti pari a zero, oppure si può sottrarre una colonna dalle altre della stessa partizione, cosicché il vincolo imposto equivale ad assumere coefficienti a somma nulla in ciascuna delle p partizioni.

Conclusioni

Nell’ambito della Conjoint analysis è consuetudine valutare l’importanza relativa dei fattori attraverso la formula in figura.

Per verificare, la bontà della ricostruzione delle preferenze, quindi per valutare l’accuratezza delle stime si utilizzano l’indice di determinazione R2 o il coefficiente di correlazione di Pearson.

Lauro ed al. (1997) hanno proposto un metodo che consente di valutare l’importanza degli attributi dulle preferenze globali espresse dai rispondenti con metodo fattoriale.

Nell’esempio è possibile verificare le varie fasi di una conjoint analysis elaborata per individuare le caratteristiche richieste ad una mensa universitaria.


Le scelte in fase di rilevazione

Proporre tutte le combinazioni possibili di prodotto è gravoso, si procede ad una riduzione mediante disegni fattoriali frazionati o campionamento casuale.

Una volta costruiti, i profili sono sottoposti ai giudici.

Le preferenze possono essere espresse come punteggi (rating) o ordinamenti (ranking).

Quando si è interessati al solo ordine di preferenza si parlerà di approccio non metrico e la tecnica di stima è di solito la MONANOVA (MONotonic ANalysis of Variance). Nell’approccio metrico la variabile di risposta è considerata continua e la CA è vista come un modello di regressione lineare multipla in cui la variabile dipendente Y è il punteggio espresso da un giudice rispetto agli stimoli e le variabili indicatrici x1,…,xk descrivono i livelli di ciascun fattore.

Un’applicazione: la mensa universitaria

  • Campione: 160 intervistati tra gli studenti delle varie facoltà che aderiscono all’EDISU
  • Periodo di somministrazione del questionario: Novembre-Dicembre 2002
  • Scelta fattori e livelli: parere esperti

I fattori e i livelli della C.A.

  • Vicinanza all’università:
    • presenza
    • assenza
  • Modalità di pagamento:
    • tessera a scalare
    • volta per volta
  • Scelta fattori e livelli: parere esperti:
    • veloce
    • lento

I fattori e i livelli della C.A.

  • Variabilità del menu:
    • menu vario costo 3,5€
    • menu fisso costo 2€
  • Possibilità di asporto:
    • presenza
    • assenza
  • Orari di apertura:
    • ampi
    • ristretti

Un’applicazione: la mensa universitaria

  • Metodo di intervista: analisi “full profile”
  • Costruzione degli scenari: disegno fattoriale frazionato
  • Presentazione: descrizione scrittura
  • Misurazione delle valutazioni: metodo del ranking
  • Metodo di stima: regressione lineare multipla

I profili


Le utilità parziali


Risultati della Coinjoint: i fattori


Lo scenario ottimo


L’analisi per gruppi

La C.A. è una tecnica molto utilizzata per segmentare il mercato.

E’ infatti possibile analizzare distintamente i gruppi formati con le variabili socio-economiche e demografiche presenti nel questionario.

  • Contenuti protetti da Creative Commons
  • Feed RSS
  • Condividi su FriendFeed
  • Condividi su Facebook
  • Segnala su Twitter
  • Condividi su LinkedIn
Progetto "Campus Virtuale" dell'Università degli Studi di Napoli Federico II, realizzato con il cofinanziamento dell'Unione europea. Asse V - Società dell'informazione - Obiettivo Operativo 5.1 e-Government ed e-Inclusion