| Document Type
|
:
|
BL
|
| Record Number
|
:
|
757646
|
| Doc. No
|
:
|
b577611
|
| Main Entry
|
:
|
Friederike Paetz
|
| Title & Author
|
:
|
Finite Mixture Multinomiales Probitmodell : : Konzeption und Umsetzung.\ Friederike Paetz
|
| Publication Statement
|
:
|
Dordrecht : Springer, 2013
|
| Page. NO
|
:
|
(191 pages)
|
| ISBN
|
:
|
3658026626
|
|
|
:
|
: 9783658026622
|
| Contents
|
:
|
Geleitwort; Vorwort; Inhaltsverzeichnis; Abbildungsverzeichnis; Tabellenverzeichnis; Symbolverzeichnis; Abkürzungsverzeichnis; 1 Einleitung; 1.1 Allgemeine Problemstellung; 1.2 Abgrenzung und Zielsetzung der Arbeit; 1.3 Untersuchungsaufbau; 2 Finite Mixture --; Multinomiales Probitmodell: Theoretische Grundlagen; 2.1 Kapitelüberblick; 2.2 Allgemeine theoretische Grundlagen; 2.2.1 Einführung in die theoretischen Modellgrundlagen; 2.2.2 Einführung in die Segmentierung; 2.3 Finite Mixture --; Multinomiales Probitmodell; 2.3.1 Modellspezifikation; 2.3.2 Modellherleitung; 2.3.3 Modellidentifikation. 2.3.4 Entwicklung eines EM-Algorithmus zur Schätzung von Finite Mixture --; Probitmodellen2.3.5 Gütemaße; 2.4 Zwischenresumée; 3 Finite Mixture --; Multinomiales Probitmodell: Simulationsstudie; 3.1 Kapitelüberblick; 3.2 Ziele der Simulationsstudie; 3.3 Berücksichtigte Experimentfaktoren innerhalb der Simulation; 3.3.1 Beschreibung der berücksichtigten Experimentfaktoren; 3.3.2 Diskussion der erwarteten Wirkungsrichtung der Faktorstufen der Experimentfaktoren auf die Gütemaße; 3.4 Anwendung; 3.4.1 Generierung der Daten; 3.4.2 Anwendungsbeispiel. 3.4.3 Ergebnisse der Schätzungen und Vergleich der Modelltypen unter verschiedenen Treatments3.4.4 Prüfung der Schätzergebnisse; 3.5 Zwischenresumée; 4 Empirische Studie; 4.1 Kapitelüberblick; 4.2 Aufbau zur empirischen Studie; 4.2.1 Choice Task Design; 4.2.2 Algorithmuseinstellungen; 4.2.3 Überprüfung der Signifikanz der geschätzten Parameterwerte; 4.3 Schätzung der Finite Mixture --; Probitmodelle; 4.3.1 Ergebnisse der Probitmodellschätzungen und Modellselektion; 4.3.2 Interpretation der Ergebnisse der besten Lösungen der Finite Mixture --; Probitmodelle. 4.4 Schätzung des Finite Mixture --; MNL Modells4.4.1 Ergebnisse der Logitmodellschätzungen und Modellselektion; 4.4.2 Interpretation der Ergebnisse der besten Lösung des Finite Mixture --; MNL Modells (3-Segment-Lösung); 4.5 Finite Mixture --; Probitmodelle versus Finite Mixture --; MNL Modell; 4.5.1 Vergleich des besten Finite Mixture IP --; Modells (2-Segment-Lösung) mit dem besten Finite Mixture --; MNL Modell (3-Segment-Lösung); 4.5.2 Vergleich des besten Finite Mixture --; MNP Modells (1-Segment-Lösung) mit dem besten Finite Mixture --; MNL Modell (3-Segment-Lösung); 4.6 Zwischenresumée. 5 Schlussbetrachtung und Ausblick5.1 Schlussbetrachtung; 5.2 Ausblick; Anhang; Literaturverzeichnis.
|
| Abstract
|
:
|
¿Neuere methodische Weiterentwicklungen der Conjoint-Analyse ermöglichen heute die simultane Segmentierung eines Gesamtmarktes von Konsumenten in homogene Teilmärkte und die Schätzung entsprechender segmentspezifischer Teilnutzenwertstrukturen. Auf diesem Wege soll der Heterogenität im Konsumentenverhalten Rechnung getragen werden. Das im Rahmen der simultanen Segmentierung derzeit meistgenutzte Conjoint Choice-Modell ist das Finite Mixture Logitmodell. Dieses unterstellt Unabhängigkeit der Gesamtnutzen aller Alternativen, die einem Konsumenten zur Auswahl gestellt werden, und postuliert somit.
|
| Subject
|
:
|
Consumer behavior -- Mathematical models.
|
| Subject
|
:
|
Decision making -- Mathematical models.
|
| Subject
|
:
|
Probits.
|
| LC Classification
|
:
|
HF5415.32F754 2013
|
| Added Entry
|
:
|
Friederike Paetz
|