Помощь в написании студенческих работ
Антистрессовый сервис

Расчет частичных полезностей по всей выборке с использование модели логистической регрессии

Реферат: Расчет частичных полезностей по всей выборке с использование модели логистической регрессии
РефератПомощь в написанииУзнать стоимостьмоей работы

Стандартные ошибки из таблицы z принимают критически большие значения. В подавляющем большинстве случаем для 13 респондента стандартная ошибка при коэффициенте частичной полезности в численно превосходит само значение частичной полезности. Следовательно, скорее всего, оценки индивидуальных частичных полезностей не могут быть признаны значимыми. На рисунке z мы можем видеть, что дисперсия оценки… Читать ещё >

Расчет частичных полезностей по всей выборке с использование модели логистической регрессии (реферат, курсовая, диплом, контрольная)

Один из важнейших критериев адекватности композиционного подхода — это качество модели, которая описывает данные. В случае с моделью линейной регрессии мы столкнулись с тем, что модель не прошла ограничения и обладала крайне низким качеством, поэтому мы предполагаем, что наши данные будут лучше описываться нелинейной функцией. Чтобы проверить предположение, мы проведем анализ с помощью бинарной логистической регрессии в SPSS.

Таблица 10. Частичные полезности, полученные методом логистической регрессии.

Статистика Вальда.

3185,596.

Значимость = 0,000.

choice.

Процент корректных.

00.

1,00.

choice.

00.

97,8.

1,00.

11,0.

Общий %.

80,5.

Значимость.

Бета.

Минуты.

000.

100 минут.

000.

140.

200 минут.

000.

269.

300 минут.

000.

348.

400 минут.

000.

527.

500 минут.

Расчет частичных полезностей по всей выборке с использование модели логистической регрессии.

001.

751.

600 минут.

167.

890.

70…

Таблица 11. Частичные полезности для 13 респондента.

Атрибут.

Уровень.

Оценка полезности.

Стд.ошибка.

Время работы.

16 часов.

1,000.

1,623.

24 часов.

2,000.

3,246.

36 часа.

3,000.

4,869.

Разрешение.

1,091.

1,623.

2,182.

3,246.

3,273.

4,869.

Памятьt.

16 ГБ.

636.

1,623.

64 ГБ.

1,273.

Расчет частичных полезностей по всей выборке с использование модели логистической регрессии.

3,246.

128 ГБ.

1,909.

4,869.

Камера.

1,455.

1,623.

2,909.

3,246.

4,364.

4,869.

Дисплей.

4 дюйма.

9,000.

9,324.

5 дюймов.

11,875.

12,480.

6 дюймов.

8,625.

9,890.

(Константа).

3,966.

11,718.

Стандартные ошибки из таблицы z принимают критически большие значения. В подавляющем большинстве случаем для 13 респондента стандартная ошибка при коэффициенте частичной полезности в численно превосходит само значение частичной полезности. Следовательно, скорее всего, оценки индивидуальных частичных полезностей не могут быть признаны значимыми.

Рассмотрим подробнее уровень «разрешение 1440p». Предположим, что мнение распределено нормально и построим для него график плотности распределения вероятности.

Распределение плотности вероятности для уровня «разрешение 1440p» для 13 респондента.

Рисунок 11. Распределение плотности вероятности для уровня «разрешение 1440p» для 13 респондента.

На рисунке z мы можем видеть, что дисперсия оценки частичной полезности в данном случае очень велика, следовательно, распределение можно назвать неустойчивым. Почти с равной вероятностью оценка может принимать значения на интервале от -5 до 8, например.

Подводя итог, по устойчивости распределений частичных индивидуальных полезностей, полученных методом традиционного conjoint’a, мы можем констатировать факт, что традиционный совместный анализ рассчитывает неустойчивые распределения. Следовательно, если мы проводим симуляции рынка или кластерный анализ на результатах традиционного совместного анализа, то мы не можем быть уверены в качестве прогноза или в правильной кластеризации.

Показать весь текст
Заполнить форму текущей работой

Сессия? Спокойно!