Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
La Conjoint Analysis
Obiettivo:
comprendere come soddisfare al meglio le esigenze del cliente
Strumento:
conjoint analysis: tecnica di analisi utile per misurare ’importanza relativa di un insieme di
attributi di un prodotto/servizio
Punto di partenza:
Lancaster: “utilità d’uso di un bene deriva dalle singole caratteristiche che lo compongono”
valutazioni globali di potenziali acquirenti relativamente a insieme di alternative
Sviluppo del metodo:
scomposizione dell’utilità globale del prodotto nelle utilità di ciascun attributo
Laboratorio di statec e am 2
U = f(W1,W2,…, Wk )
U := livello di utilità
W 1 W2 … Wk := caratteristiche del bene o del paniere di beni
Laboratorio di statec e am 3
Nella realtà esistono trade-off nelle scelte di acquisto di cui bisogna tener conto
giudizio globale riproduce il comportamento di acquisto
Laboratorio di statec e am 5
Terminologia di base
Profilo o stimolo: prodotto
p: 1,…, P è una specifica combinazione dei livelli degli attributi
Esempio: libreria
Profilo o stimolo:
Modello additivo: l’utilità di un possibile prodotto per un rispondente è data dalla somma
delle utilità dei livelli di ciascun attributo da cui il prodotto è composto
Laboratorio di statec e am 14
Il part-worth model
Le utilità parziali riferite ai singoli livelli degli attributi sono denominate part-worth.
Modello:
𝑌𝑝 = ∑ ∑ 𝑤𝑘𝑙 𝐷𝑝𝑘𝑙 + 𝜀𝑝
𝑘 𝑙
canditi sì sì no sì no no
prezzo €3 €4 €3 €5 €4 €5
P 1 2 3 4 5 6
V 6 5 4 3 2 1
Laboratorio di statec e am 16
Il part-worth model
Le utilità parziali riferite ai singoli livelli degli attributi sono denominate part-worth.
Modello:
𝑌𝑝 = ∑ ∑ 𝑤𝑘𝑙 𝐷𝑝𝑘𝑙 + 𝜀𝑝
𝑘 𝑙
ANALISI INDIVIDUALI
Analisi individuale: stimo modello predittivo per ogni rispondente
ESEMPIO PANETTONE
Attributo k Livello l
canditi 1 sì 1
W1. no 2
prezzo 2 €3 1
W2. €4 2
€5 3
PROFILO 1: Canditi - € 3
Y1 = w11 ∙ 1 + w12 ∙ 0 + w21 ∙ 1 + w22 ∙ 0 + w22 ∙ 0 + ε1 = w11 + w21 + ε1
PROFILO 2: Canditi - € 5
𝑌2 = 𝑤11 ∙ 1 + 𝑤12 ∙ 0 + 𝑤21 ∙ 0 + 𝑤22 ∙ 0 + 𝑤22 ∙ 1 + 𝜀2 = 𝑤11 + 𝑤22 + 𝜀2
Laboratorio di statec e am 19
𝑤
̂11
𝑤
̂12
̂21 = (𝐷′𝐷 )−1 𝐷′𝑌
𝑤
𝑤
̂22
[𝑤
̂23 ]
Ma (𝐷′𝐷 )−1 non può essere calcolata a causa della multicollinearità delle variabili dummy
incluse nella matrice D, cioè al fatto che ogni colonna della matrice può essere espressa come
combinazione lineare delle altre.
Rimedio alla multicollinearità
Laboratorio di statec e am 21
𝑌1 1 1 10 𝜀1
𝑌2 1 1 0 1 𝛽0 𝜀2
𝑌3 1 1 0 0 𝛽11 𝜀3
= [ ]+ 𝜀
𝑌4 1 0 1 0 𝛽21 4
𝑌5 1 0 0 1 𝛽22 𝜀5
[𝑌6 ] [1 0 00] [𝜀6 ]
𝑌 = 𝐷𝛽 + 𝜀
Laboratorio di statec e am 22
𝑌 = 𝐸𝛼 + 𝜀
La stima del vettore dei parametri 𝛼 con il metodo dei minimi quadrati è data da:
𝛼̂0
𝛼̂11
[ ] = (𝐸′𝐸 )−1 𝐸′𝑌
𝛼̂21
𝛼̂22
Laboratorio di statec e am 23
𝛼̂𝑘𝑙 𝑝𝑒𝑟 𝑙 = 1, … , 𝑙𝑘 − 1
𝑤
̂𝑘𝑙 ={ 𝑙𝑘 −1
− ∑𝑙=1 𝛼̂𝑘𝑙 𝑝𝑒𝑟 𝑙 = 𝑙𝑘
Laboratorio di statec e am 24
ESEMPIO PANETTONI
Il rispondente fornisce il seguente ordine di preferenza:
canditi Sì sì no sì no no
prezzo €3 €4 €3 €5 €4 €5
rank 1 2 3 4 5 6
regress Y c1 p1 p2
Source | SS df MS Number of obs = 6
-------------+------------------------------ F( 3, 2) = 34.33
Model | 17.1666667 3 5.72222222 Prob > F = 0.0284
Residual | .333333333 2 .166666667 R-squared = 0.9810
-------------+------------------------------ Adj R-squared = 0.9524
Total | 17.5 5 3.5 Root MSE = .40825
------------------------------------------------------------------------------
u | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
c1 | 1.166667 .1666667 7.00 0.020 .4495579 1.883775
p1 | 1.5 .2357023 6.36 0.024 .485855 2.514145
p2 | 0 .2357023 0.00 1.000 -1.014145 1.014145
_cons | 3.5 .1666667 21.00 0.002 2.782891 4.217109
------------------------------------------------------------------------------
Laboratorio di statec e am 26
max(𝑤𝑘𝑙 ) − min(𝑤𝑘𝑙 )
𝑙 𝑙
𝐼𝑅𝑘 = %
∑𝑘 [max(𝑤𝑘𝑙 ) − min(𝑤𝑘𝑙 )]
𝑙 𝑙
Da full-profile a frazionario
perdita informazioni
frazionario confonde non spiega interazioni
Laboratorio di statec e am 29
DOE
insieme di tecniche statistiche e sperimentali finalizzate a comprendere l’effetto su una variabile
dipendente (risposta)
di una o più variabili indipendenti (fattori o trattamenti)
Obiettivo:
definire criteri che permettano di utilizzare un numero minimo di osservazioni sperimentali per
conoscere l’effetto dei fattori sulla risposta
Laboratorio di statec e am 31
Piani fattoriali
Piano fattoriale := insieme delle prove sperimentali determinate dalle combinazioni dei
livelli dei fattori
Piano fattoriale LK := piano fattoriale che include K fattori con L livelli ciascuno
Quanti e quali profili presentare al rispondente per stimare gli effetti in modo appropriato
minimizzando il numero di stimoli (profili) presentati? DOE