150 likes | 326 Views
Praca domowa – Puszcza Białowieska. Stałe specyficzne dla alternatyw crea ; if ( cost =0) sq =1$ Raport Należy pisać jasno i zwięźle Hipoteza, test, wynik testu Tabele z wynikami (np. WTP). Co warto uwzględnić w raporcie. Model bez zmiennych socjoekonomicznych Liniowość
E N D
Praca domowa – Puszcza Białowieska • Stałe specyficzne dla alternatyw crea; if (cost=0) sq=1$ Raport • Należy pisać jasno i zwięźle • Hipoteza, test, wynik testu • Tabele z wynikami (np. WTP)
Co warto uwzględnić w raporcie • Model bez zmiennych socjoekonomicznych • Liniowość • Interpretacja oszacowań IUF, WTP • Model z interakcjami (atrybuty * zmienne socjoekonomiczne) • Interpretacja parametrów IUF • WTP (jak policzyć WTP, kiedy IUF zawiera interakcje atrybutów ze zmiennymi socjoekonomicznymi?)
Literatura http://www.choice-metrics.com/documentation.html Manual programu NGENE Strony: 54-104
Design • Cel • Jak najefektywniej rozmieścić poziomy atrybutów w alternatywach? • Design eksperymentu ma wpływ na precyzję oszacowań parametrów funkcji użyteczności. • Kroki • Zdefiniowanie modelu • Wygenerowanie designu • Przygotowanie kwestionariusza
Model Jakie alternatywy? Jakie atrybuty? Ile poziomów (nieliniowość)? Atrybuty wspólne dla alternatyw (generic) czy specyficzne dla alternatyw (alternative – specific), interakcje Ile choice-setów (stopnie swobody)? Jaki mechanizm (najlepszy wybór, ranking, best –worst etc.) Jaki modelekonometryczny (MNL, NL, ML)?
Tworzenie designu • Przykład • 3 Alternatywy • 4 atrybuty ( 1 – 4 poziomy, 2 – 3 poziomach, 1 – 2 poziomy) • Możliwych kombinacji 1 alternatywy: 4*3^2*2=72 • Cały design: 72^3=373 248, • które wybrać?
Które kombinacje wybrać • Ograniczenia • Każdy poziom powinien występować z jednakową częstością • Stopnie swobody • Ortogonalność (?) • Utility balance (?) • Pewne kombinacje alternatyw dostarczają więcej informacji niż inne (alternatywy dominujące, zdominowane, utility balance). • Cel: jak najwięcej informacji dotyczących preferencji przy jak najmniejszej liczbie choice-setów.
Kryterium wyboru dobrego designu • Macierz wariancji kowariancji • Liniowy model regresji • VCM • Model wyboru dyskretnego • LL • Macierz Fishera • AVC
MNL model LL Formuła logitowa Macierz Fisfera AVC
Asymptotyczna macierz wariancji-kowariancji • AVC zależy od: • X (design) • β (parametrów) • N (liczby respondentów) • AVC nie zależy od y! • Wektor parametrów nie jest znany w momencie tworzenia designu. Konieczna informacja dotycząca β (wcześniejsze badania, badanie pilotażowe etc.).
Miary efektywności S-estimate - minimalna liczba obserwacji niezbędna do uzyskania parametrów na zadanym poziomie istotności. D-error, A-error, Bayesowski D-error, S-estimate