Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

2 Acta Universitatis Lodziensis. Folia Oeconomica

2 2013

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Cluster Analysis – Symbolic vs. Classical Data

100%

Wilk J. , Pełka M. , Wroclaw Univeristy of Economics C. o. E. a. C. S. , Wroclaw Univeristy of Economics C. o. E. a. C. S.

Acta Universitatis Lodziensis. Folia Oeconomica

2013

tom 286

Clustering problem is addressed in many contexts and disciplines. Although there are numerous studies on cluster analysis, there is a lack of a review to complete and systematize knowledge of research approach depending on data form. The paper presents a concept of clustering, classifications of cluster analysis methods, comparison of numerical and symbolic taxonomy, specificity of symbolic data as regards classical data, methods of numerical and symbolic data analysis applicable in clustering procedure.

Celem artykułu jest usystematyzowanie wiedzy na temat analizy skupień w zależności od rodzaju danych empirycznych opisujących problem badawczy. W artykule zaprezentowano cele analizy skupień, dokonano klasyfikacji metod analizy skupień, porównano metody taksonomii numerycznej i symbolicznej. Omówiono także specyfikę danych symbolicznych w odniesieniu do danych w ujęciu klasycznym oraz ich źródła w badaniach ekonomicznych. Wskazano metody statystyczne, jakie mają zastosowanie w analizie danych klasycznych i symbolicznych na każdym etapie procedury klasyfikacji.

Geometrical Presentation of Preferences by Using Profit Analysis and R Program

100%

Zaborski A. , Pełka M. , Wroclaw Univeristy of Economics C. o. E. a. C. S. , Wroclaw Univeristy of Economics C. o. E. a. C. S.

Acta Universitatis Lodziensis. Folia Oeconomica

2013

tom 285

PROFIT is a kind of external vector analysis of preference mapping. It is a combination of multidimensional scaling and multiple regression analysis. PROFIT takes as input both a configuration of stimulus points and a set of preference rankings of the different properties of the stimuli. For stimulus space obtained by multidimensional scaling multiple regression is performed using the coordinates as independent variables and attribute as the dependent variable. The program locates each property as a vector through the configuration of points, so that it indicates the direction over the space in which the property is increasing. The article presents PROFIT analysis and the R code to carry out the method. The function is illustrated with an example of application in the analysis of consumer preferences.

PROFIT jest przykładem „zewnętrznej” wektorowej metody map preferencji. Jest ona połączeniem skalowania wielowymiarowego i analizy regresji wielorakiej. Danymi wejściowymi w analizie PROFIT są zarówno współrzędne punktów reprezentujących obiekty na mapie percepcyjnej jak również oceny preferencji obiektów ze względu na wybrane zmienne. Dla konfiguracji punktów reprezentujących obiekty otrzymanej za pomocą skalowania wielowymiarowego przeprowadza się analizę regresji wielorakiej, w której zmiennymi objaśniającymi są współrzędne obiektów na mapie percepcyjnej, a zmiennymi zależnymi oceny marek ze względu na poszczególne cechy. Program dokonuje rozmieszczenia na mapie percepcyjnej zmiennych w postaci wektorów wskazujących kierunek maksymalnej preferencji ze względu na daną zmienną. Artykuł jest prezentacją analizy PROFIT oraz składni poleceń programu R, pozwalającej na jej realizację. Sposób użycia funkcji zilustrowano przykładem badania preferencji.