BİTİŞME ANALİZİ FAYDALARININ GENELLEŞTİRİLMİŞ TAHMİN DENKLEMLERİ İLE BELİRLENMESİ

Bitişme (Conjoint) analizi işletme bilimlerinde özellikle pazarlama dalında kullanılan tutarlılığı yüksek bir yöntemdir. Bu analiz ürün çeşitlendirme ve yeni ürün geliştirmede fayda fiyat dengesini tahmin etmek için sıklıkla kullanılmaktadır. Yöntemin dezavantajı önceden belirlenmiş profillere yani ortogonal tasarıma dayanmasıdır. Kategori sayısının artması sorun yaratmaktadır. Bu çalışmanın amacı, Bitişme Analizi ile elde edilen bitişme katsayıları ve ürün faktör önemlerinin Genelleştirilmiş Tahmin Denklemleri ile elde edilebileceğini ortaya koymaktır. Bu nedenle M. Baran (2007) tarafından yürütülen bir araştırmaya ait Bitişme Analizi verileri kullanılmıştır. Baran, bu çalışmasında tüketicilerin belirli bir markadaki çay türlerini tercih etmedeki faktörlerin önem değerlerini ortaya koymuştur. Genelleştirilmiş Tahmin Denklemleri, doğrusal modellerin genişletilmiş bir versiyonu olarak boylamsal, kümelenmiş ve panel verilerde daha etkin ve yansız tahminler elde etmek için geliştirilmiştir. Bu çalışmada tahmin katsayıları ve fayda değerleri her iki yöntemle tahmin edilmiş ve Bitişme Analizi ile bulunan fayda değerlerinin Genelleştirilmiş Tahmin Denklemleri ile de elde edilebileceği ortaya konmuştur.

Anahtar Kelimeler:

Bitişme Analizi, Genel Doğrusal Karma Modeller, Genelleştirilmiş Tahmin Denklemleri

DETERMINATION OF CONJOINT PATHWORTHS WITH GENERALIZED ESTIMATION EQUATIONS

Conjoint Analysis is a efficient analysis and is used esspecially in marketing. It was used to predict the utility and price level at product or service development or for innovative purposes. It has the disadvantage of strict profile usage and orthogonal profile determination for the efficient coefficient estimation. The increasing attribute level amount involves further problems in the research. The aim of this study is to show that the coefficient of correlation and the product factor significance obtained by the Conjoint Analysis can be obtained by the Generalized Estimation Equations. In this analysis the data from a study conducted by M.Baran(2007) is used. In his study, Baran revealed the importance factor of consumer in tea preferences. The Generalized Estimation Equations have been developed as an expanded version of linear models to obtain efficient and unbiased estimates with longitudional, panel or clustered data. In this study the model coefficients and utility values have been estimated comparatively by both of the methods.

Keywords:

Conjoint Analysis General Mixed Models, Generalized Estimation Equations, Consumer Choice,

PDF

___

Başaran, Z. K., (2010). Çok Değişkenli İstatistiksel Analiz Tekniklerinden Bulanık Konjoint Analizi ve Çay İşletmelerine Uygulanması. Yüksek Lisans Tezi. İstanbul: Marmara Üniversitesi Sosyal Bilimler Enstitüsü.
Cengiz, E. (2009), “Tüketicilerin Ürün Tercihinde Rol Oynayan Ürün Menşeinin, Marka, Fiyat ve Kalite Değişkenleri Açısından Değerlendirilmesi”, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 23(2) Erzurum.
Greene, T., GEE and Generalized Linear Mixed Models Erişim adresi: http://slideplayer.com/slide/6106341/
Green, P.E., ve Srinivasan P. (1978). Conjoint Analysis in Consumer Research: Issues and Out-look. Journal of Consumer Research, 5(2),103-123.
Hair, J., Anderson, R., Tatham, R., ve Black W.,(1995). Multivariate Data Analysis with Readings. London: Mcmillan Book Company.
Hardin JW., Hilbe JM. (2003). Generalized Estimating Equations. Chapman & Hall/CRC. New York.
Orme, Bryan K. (2010). Getting Started with Conjoint Analysis, Strategies for Product Design and Pricing Research, second edition. Research Publishers LLC, USA.
Stroup, Walter W., (2012), Generalized Linear Mixed Models Modern Concept, Methods and Application, London, A Chapman &Hall Book.
Şahinkanat, E. (2013). Tüketicilerin Satın Alma Kararlarının Konjoint Analizi İle Belirlenmesi. Uludağ Üniversitesi, Sosyal Bilimler Enstitüsü, Basılmamış Yüksek Lisans Tezi.
Tatlıdil, H. (1995), Konjoint Analizi, Ankara Üniversitesi, Ders notları, Ankara.