3. A BRIEF DISCUSSlON OF THE CURRENT STATE-OF-THE-ART MODELS
Most of the modeling methodologies used to model consumer multiple-choice problems have
been based on the concept of the utility maximization principle [7,9]. A model that is gathering
considerable momentum in the applied field is the multinomial logit (MNL) model. The fundamental
structure behind logit analysis is a mathematical function that converts the preference values into
choice probabilities based on the theory of consumer behavior [20]. To briefly discuss this state-
of-the-art model (e.g. logit) we introduce the following notations.
Denote the utility of the jth alternative by U,. In the theoretical development of the concept of
utility maximization, utility is expressed as the sum of a deterministic component, 5, and a random
component, ej:
Uj= P)+ej. (1) Sequential processing models in marketing research 871
The deterministic component vj is a function of various measurable attributes of the alternative
(and of the individual decision maker making the choice), and is generally expressed in linear form
as
vj = i BiXij,
i=l
where X, is the ith attribute of alternative j E J (J = number of alternatives), Bi is the coefficient of
the ith attribute and I is the number of attributes.
Then for each individual in the sample, the probability of choosing the jth alternative is given
by Pj, where
3. DISCUSSlON สั้น ๆ ของหมุนเวียนรัฐของศิลปะรูปแบบ
ส่วนใหญ่ของวิธีการสร้างแบบจำลองที่ใช้ในการสร้างแบบจำลองของผู้บริโภคปัญหาหลายทางเลือกที่ได้
รับขึ้นอยู่กับแนวคิดของหลักการสูงสุดยูทิลิตี้ [7,9] รูปแบบที่รวบรวม
โมเมนตัมมากในด้านการประยุกต์ใช้เป็นโลจิตพหุนาม (MNL-) รูปแบบ พื้นฐาน
โครงสร้างที่อยู่เบื้องหลังการวิเคราะห์ logit เป็นฟังก์ชั่นทางคณิตศาสตร์ที่แปลงค่าการตั้งค่าเป็น
ความน่าจะเป็นทางเลือกบนพื้นฐานของทฤษฎีพฤติกรรมผู้บริโภค [20] เพื่อให้สั้นหารือ State- นี้
ของศิลปะรูปแบบ (เช่น logit) เราแนะนำข้อความดังต่อไปนี้.
แสดงว่ายูทิลิตี้ของทางเลือกที่ j โดย U ,. ในการพัฒนาทฤษฎีของแนวคิดของ
สูงสุดยูทิลิตี้, ยูทิลิตี้จะแสดงเป็นผลรวมขององค์ประกอบที่กำหนด, 5, และสุ่ม
ส่วนประกอบ EJ:
Uj = P) + EJ (1) รูปแบบการประมวลผลแบบ Sequential ในการวิจัยการตลาด 871
vj องค์ประกอบที่กำหนดเป็นหน้าที่ของคุณลักษณะที่วัดต่าง ๆ ของทางเลือก
(และการตัดสินใจของแต่ละบุคคลการเลือก) และโดยทั่วไปจะแสดงในรูปแบบเชิงเส้น
เป็น
vj = ฉัน BiXij,
ฉัน = ลิตร
ที่ X เป็นบอดแอตทริบิวต์ของเจ EJ ทางเลือก (J = จำนวนของทางเลือก) Bi เป็นค่าสัมประสิทธิ์ของ
แอตทริบิวต์บอดและ I เป็นจำนวนของคุณลักษณะ.
แล้วสำหรับแต่ละบุคคลในตัวอย่างความน่าจะเป็นของการเลือก ทางเลือกที่ j จะได้รับ
โดย Pj ที่
การแปล กรุณารอสักครู่..