The sample was divided into two seg

The sample was divided into two segments based on the following classification scheme. Respondents who report that that more than 50 percent of their trips requiring hotel stays are business related are considered to be business travelers. A total of 169 respondents were classified as business travelers. Respondents who report that more than 50 percent of their trips requiring hotel stays are leisure related are considered to be leisure travelers. A total of 691 respondents were classified as leisure travelers. Those respondents who were split equally, 50 percent business and 50 percent leisure were categorized as business travelers. This resulted in a total of 239 business travelers and 691 leisure travelers. Next, we explain the results of the innovative hotel choice experiment.

Innovative hotel choice modeling results
The primary analysis approach associated with DCA is the estimation of the MNL models based on a maximum likelihood estimation technique (Ben-Akiva and Lerman, 1991). Recall that each respondent had to evaluate eight choice sets, each containing two descriptions of hotels along with the option of not choosing either. Statistical details about MNL model estimation is described in extensive detail by Ben-Akiva and Lerman (1991) and Louviere et al. (2001). A more applied description of DCA and MNL mo del estimation is provided in Verma et al. (2002) and Verma and Plaschka (2003). Louviere etal. (2001) and Ben-Akiva and Lerman (1991) recommend that when estimating MNL models, experimental variables can be "effects-coded" to accurately estimate the relative impact on respondents' choices. The estimated MNL model for this study was statistically significant at the 5 percent level.

Table IV shows the relative impact of each experimental attribute on hotel choice decisions. Recall that we are only focusing on the innovative attributes that were included in the original broader dataset. Therefore, all results presented ignore the non-innovative attributes that were also included in the study. The estimated β weights for the innovative attributes are standardized to be between "zero" and "one" based on the highest and lowest part worth utility of an attribute. By transforming the data linearly, it is easy to compare and contrast the impacts of each attribute to one another. We estimated the relative main effect by subtracting the highest and lowest β weights for a given attribute (Louviere etaL, 2001). The main effects allow us to compare the overall impact of changing the levels of innovative attributes in hotel choice against each other.

ผลลัพธ์ (ไทย) 1:

ตัวอย่างถูกแบ่งออกเป็นสองส่วนตามแผนงานการจัดประเภทดังต่อไปนี้ ผู้ตอบที่รายงานที่ว่า กว่า 50 เปอร์เซ็นต์ของการเดินทางของพวกเขาต้องการเข้าพักโรงแรมเป็นธุรกิจที่เกี่ยวข้อง จะถือเป็นนักธุรกิจ จำนวนผู้ตอบ 169 ถูกจัดประเภทเป็นนักธุรกิจ ผู้ตอบที่รายงานว่า มากกว่า 50 เปอร์เซ็นต์ของการเดินทางของพวกเขาต้องการเข้าพักโรงแรมพักที่เกี่ยวข้อง จะถือเป็นนักท่องเที่ยว จำนวนผู้ตอบ 691 ถูกจัดเป็นนักท่องเที่ยว ตอบผู้ที่เท่าเทียมกัน ถูกแบ่ง 50 เปอร์เซ็นต์ธุรกิจและ 50 เปอร์เซ็นต์ผ่อน ถูกจัดประเภทเป็นนักธุรกิจ ส่งผลให้จำนวน 239 แห่งและนัก 691 ถัดไป เราสามารถอธิบายผลการทดลองทางเลือกใหม่ ๆ โรงแรมโรงแรมใหม่ ๆ เลือกโมเดลผลวิธีวิเคราะห์หลักที่เกี่ยวข้องกับ DCA เป็นการประเมินแบบจำลอง MNL ตามเทคนิคการประเมินความเป็นไปได้สูงสุด (Akiva เบนและเลอร์แมน 1991) เรียกคืนที่แต่ละผู้ตอบได้ประเมินทางเลือก 8 ชุด มีคำอธิบายที่สองของโรงแรมพร้อมด้วยตัวเลือกอย่างใดอย่างหนึ่งไม่ รายละเอียดสถิติเกี่ยวกับประเมินรุ่น MNL จะอธิบายในรายละเอียดอย่างละเอียด โดย Akiva เบน และเลอร์แมน (1991) และ Louviere et al. (2001) คำอธิบายเพิ่มเติมใช้ DCA และ MNL โมเดลประเมินไว้ใน Verma Verma et al. (2002) และ Plaschka (2003) Louviere etal (2001) และเบน Akiva และเลอร์แมน (1991) แนะนำว่า เมื่อประเมินรุ่น MNL ตัวแปรการทดลองสามารถ "ลักษณะแบบ" การประเมินผลกระทบต่อญาติผู้ตอบเลือกอย่างถูกต้อง แบบ MNL โดยประมาณสำหรับการศึกษานี้ได้อย่างมีนัยสำคัญทางสถิติที่ระดับร้อยละ 5ตาราง IV แสดงผลกระทบสัมพัทธ์ของแต่ละแอททริบิวต์ที่ทดลองในการตัดสินใจเลือกโรงแรม เรียกคืนที่เราจะมุ่งเน้นเกี่ยวกับคุณลักษณะใหม่ ๆ ที่รวมอยู่ในชุดข้อมูลกว้างขึ้นเดิมเท่านั้น ดังนั้น แสดงผลลัพธ์ทั้งหมดละเว้นแอตทริบิวต์ไม่ใช่นวัตกรรมที่ถูกรวมไว้ในการศึกษา น้ำหนักประมาณβสำหรับแอททริบิวต์นวัตกรรมเป็นมาตรฐานระหว่าง "ศูนย์" และ "หนึ่ง" ตามส่วนสูงสุด และต่ำสุดมูลค่าโปรแกรมอรรถประโยชน์ของแอตทริบิวต์ โดยแปลงข้อมูลเชิงเส้น ซึ่งง่ายต่อการเปรียบเทียบ และเปรียบต่างผลกระทบของแต่ละแอททริบิวต์อื่น เราประเมินผลหลักสัมพัทธ์ โดยลบน้ำหนักสูงสุด และต่ำสุดβสำหรับแอตทริบิวต์ที่กำหนด (Louviere etaL, 2001) ผลกระทบหลักให้เราเปรียบเทียบโดยรวมผลกระทบของการเปลี่ยนแปลงในระดับของคุณลักษณะใหม่ ๆ เลือกโรงแรมกับแต่ละอื่น ๆ

ผลลัพธ์ (ไทย) 2:

กลุ่มตัวอย่างถูกแบ่งออกเป็นสองส่วนขึ้นอยู่กับรูปแบบการจัดหมวดหมู่ดังต่อไปนี้ ผู้ตอบแบบสอบถามที่รายงานว่าว่ามากกว่าร้อยละ 50 ของการเดินทางของพวกเขาที่ต้องการเข้าพักโรงแรมธุรกิจที่เกี่ยวข้องจะได้รับการยกย่องว่าเป็นนักธุรกิจ รวมผู้ตอบแบบสอบถาม 169 ถูกจัดให้เป็นนักธุรกิจ ผู้ตอบแบบสอบถามที่รายงานว่ามากกว่าร้อยละ 50 ของการเดินทางของพวกเขาที่ต้องการเข้าพักโรงแรมมีการพักผ่อนที่เกี่ยวข้องจะถือว่าเป็นนักท่องเที่ยว รวมผู้ตอบแบบสอบถาม 691 ถูกจัดให้เป็นนักท่องเที่ยว ผู้ตอบแบบสอบถามบรรดาผู้ที่ถูกแบ่งเท่า ๆ กันธุรกิจร้อยละ 50 และการพักผ่อนร้อยละ 50 แบ่งเป็นนักธุรกิจ นี้ส่งผลให้ในจำนวน 239 นักธุรกิจและนักท่องเที่ยว 691 ต่อไปเราจะอธิบายผลการทดลองโรงแรมนวัตกรรมทางเลือก. นวัตกรรมการสร้างแบบจำลองทางเลือกโรงแรมส่งผลให้แนวทางการวิเคราะห์หลักที่เกี่ยวข้องกับ DCA คือการประมาณค่าของรุ่น MNL อยู่บนพื้นฐานของความน่าจะเป็นสูงสุดเทคนิคการประมาณค่า (เบน Akiva และ Lerman, 1991) จำได้ว่าผู้ถูกกล่าวหาแต่ละคนมีการประเมินทางเลือกที่แปดชุดแต่ละที่มีสองรายละเอียดของโรงแรมพร้อมกับตัวเลือกในการไม่เลือกอย่างใดอย่างหนึ่ง รายละเอียดทางสถิติเกี่ยวกับการประมาณค่าแบบจำลอง MNL อธิบายไว้ในรายละเอียดอย่างกว้างขวางโดยเบน Akiva และ Lerman (1991) และ Louviere et al, (2001) คำอธิบายที่ใช้มากขึ้นของ DCA และการประมาณค่า MNL โมเดลมีให้ใน Verma et al, (2002) และ Verma และ Plaschka (2003) Louviere etal (2001) และเบน Akiva และ Lerman (1991) แนะนำว่าเมื่อประมาณรุ่น MNL ตัวแปรทดลองจะได้เป็น "ผลกระทบรหัส" ที่จะต้องประเมินผลกระทบที่เกี่ยวกับทางเลือกของญาติผู้ตอบแบบสอบถาม ประมาณ MNL รูปแบบสำหรับการศึกษาครั้งนี้มีนัยสำคัญทางสถิติที่ระดับร้อยละ 5. ตาราง IV แสดงให้เห็นถึงผลกระทบต่อความสัมพันธ์ของแต่ละแอตทริบิวต์การทดลองเกี่ยวกับการตัดสินใจเลือกที่โรงแรม จำได้ว่าเราเป็นเพียงการมุ่งเน้นไปที่คุณลักษณะที่เป็นนวัตกรรมใหม่ที่ถูกรวมอยู่ในชุดเดิมที่กว้างขึ้น ดังนั้นผลลัพธ์ทั้งหมดที่นำเสนอไม่สนใจคุณลักษณะที่ไม่ได้เป็นนวัตกรรมใหม่ที่ยังถูกรวมอยู่ในการศึกษา น้ำหนักβประมาณสำหรับคุณลักษณะที่เป็นนวัตกรรมใหม่ที่มีมาตรฐานจะอยู่ระหว่าง "ศูนย์" และ "หนึ่ง" ขึ้นอยู่กับส่วนที่สูงที่สุดและต่ำสุดยูทิลิตี้มูลค่าของแอตทริบิวต์ โดยการเปลี่ยนข้อมูลเป็นเส้นตรงมันเป็นเรื่องง่ายที่จะเปรียบเทียบผลกระทบและความคมชัดของแอตทริบิวต์แต่ละกับอีกคนหนึ่ง เราประมาณการผลกระทบหลักจากญาติลบสูงสุดและต่ำสุดน้ำหนักβสำหรับแอตทริบิวต์ที่กำหนด (Louviere etal, 2001) ผลกระทบหลักที่ช่วยให้เราเพื่อเปรียบเทียบผลกระทบโดยรวมของการเปลี่ยนแปลงระดับของคุณลักษณะที่เป็นนวัตกรรมใหม่ในการเลือกโรงแรมกับแต่ละอื่น ๆ

ผลลัพธ์ (ไทย) 3:

กลุ่มตัวอย่างแบ่งออกเป็น 2 กลุ่มตามหมวดหมู่โครงการ ดังต่อไปนี้ ผู้ตอบแบบสอบถามที่รายงานว่ามากกว่าร้อยละ 50 ของการเดินทางของพวกเขาที่ต้องการเข้าพักโรงแรมเป็นธุรกิจที่เกี่ยวข้องเป็นนักเดินทางธุรกิจ จำนวน 169 คน จำแนกเป็นนักเดินทางธุรกิจผู้ตอบแบบสอบถามรายงานว่ามากกว่าร้อยละ 50 ของการเดินทางของพวกเขาที่ต้องการเข้าพักโรงแรมพักผ่อนที่เกี่ยวข้องถือว่าเป็นนักท่องเที่ยว จำนวน 691 คน จำแนกเป็นนักเดินทาง พวกราษฎรที่ถูกแบ่งเท่ากัน ธุรกิจ ร้อยละ 50 และสันทนาการ ร้อยละ 50 แบ่งเป็นนักท่องเที่ยวธุรกิจนี้ส่งผลในการรวม 239 423 นักเดินทางธุรกิจและนักท่องเที่ยว ต่อไปเราจะอธิบายผลการทดลองนวัตกรรมทางเลือกโรงแรมเลือกโรงแรม
.

นวัตกรรมการจำลองผลวิเคราะห์วิธีหลักที่เกี่ยวข้องกับ DCA คือการประเมิน mnl รุ่นขึ้นอยู่กับความเป็นไปได้สูงสุดประมาณเทคนิค ( เบน วา และ เลอร์แมน , 1991 )จำได้ว่า แต่ละเลยต้องประเมินชุดแปดทางเลือกแต่ละที่มีสองลักษณะของโรงแรมพร้อมกับตัวเลือกของการไม่เลือกเหมือนกัน รายละเอียดทางสถิติเกี่ยวกับการประมาณค่าแบบจำลอง mnl อธิบายในรายละเอียดและกว้างขวาง โดยเบน วา เลอร์แมน ( 1991 ) และลูเวียร์ et al . ( 2001 ) เพิ่มเติมที่ใช้อธิบายและโมเดล ประมาณ mnl DCA ไว้ใน verma et al .( 2002 ) และ verma plaschka ( 2003 ) ลูเวียร์คณะ . ( 2001 ) และเบน วา และ เลอร์แมน ( 1991 ) แนะนำว่า เมื่อประมาณ mnl แบบจำลองตัวแปรทดลองได้ผล " รหัส " จะถูกต้องประมาณการผลกระทบญาติเลือกผู้ตอบ ' ประมาณ mnl แบบจำลองสำหรับการศึกษาอย่างมีนัยสำคัญทางสถิติที่ระดับ 5 เปอร์เซ็นต์ .

ตารางที่ 4 แสดงให้เห็นผลกระทบสัมพัทธ์ของแต่ละคุณลักษณะทดลอง ในการตัดสินใจเลือกโรงแรม จำได้ว่า เราเป็นเพียงมุ่งเน้นไปที่คุณลักษณะนวัตกรรมที่ถูกรวมไว้ในชุดข้อมูลเดิมที่กว้างขึ้น . ดังนั้น ผลลัพธ์ทั้งหมดที่นำเสนอละเว้นไม่นวัตกรรมคุณลักษณะที่ยังรวมอยู่ในการศึกษาบีตาโดยประมาณน้ำหนักคุณลักษณะที่เป็นนวัตกรรมใหม่ที่เป็นมาตรฐานอยู่ระหว่าง " ศูนย์ " และ " หนึ่ง " ตามสูงสุดและต่ำสุด ส่วนค่าสาธารณูปโภคของแอตทริบิวต์ . โดยการเปลี่ยนข้อมูลเป็นเส้นตรง , มันเป็นเรื่องง่ายที่จะเปรียบเทียบและความคมชัดผลกระทบของแต่ละแอตทริบิวต์เพื่อกันและกันเราคาดว่าผลกระทบหลักของญาติ โดยการลบบีตาน้ำหนักสูงสุดและต่ำสุดให้แอตทริบิวต์ ( ลูเวียร์คณะ , 2001 ) ผลกระทบหลักให้เราเปรียบเทียบ ผลกระทบโดยรวมของการเปลี่ยนระดับของนวัตกรรมคุณลักษณะในโรงแรมทางเลือกกับแต่ละอื่น ๆ .