- ข้อความ
- ประวัติศาสตร์
Layout of preference tests in the A
Layout of preference tests in the ACA
After personal questions were answered, the first sample pair
was served. This paired comparison was identical for each subject
and serves as holdout to assess the internal validity of the prefer-
ences that will be estimated. Sample A in this pair, placed on the left
for all participants (Fig. 1), contained 0.1% fat, 16% sugar and 7%
vanilla preparation. Fat content on the label was 0.1%, and no addi-
tional claims were present. Sample B (placed to the right) had 1.5%
fat, 11.2% sugar and 7% vanilla preparation; labelled fat content was
1.5%, and sugar reduction was claimed. After inspecting and tasting,
the respondents indicated their preference by placing a marker on a
nine point scale with a left anchor ‘‘+4’’...‘‘Strongly prefer left
yoghurt’’, ‘‘0’’...‘‘Prefer neither nor’’ as central point, and a right
anchor ‘‘+4’’...‘‘Strongly prefer right yoghurt’’. Upon receiving the
acoustical signal from the subject, the experimenter picked the
yoghurt glasses and, in the adjacent preparation room, typed the
subject’s choice into a PC. The software calculated the combination
of intrinsic and extrinsic attributes for the next pair of yoghurt. The
experimenter was thus guided to pick two yoghurt samples with
the required combination of intrinsic attributes, and to tag each
glass with the required label. That pair of samples was then served
to the respondent. This procedure was repeated until five paired
comparisons were completed. After a break of approx. 10 min,
another four pairs of samples were served in the same way.
In the last phase of the ACA, we normalised and calibrated the
measured preferences by presenting four single samples, one after
the other. Composition and labelling information were adaptively
calculated in such a way that this set comprised one yoghurt which
the respective respondent evaluated as highly favourable, one that
was rated as highly unfavourable, and two samples with moder-
ately favourable attributes. Participants were requested to rate
purchase likelihood on a 0–100% scale. Based on these evaluations,
intrinsic and extrinsic importance of the attributes can be statisti-
cally extracted (Melles, Laumann, & Holling, 2000). We conducted
ACA and calculated part-worths (Hierarchical Bayes) using the
Sawtooth software packages (www.sawtoothsoftware.com).
Results
Reliability, validity and preferences for attributes
To assess the internal validity of ACA estimated importances and
part-worths (Melles et al., 2000), we analysed the initial holdout
choice task that was not taken into account for calculating the
utility values. Preferences for the first sample pair were well
distributed between samples A and B (54% vs. 46%, respectively).
We were able to predict these choices fairly well on the basis of
the estimated part-worths through an observed hit rate of 74%. In
addition, reliability of the measured utilities was high (R2= 0.84).
For checking predictive validity, we ran a simulation with three
yoghurt samples with different fat content. The estimated random
first choice market shares (0.1% fat: 16% market share, 1.5% fat:
31% market share, and 3.8% fat: 53% market share) coincide with
the shares of these yoghurt types in the German market (60.1%
fat: 6.5%; 61.5% fat: 16.5%; P3.8% fat: 57.7%), which supports
the validity of our findings. The part-worths for fat, sugar and
flavour (Table 1) indicate that the respondents attributed higher
importance to intrinsic than to extrinsic product attributes
(61.1% vs. 38.9%).
Intrinsic and extrinsic evaluation
The estimated part-worths reveal several noticeable differences
in the preference patterns concerning the intrinsic and extrinsic
evaluation of the same attribute. The preference utility values the
After personal questions were answered, the first sample pair
was served. This paired comparison was identical for each subject
and serves as holdout to assess the internal validity of the prefer-
ences that will be estimated. Sample A in this pair, placed on the left
for all participants (Fig. 1), contained 0.1% fat, 16% sugar and 7%
vanilla preparation. Fat content on the label was 0.1%, and no addi-
tional claims were present. Sample B (placed to the right) had 1.5%
fat, 11.2% sugar and 7% vanilla preparation; labelled fat content was
1.5%, and sugar reduction was claimed. After inspecting and tasting,
the respondents indicated their preference by placing a marker on a
nine point scale with a left anchor ‘‘+4’’...‘‘Strongly prefer left
yoghurt’’, ‘‘0’’...‘‘Prefer neither nor’’ as central point, and a right
anchor ‘‘+4’’...‘‘Strongly prefer right yoghurt’’. Upon receiving the
acoustical signal from the subject, the experimenter picked the
yoghurt glasses and, in the adjacent preparation room, typed the
subject’s choice into a PC. The software calculated the combination
of intrinsic and extrinsic attributes for the next pair of yoghurt. The
experimenter was thus guided to pick two yoghurt samples with
the required combination of intrinsic attributes, and to tag each
glass with the required label. That pair of samples was then served
to the respondent. This procedure was repeated until five paired
comparisons were completed. After a break of approx. 10 min,
another four pairs of samples were served in the same way.
In the last phase of the ACA, we normalised and calibrated the
measured preferences by presenting four single samples, one after
the other. Composition and labelling information were adaptively
calculated in such a way that this set comprised one yoghurt which
the respective respondent evaluated as highly favourable, one that
was rated as highly unfavourable, and two samples with moder-
ately favourable attributes. Participants were requested to rate
purchase likelihood on a 0–100% scale. Based on these evaluations,
intrinsic and extrinsic importance of the attributes can be statisti-
cally extracted (Melles, Laumann, & Holling, 2000). We conducted
ACA and calculated part-worths (Hierarchical Bayes) using the
Sawtooth software packages (www.sawtoothsoftware.com).
Results
Reliability, validity and preferences for attributes
To assess the internal validity of ACA estimated importances and
part-worths (Melles et al., 2000), we analysed the initial holdout
choice task that was not taken into account for calculating the
utility values. Preferences for the first sample pair were well
distributed between samples A and B (54% vs. 46%, respectively).
We were able to predict these choices fairly well on the basis of
the estimated part-worths through an observed hit rate of 74%. In
addition, reliability of the measured utilities was high (R2= 0.84).
For checking predictive validity, we ran a simulation with three
yoghurt samples with different fat content. The estimated random
first choice market shares (0.1% fat: 16% market share, 1.5% fat:
31% market share, and 3.8% fat: 53% market share) coincide with
the shares of these yoghurt types in the German market (60.1%
fat: 6.5%; 61.5% fat: 16.5%; P3.8% fat: 57.7%), which supports
the validity of our findings. The part-worths for fat, sugar and
flavour (Table 1) indicate that the respondents attributed higher
importance to intrinsic than to extrinsic product attributes
(61.1% vs. 38.9%).
Intrinsic and extrinsic evaluation
The estimated part-worths reveal several noticeable differences
in the preference patterns concerning the intrinsic and extrinsic
evaluation of the same attribute. The preference utility values the
0/5000
รูปแบบตามลักษณะทดสอบในการ ACAหลังจากที่ได้ตอบคำถามส่วนบุคคล ตัวอย่างคู่แรกแนะนำ เปรียบเทียบนี้จัดเป็นคู่ได้เหมือนกันสำหรับแต่ละหัวข้อและทำหน้าที่เป็น holdout จะมีผลบังคับใช้ภายในของ prefer-ences ที่จะประเมิน ตัวอย่าง A ในคู่นี้ วางทางด้านซ้ายสำหรับร่วม (Fig. 1), ประกอบด้วยไขมัน 0.1% น้ำตาล 16% และ 7%เตรียมวานิลลา ไขมันบนฉลากได้ 0.1% และไม่ addi-tional ร้องอยู่ได้ ตัวอย่าง B (อยู่ทางด้านขวา) มี 1.5%ไขมัน น้ำตาล 11.2% และ 7% วานิลลา เตรียม ไขมันมันถูก1.5% และอ้างว่า ลดน้ำตาล หลังจากตรวจสอบ และ ชิมผู้ตอบที่ระบุการกำหนดลักษณะ โดยการทำเครื่องหมายบนตัวเก้าจุดกับตัวซ้ายยึด '' + 4 ''...'' ต้องซ้ายขอโยเกิร์ต '', '' 0''...'' ต้องไม่ หรือ '' เป็นจุดศูนย์กลาง และสิทธิยึด '' + 4 ''...'' ขอชอบโยเกิร์ตขวา '' เมื่อรับการสัญญาณ acoustical จากเรื่อง experimenter รับการโยเกิร์ตแว่นตา และ ห้องเตรียมติด พิมพ์เรื่องของการเลือกลงในพีซี ซอฟต์แวร์คำนวณการรวมแอตทริบิวต์ intrinsic และสึกหรอสำหรับคู่ถัดไปของโยเกิร์ต ที่experimenter ได้แนะนำจึงหยิบมาทดสอบโยเกิร์ตด้วยจำเป็นชุด ของคุณลักษณะ intrinsic และแท็กแต่ละกระจกกับป้ายที่ต้องการ ตัวอย่างคู่ที่แนะนำแล้วให้ผู้ตอบ มีการทำซ้ำขั้นตอนนี้จนถึง 5 คู่เปรียบเทียบได้เสร็จสมบูรณ์ หลังจากหยุดพักประมาณ 10 นาทีคู่ที่สี่อีกอย่างเปิดให้บริการในลักษณะเดียวกันในขั้นตอนสุดท้ายของ ACA เรา normalised และปรับเทียบการลักษณะวัด โดยนำเสนอตัวอย่างเดียว 4 หนึ่งหลังอื่น ๆ องค์ประกอบและการติดฉลากภาคข้อมูลได้อย่างเหมาะคำนวณด้วยวิธีที่ชุดนี้ประกอบด้วยโยเกิร์ตหนึ่งซึ่งตอบตามที่ประเมินว่าดีมาก หนึ่งที่มีคะแนนเป็น unfavourable สูง และตัวอย่างที่ 2 และเกรดแอตทริบิวต์ ately ดี ร้องขอผู้เข้าร่วมการจัดอันดับซื้อโอกาสบน 0 – 100% ขนาดนั้น ตามการประเมินเหล่านี้ความสำคัญคุณลักษณะ intrinsic และสึกหรอได้ statisti-cally สกัด (Melles, Laumann, & โฮ ลลิ่ง 2000) เราดำเนินการACA และคำนวณส่วน-worths (ลำดับ Bayes) โดยใช้การแพคเกจซอฟต์แวร์ sawtooth (www.sawtoothsoftware.com)ผลลัพธ์ความน่าเชื่อถือ มีผลบังคับใช้ และการตั้งค่าสำหรับแอตทริบิวต์การประเมินมีผลบังคับใช้ภายในของ ACA ประมาณ importances และส่วน-worths (Melles และ al., 2000), เรา analysed holdout เริ่มต้นเลือกงานที่ไม่เป็นบัญชีสำหรับการคำนวณค่าสาธารณูปโภค การกำหนดลักษณะสำหรับการจับคู่ตัวอย่างแรกถูกดีกระจายระหว่างตัวอย่าง A และ B (54% เทียบกับ 46% ตามลำดับ)เราไม่สามารถที่จะทำนายตัวเลือกเหล่านี้อย่างดีบนพื้นฐานของการประเมินส่วน-worths ถึง 74% อัตราเข้าชมการสังเกต ในนอกจากนี้ ความน่าเชื่อถือของโปรแกรมอรรถประโยชน์ที่วัดได้สูง (R2 = 0.84)สำหรับการตรวจสอบการใช้งาน เรารันการจำลองกับสามตัวอย่างโยเกิร์ตที่ มีไขมันแตกต่างกัน ประเมินแบบสุ่มหุ้นตลาดทางเลือกแรก (0.1% ไขมัน: ส่วนแบ่งตลาด 16%, 1.5% ไขมัน:ส่วนแบ่งการตลาด 31% และไขมัน 3.8%: ส่วนแบ่งตลาด 53%) สอดคล้องกับหุ้นชนิดโยเกิร์ตในตลาดเยอรมัน (60.1%ไขมัน: 6.5% 61.5% ไขมัน: 16.5% P3.8% ไขมัน: 57.7%), รองรับการถูกต้องของผลการวิจัยของเรา Worths ส่วนสำหรับไขมัน น้ำตาล และกลิ่น (ตาราง 1) บ่งชี้ว่า ผู้ตอบบันทึกสูงความสำคัญกับ intrinsic กว่าให้คุณลักษณะของผลิตภัณฑ์ที่สึกหรอ(61.1% เทียบกับ 38.9%)ประเมิน intrinsic และสึกหรอประเมินส่วน worths เปิดเผยหลายความแตกต่างที่เห็นได้ชัดในรูปแบบกำหนดลักษณะเกี่ยวกับ intrinsic และสึกหรอการประเมินผลของแอตทริบิวต์เดียวกัน ค่าโปรแกรมอรรถประโยชน์การกำหนดลักษณะการ
การแปล กรุณารอสักครู่..
Layout of preference tests in the ACA
After personal questions were answered, the first sample pair
was served. This paired comparison was identical for each subject
and serves as holdout to assess the internal validity of the prefer-
ences that will be estimated. Sample A in this pair, placed on the left
for all participants (Fig. 1), contained 0.1% fat, 16% sugar and 7%
vanilla preparation. Fat content on the label was 0.1%, and no addi-
tional claims were present. Sample B (placed to the right) had 1.5%
fat, 11.2% sugar and 7% vanilla preparation; labelled fat content was
1.5%, and sugar reduction was claimed. After inspecting and tasting,
the respondents indicated their preference by placing a marker on a
nine point scale with a left anchor ‘‘+4’’...‘‘Strongly prefer left
yoghurt’’, ‘‘0’’...‘‘Prefer neither nor’’ as central point, and a right
anchor ‘‘+4’’...‘‘Strongly prefer right yoghurt’’. Upon receiving the
acoustical signal from the subject, the experimenter picked the
yoghurt glasses and, in the adjacent preparation room, typed the
subject’s choice into a PC. The software calculated the combination
of intrinsic and extrinsic attributes for the next pair of yoghurt. The
experimenter was thus guided to pick two yoghurt samples with
the required combination of intrinsic attributes, and to tag each
glass with the required label. That pair of samples was then served
to the respondent. This procedure was repeated until five paired
comparisons were completed. After a break of approx. 10 min,
another four pairs of samples were served in the same way.
In the last phase of the ACA, we normalised and calibrated the
measured preferences by presenting four single samples, one after
the other. Composition and labelling information were adaptively
calculated in such a way that this set comprised one yoghurt which
the respective respondent evaluated as highly favourable, one that
was rated as highly unfavourable, and two samples with moder-
ately favourable attributes. Participants were requested to rate
purchase likelihood on a 0–100% scale. Based on these evaluations,
intrinsic and extrinsic importance of the attributes can be statisti-
cally extracted (Melles, Laumann, & Holling, 2000). We conducted
ACA and calculated part-worths (Hierarchical Bayes) using the
Sawtooth software packages (www.sawtoothsoftware.com).
Results
Reliability, validity and preferences for attributes
To assess the internal validity of ACA estimated importances and
part-worths (Melles et al., 2000), we analysed the initial holdout
choice task that was not taken into account for calculating the
utility values. Preferences for the first sample pair were well
distributed between samples A and B (54% vs. 46%, respectively).
We were able to predict these choices fairly well on the basis of
the estimated part-worths through an observed hit rate of 74%. In
addition, reliability of the measured utilities was high (R2= 0.84).
For checking predictive validity, we ran a simulation with three
yoghurt samples with different fat content. The estimated random
first choice market shares (0.1% fat: 16% market share, 1.5% fat:
31% market share, and 3.8% fat: 53% market share) coincide with
the shares of these yoghurt types in the German market (60.1%
fat: 6.5%; 61.5% fat: 16.5%; P3.8% fat: 57.7%), which supports
the validity of our findings. The part-worths for fat, sugar and
flavour (Table 1) indicate that the respondents attributed higher
importance to intrinsic than to extrinsic product attributes
(61.1% vs. 38.9%).
Intrinsic and extrinsic evaluation
The estimated part-worths reveal several noticeable differences
in the preference patterns concerning the intrinsic and extrinsic
evaluation of the same attribute. The preference utility values the
After personal questions were answered, the first sample pair
was served. This paired comparison was identical for each subject
and serves as holdout to assess the internal validity of the prefer-
ences that will be estimated. Sample A in this pair, placed on the left
for all participants (Fig. 1), contained 0.1% fat, 16% sugar and 7%
vanilla preparation. Fat content on the label was 0.1%, and no addi-
tional claims were present. Sample B (placed to the right) had 1.5%
fat, 11.2% sugar and 7% vanilla preparation; labelled fat content was
1.5%, and sugar reduction was claimed. After inspecting and tasting,
the respondents indicated their preference by placing a marker on a
nine point scale with a left anchor ‘‘+4’’...‘‘Strongly prefer left
yoghurt’’, ‘‘0’’...‘‘Prefer neither nor’’ as central point, and a right
anchor ‘‘+4’’...‘‘Strongly prefer right yoghurt’’. Upon receiving the
acoustical signal from the subject, the experimenter picked the
yoghurt glasses and, in the adjacent preparation room, typed the
subject’s choice into a PC. The software calculated the combination
of intrinsic and extrinsic attributes for the next pair of yoghurt. The
experimenter was thus guided to pick two yoghurt samples with
the required combination of intrinsic attributes, and to tag each
glass with the required label. That pair of samples was then served
to the respondent. This procedure was repeated until five paired
comparisons were completed. After a break of approx. 10 min,
another four pairs of samples were served in the same way.
In the last phase of the ACA, we normalised and calibrated the
measured preferences by presenting four single samples, one after
the other. Composition and labelling information were adaptively
calculated in such a way that this set comprised one yoghurt which
the respective respondent evaluated as highly favourable, one that
was rated as highly unfavourable, and two samples with moder-
ately favourable attributes. Participants were requested to rate
purchase likelihood on a 0–100% scale. Based on these evaluations,
intrinsic and extrinsic importance of the attributes can be statisti-
cally extracted (Melles, Laumann, & Holling, 2000). We conducted
ACA and calculated part-worths (Hierarchical Bayes) using the
Sawtooth software packages (www.sawtoothsoftware.com).
Results
Reliability, validity and preferences for attributes
To assess the internal validity of ACA estimated importances and
part-worths (Melles et al., 2000), we analysed the initial holdout
choice task that was not taken into account for calculating the
utility values. Preferences for the first sample pair were well
distributed between samples A and B (54% vs. 46%, respectively).
We were able to predict these choices fairly well on the basis of
the estimated part-worths through an observed hit rate of 74%. In
addition, reliability of the measured utilities was high (R2= 0.84).
For checking predictive validity, we ran a simulation with three
yoghurt samples with different fat content. The estimated random
first choice market shares (0.1% fat: 16% market share, 1.5% fat:
31% market share, and 3.8% fat: 53% market share) coincide with
the shares of these yoghurt types in the German market (60.1%
fat: 6.5%; 61.5% fat: 16.5%; P3.8% fat: 57.7%), which supports
the validity of our findings. The part-worths for fat, sugar and
flavour (Table 1) indicate that the respondents attributed higher
importance to intrinsic than to extrinsic product attributes
(61.1% vs. 38.9%).
Intrinsic and extrinsic evaluation
The estimated part-worths reveal several noticeable differences
in the preference patterns concerning the intrinsic and extrinsic
evaluation of the same attribute. The preference utility values the
การแปล กรุณารอสักครู่..
รูปแบบของการตั้งค่าการทดสอบใน ACA
หลังจากคำถามส่วนตัวถูกตอบ แรกตัวอย่างคู่
ถูกเสิร์ฟ นี้การจับคู่เปรียบเทียบที่เหมือนกันสำหรับแต่ละเรื่อง
และทำหน้าที่เป็นไม่ยอมอ่อนข้อเพื่อประเมินความตรงภายในของชอบ -
ences จะประมาณ ตัวอย่างในคู่นี้ วางทางซ้าย
สำหรับผู้เข้าร่วมทั้งหมด ( รูปที่ 1 ) มีไขมันร้อยละ 0.1 , น้ำตาล 16 % และเตรียมวานิลลา 7 %
ปริมาณไขมันบนฉลากเป็น 0.1% และไม่ addi -
tional อ้างว่าถูกปัจจุบัน ตัวอย่าง B ( อยู่ด้านขวา ) มีไขมัน 1.5 %
, น้ำตาล 11.2% และการเตรียมวานิลลา 7% ; ที่มีปริมาณไขมันคือ
1.5% และลดน้ำตาลได้อ้างว่า หลังจากการตรวจสอบ และชิม
ผู้ตอบแบบสอบถามระบุความต้องการของพวกเขาโดยการวางเครื่องหมายบน
9 ระดับด้วยซ้ายยึด ' ' 4 ' ' . . . . . . . ''strongly ชอบทิ้ง
โยเกิร์ต ' ' , ' ' 0 ' ' . . . . . . . ''prefer เหมือนกันหรือ ' ' เป็นจุดศูนย์กลาง และใช่
สมอ ' ' 4 ' ' . . . . . . . ''strongly ชอบใช่โยเกิร์ต ' ' เมื่อท่านรับสัญญาณเสียงจาก
เรื่องการทดลองเลือกโยเกิร์ต แว่นตา และในเตรียมห้อง ติดกัน พิมพ์
เรื่องทางเลือกในเครื่องคอมพิวเตอร์ ซอฟต์แวร์คำนวณการรวมกัน
ของภายในและภายนอกคุณลักษณะสำหรับคู่ต่อไปของโยเกิร์ต
ผู้ทดลองจึงแนะนำให้เลือกโยเกิร์ตสองตัวอย่างที่ต้องการการรวมกันของลักษณะที่แท้จริง
และแท็กแต่ละแก้วกับบังคับใช้ฉลาก คู่ที่ใช้เสริฟ
ให้ผู้ตอบ ขั้นตอนนี้ซ้ำจนกว่าห้าคู่
การเปรียบเทียบที่เสร็จสมบูรณ์ หลังจากหยุดไปประมาณ 10 นาที
ตัวอย่างอีกสี่คู่ที่ถูกเสิร์ฟในวิธีเดียวกัน
ในขั้นตอนสุดท้ายของ ACA เราบันทึกและปรับเทียบ
วัดความชอบโดยนำเสนอสี่เดียว
ตัวอย่างหนึ่งหลังจากที่อื่น ๆ องค์ประกอบและการติดฉลากข้อมูลตามที่
คำนวณในลักษณะว่า ชุดนี้ ประกอบด้วย หนึ่ง นมเปรี้ยวซึ่ง
ผู้ตอบแต่ละประเมินเป็นการที่ดีมาก คนหนึ่ง
คะแนนสูงต่ำและสองตัวอย่างกับ moder -
ately ดีแอตทริบิวต์ ผู้เข้าร่วมถูกขอให้คะแนน
ซื้อโอกาสบน 0 – 100 % ขนาด เป็นการประเมินเหล่านี้
ภายในและภายนอกที่สำคัญคุณลักษณะสามารถสถิติ -
คอลลี่ ( เมลส์ laumann & , สกัด , วิเคราะห์ , 2000 ) เราดำเนินการและคำนวณส่วนมูลค่า
WAY ( ชุด Bayes ) โดยใช้
แพคเกจซอฟต์แวร์ฟันเลื่อย ( www.sawtoothsoftware . com )
ผลความน่าเชื่อถือความถูกต้องและการตั้งค่าสำหรับคุณลักษณะ
ประเมินความตรงภายในประมาณ ACA สำคัญและ
ส่วนคุณค่า ( เมลส์ et al . , 2000 ) เราได้วิเคราะห์เบื้องต้นไม่ยอมอ่อนข้อ
เลือกงานที่ไม่ได้พิจารณาค่าสาธารณูปโภคค่า
. การตั้งค่าสำหรับคู่แรกถูกดี
.ตัวอย่างการกระจายระหว่าง A และ B ( 54 % และ 46% ตามลำดับ )
เราสามารถทำนายตัวเลือกเหล่านี้ค่อนข้างดี บนพื้นฐานของการประมาณการมูลค่า
ส่วนผ่านการตรวจสอบอัตราการตี 74 % ใน
นอกจากนี้ ความเชื่อถือได้ของการวัดอรรถประโยชน์สูง ( R2 = 0.84 )
เพื่อตรวจสอบความตรงเชิงทำนาย เราวิ่งจำลองกับ 3
โยเกิร์ตตัวอย่างที่มีปริมาณไขมันที่แตกต่างกัน ประมาณ
สุ่มหุ้นตลาดทางเลือกแรก ( 0.1% fat 16 % ส่วนแบ่งการตลาด 1.5% ไขมัน :
31 % ส่วนแบ่งการตลาดและ 3.8 % ไขมัน : 53 % ส่วนแบ่งการตลาด ) ตรงกับ
หุ้นประเภทโยเกิร์ตเหล่านี้ในตลาดเยอรมัน ( 60.1 %
ไขมัน 6.5 เปอร์เซ็นต์ไขมันร้อยละ 61.5 16.5 % ; p3.8 : % ไขมัน : 57.7 % ) ซึ่งรองรับ
ความถูกต้องของผลการวิจัยของเรา ส่วนคุณค่าของไขมัน น้ำตาล และกลิ่น ( ตารางที่ 1 )
โดยระบุว่า ผู้ตอบแบบสอบถามกว่าคุณลักษณะที่สำคัญที่แท้จริงมากกว่าผลิตภัณฑ์ภายนอก
( 61.1 % และ 38.9 % ) .
ประมาณการประเมินภายในและภายนอก ส่วนมูลค่าเปิดเผยความแตกต่างหลายเห็นได้ชัด
ในความชอบรูปแบบเกี่ยวกับภายในและภายนอก
การประเมินคุณลักษณะเดียวกัน ค่าสาธารณูปโภค ค่า
หลังจากคำถามส่วนตัวถูกตอบ แรกตัวอย่างคู่
ถูกเสิร์ฟ นี้การจับคู่เปรียบเทียบที่เหมือนกันสำหรับแต่ละเรื่อง
และทำหน้าที่เป็นไม่ยอมอ่อนข้อเพื่อประเมินความตรงภายในของชอบ -
ences จะประมาณ ตัวอย่างในคู่นี้ วางทางซ้าย
สำหรับผู้เข้าร่วมทั้งหมด ( รูปที่ 1 ) มีไขมันร้อยละ 0.1 , น้ำตาล 16 % และเตรียมวานิลลา 7 %
ปริมาณไขมันบนฉลากเป็น 0.1% และไม่ addi -
tional อ้างว่าถูกปัจจุบัน ตัวอย่าง B ( อยู่ด้านขวา ) มีไขมัน 1.5 %
, น้ำตาล 11.2% และการเตรียมวานิลลา 7% ; ที่มีปริมาณไขมันคือ
1.5% และลดน้ำตาลได้อ้างว่า หลังจากการตรวจสอบ และชิม
ผู้ตอบแบบสอบถามระบุความต้องการของพวกเขาโดยการวางเครื่องหมายบน
9 ระดับด้วยซ้ายยึด ' ' 4 ' ' . . . . . . . ''strongly ชอบทิ้ง
โยเกิร์ต ' ' , ' ' 0 ' ' . . . . . . . ''prefer เหมือนกันหรือ ' ' เป็นจุดศูนย์กลาง และใช่
สมอ ' ' 4 ' ' . . . . . . . ''strongly ชอบใช่โยเกิร์ต ' ' เมื่อท่านรับสัญญาณเสียงจาก
เรื่องการทดลองเลือกโยเกิร์ต แว่นตา และในเตรียมห้อง ติดกัน พิมพ์
เรื่องทางเลือกในเครื่องคอมพิวเตอร์ ซอฟต์แวร์คำนวณการรวมกัน
ของภายในและภายนอกคุณลักษณะสำหรับคู่ต่อไปของโยเกิร์ต
ผู้ทดลองจึงแนะนำให้เลือกโยเกิร์ตสองตัวอย่างที่ต้องการการรวมกันของลักษณะที่แท้จริง
และแท็กแต่ละแก้วกับบังคับใช้ฉลาก คู่ที่ใช้เสริฟ
ให้ผู้ตอบ ขั้นตอนนี้ซ้ำจนกว่าห้าคู่
การเปรียบเทียบที่เสร็จสมบูรณ์ หลังจากหยุดไปประมาณ 10 นาที
ตัวอย่างอีกสี่คู่ที่ถูกเสิร์ฟในวิธีเดียวกัน
ในขั้นตอนสุดท้ายของ ACA เราบันทึกและปรับเทียบ
วัดความชอบโดยนำเสนอสี่เดียว
ตัวอย่างหนึ่งหลังจากที่อื่น ๆ องค์ประกอบและการติดฉลากข้อมูลตามที่
คำนวณในลักษณะว่า ชุดนี้ ประกอบด้วย หนึ่ง นมเปรี้ยวซึ่ง
ผู้ตอบแต่ละประเมินเป็นการที่ดีมาก คนหนึ่ง
คะแนนสูงต่ำและสองตัวอย่างกับ moder -
ately ดีแอตทริบิวต์ ผู้เข้าร่วมถูกขอให้คะแนน
ซื้อโอกาสบน 0 – 100 % ขนาด เป็นการประเมินเหล่านี้
ภายในและภายนอกที่สำคัญคุณลักษณะสามารถสถิติ -
คอลลี่ ( เมลส์ laumann & , สกัด , วิเคราะห์ , 2000 ) เราดำเนินการและคำนวณส่วนมูลค่า
WAY ( ชุด Bayes ) โดยใช้
แพคเกจซอฟต์แวร์ฟันเลื่อย ( www.sawtoothsoftware . com )
ผลความน่าเชื่อถือความถูกต้องและการตั้งค่าสำหรับคุณลักษณะ
ประเมินความตรงภายในประมาณ ACA สำคัญและ
ส่วนคุณค่า ( เมลส์ et al . , 2000 ) เราได้วิเคราะห์เบื้องต้นไม่ยอมอ่อนข้อ
เลือกงานที่ไม่ได้พิจารณาค่าสาธารณูปโภคค่า
. การตั้งค่าสำหรับคู่แรกถูกดี
.ตัวอย่างการกระจายระหว่าง A และ B ( 54 % และ 46% ตามลำดับ )
เราสามารถทำนายตัวเลือกเหล่านี้ค่อนข้างดี บนพื้นฐานของการประมาณการมูลค่า
ส่วนผ่านการตรวจสอบอัตราการตี 74 % ใน
นอกจากนี้ ความเชื่อถือได้ของการวัดอรรถประโยชน์สูง ( R2 = 0.84 )
เพื่อตรวจสอบความตรงเชิงทำนาย เราวิ่งจำลองกับ 3
โยเกิร์ตตัวอย่างที่มีปริมาณไขมันที่แตกต่างกัน ประมาณ
สุ่มหุ้นตลาดทางเลือกแรก ( 0.1% fat 16 % ส่วนแบ่งการตลาด 1.5% ไขมัน :
31 % ส่วนแบ่งการตลาดและ 3.8 % ไขมัน : 53 % ส่วนแบ่งการตลาด ) ตรงกับ
หุ้นประเภทโยเกิร์ตเหล่านี้ในตลาดเยอรมัน ( 60.1 %
ไขมัน 6.5 เปอร์เซ็นต์ไขมันร้อยละ 61.5 16.5 % ; p3.8 : % ไขมัน : 57.7 % ) ซึ่งรองรับ
ความถูกต้องของผลการวิจัยของเรา ส่วนคุณค่าของไขมัน น้ำตาล และกลิ่น ( ตารางที่ 1 )
โดยระบุว่า ผู้ตอบแบบสอบถามกว่าคุณลักษณะที่สำคัญที่แท้จริงมากกว่าผลิตภัณฑ์ภายนอก
( 61.1 % และ 38.9 % ) .
ประมาณการประเมินภายในและภายนอก ส่วนมูลค่าเปิดเผยความแตกต่างหลายเห็นได้ชัด
ในความชอบรูปแบบเกี่ยวกับภายในและภายนอก
การประเมินคุณลักษณะเดียวกัน ค่าสาธารณูปโภค ค่า
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- in order to gain an insight into its com
- hoe long will you stay up?
- อยู่ในโรงเรียนได้รู้จักกับคนมากมาย
- ฉันสำคัญแต่เขาสำคัญกว่า
- ต้องการพ่อครัวจำนวนมาก เพราะพนักงานลาออก
- If I have a chance I will go there to ha
- ฉันขอให้ตัวเองโชคดี
- refers to the phenomenon thatconsumers d
- Don't be stubborn.
- 1. นักลงทุนไทยสามารถเข้าไปลงทุนในธุรกิจข
- It grows in hot, wettropical areas such
- refers to the phenomenon thatconsumers d
- พ.ศ.2448
- please wait while your transaction is pr
- refers to the phenomenon thatconsumers d
- ฉันไม่เข้าใจ
- Many in the technology education school
- predeparture language and cross-cultural
- you live next to the traffic?
- ราคาถูก
- i saw them on my way here.it had to be s
- เนื่องในวันคริสมาสปีนี้ฉันขอให้คุณมีความ
- Who are you
- ดีใจมาก
