کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6799254 1433257 2018 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A hierarchical Bayesian approach for examining heterogeneity in choice decisions
ترجمه فارسی عنوان
رویکرد باینری سلسله مراتبی برای بررسی ناهمگونی در تصمیمات انتخابی
کلمات کلیدی
مخلوط های محدود انتخاب متغیر، مدل های پروبیت چند متغیره بیزی، روانشناسی مصرف کننده، ناهمگونی انتخابی،
ترجمه چکیده
ادبیات تئوری تصمیم گیری وسیع وجود دارد که نشان می دهد افراد مختلف ممکن است ویژگی های مختلف یک شی را مورد استفاده قرار دهند و یا وزن خود را برای تشکیل عقاید، نگرش ها، انتخاب ها و / یا ارزیابی چنین محرک ها، مورد استفاده قرار دهند. این ناهمگونی استفاده از اطلاعات و اهمیت می تواند به دلایل مختلفی از قبیل اهداف متفاوت، سطح تخصص، عوامل متناظر، دسترسی به دانش، فشار زمان، درگیری، وضعیت خلقی، پیچیدگی وظیفه، ارتباط یا تاثیر سایر افراد مرتبط باشد. پدیده به ویژه در مورد ارزیابی محرک هایی که شامل تعداد زیادی از صفات یا ویژگی های اساسی هستند، بسیار مهم است. ما یک مدل مخلوط پروتیم چند متغیره سلسله مراتبی بیزی را با انتخاب متغیری که چنین فرمهای ناهمگونی انتخابی را در بر می گیرد، پیشنهاد می کنیم. بر اساس یک مطالعه شبیه سازی مونت کارلو، ما نشان می دهیم که مدل پیشنهادی می تواند با موفقیت به درستی پارامترهای واقعی را بهبود بخشد. بعد، ما یک درخواست روانشناختی مصرف کننده ارائه می دهیم که در آن برای انتخاب گزینه هایی برای مصرف کنندگان مورد نظر وسیله نقلیه بزرگ ورزشی مورد استفاده قرار می گیرد. این نرم افزار نشان می دهد که مدل پیشنهادی چندین مدل انتخاب معیار مقایسه را با توجه به روایی صورت و عملکرد اعتبار سنجی پیش بینی شده انتخاب می کند.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات ریاضیات کاربردی
چکیده انگلیسی
There is a vast behavioral decision theory literature that suggests different individuals may utilize and/or weigh different attributes of an object to form the basis of their opinions, attitudes, choices, and/or evaluations of such stimuli. This heterogeneity of information utilization and importance can be due to several different factors such as differing goals, level of expertise, contextual factors, knowledge accessibility, time pressure, involvement, mood states, task complexity, communication or influence of relevant others, etc. This phenomenon is particularly pertinent to the evaluation of stimuli involving large numbers of underlying attributes or features. We propose a new hierarchical Bayesian multivariate probit mixture model with variable selection accommodating such forms of choice heterogeneity. Based on a Monte Carlo simulation study, we demonstrate that the proposed model can successfully recover true parameters in a robust manner. Next, we provide a consumer psychology application involving consideration to buy choices for intended consumers of large Sports Utility Vehicles. The application illustrates that the proposed model outperforms several comparison benchmark choice models with respect to face validity and choice predictive validation performance.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Mathematical Psychology - Volume 82, February 2018, Pages 56-72
نویسندگان
, , ,