Mô hình hóa tính đồng thời trong dữ liệu khảo sát

Quantitative Marketing and Economics - Tập 3 - Trang 311-335 - 2005
Timothy J. Gilbride1, Sha Yang2, Greg M. Allenby3
1Mendoza College of Business, University of Notre Dame, Notre Dame
2Stern School of Business, New York University, New York
3Fisher College of Business, Ohio State University, Columbus

Tóm tắt

Câu trả lời cho các câu hỏi trong một khảo sát có thể phản ánh một quy trình hành vi ảnh hưởng đến nhiều mục phản hồi khác nhau. Đánh giá của người trả lời về các thuộc tính thương hiệu, ví dụ, có thể bị ảnh hưởng bởi các lần mua trước đó, khiến cho một thương hiệu trở nên nổi bật hơn, hoặc thông qua việc người trả lời gán cho thương hiệu hiệu suất cao hơn để biện minh cho các lần mua của họ. Khi nhiều mục phản hồi bị ảnh hưởng bởi một quy trình tiềm ẩn chung, dữ liệu sẽ có tính đồng thời. Bài báo này đề xuất một cách tiếp cận để mô hình hóa tính đồng thời trong các phản hồi khảo sát khác nhau bằng cách sử dụng các tham số chung và các mối quan hệ cấu trúc được thúc đẩy bởi các lý thuyết hành vi về cách mà người tiêu dùng phản ứng với các khảo sát. Cụ thể, các mô hình được đề xuất cho thấy cách mà phản hồi về việc sử dụng thương hiệu và nhận thức về thuộc tính được xác định đồng thời bởi sự biện minh, thứ tự và hiệu ứng hào quang thương hiệu trong hai nghiên cứu định vị thương hiệu. Chúng tôi phát hiện ra một xu hướng đáng kể đối với những người được khảo sát làm phóng đại niềm tin mà họ báo cáo về các thương hiệu cụ thể cũng như thương hiệu được chọn qua năm quốc gia trong một khảo sát quốc tế cũng như trong một nghiên cứu nội địa.

Từ khóa

#phản hồi khảo sát #quy trình hành vi #thuộc tính thương hiệu #hiệu ứng hào quang #mô hình hóa đồng thời #niềm tin của người tiêu dùng

Tài liệu tham khảo

Albert, James H. and Siddhartha Chib. (1993). “Bayesian Analysis of Binary and Polychotomous Response Data.” Journal of the American Statistical Association 88, 669–679. Allenby, Greg M., Nereraj Arora, and L. James Ginter. (1995). “Incorporating Prior Knowledge in the Analysis of Conjoint Studies.” Journal of Marketing Research 32 (May), 152–162. Baumgartner, Hans and E.M. Jan-Benedict Steenkamp. (2001). “Response Styles in Marketing Research: A Cross-National Investigation.” Journal of Marketing Research 38 (May),143–156. Brown, Christina L. and Fred Feinberg. (2004). “Bolstering: How Does Choice Distort Product Evaluations?” Working paper, The University of Michigan. Cattin, Philippe and Dick R. Wittink. (1982). “Commercial Use of Conjoint Analysis: A Survey.” Journal of Marketing 46 (Summer), 44–53. Day, George S. (1972). “Evaluating Models of Attitude Structure.” Journal of Marketing Research 9(August), 279–286. Dillon, William R., Thomas J. Madden, Amna Kirmani, and Soumen Mukherjee.(2001). “Understanding What's in a Brand Rating: A Model for Assessing Brandand Attribute Effects and Their Relationship of Brand Equity.” Journal of Marketing Research 38(November), 415–429. Edwards, Yancy D. and Greg M. Allenby. (2003). “Multivariate Analysis of Multiple Response Data.” Journal of Marketing Research 40 (August), 321–334. Engle, Robert F., David F. Hendry, and Jean-Francois Richard. (1983). “Exogeneity.” Econometrica 51, 277–304. Gelfand, Alan E., Susan E. Hills, Amy Racine-Poon, and F. M. Adrian Smith. (1990). “Illustration of Bayesian Inference in Normal Data Models Using Gibbs Sampling.” Journal of the American Statistical Association 85, 972–985. Geyer, Charles J. (1992). “Practical Markov Chain Monte Carlo.” Statistical Science 7 (November), 473–483. Green, Paul E. and Vithala R. Rao. (1971). “Conjoint Measurement for Quantifying Judgmental Data.” Journal of Marketing Research 8 (August), 355–363. Hajivassiliou, V., D. McFadden, and P. Rudd. (1996). “Simulation of Multivariate Normal Rectangle Probabilities and their Derivatives.” Journal of Econometrics 72, 85–134. Janiszewski, Chris, Tim Silk, and Alan D. J. Cooke. (2003). “Different Scales for Different Frames: The Role of Subjective Scales and Experience in Explaining Attribute Framing Effects.” Journal of Consumer Research 30, 311–325. Keane, M. (1994). “A Computationally Practical Simulation Estimator for Panel Data.” Econometrica 62, 95–116. Maddala, G.S. (1983). Limited Dependent and Qualitative Variables in Econometrics. New York: Cambridge University Press. Maddala, G.S. and Lung-Fei Lee, (1976). “Recursive Models with Qualitative Endogenous Variables.” Annals of Economic and Social Measurement 5/4, 525–545. McCulloch, Robert and Peter E. Rossi. (1994). “An Exact Likelihood Analysisof the Multinomial Probit Model.” Journal of Econometrics 64, 207–240. Nisbett, R. and T. D. Wilson. (1977). “Telling More Than We Know: Verbal Reports on Mental Processes.” Psychological Review 84, 231–259. Pettibone, Jonathan C. and Douglas H. Wedell. (2000). “Examining Models of Nondominated Decoy Effects across Judgment and Choice.” Organizational Behavior and Human Decision Processes 81 (March),300–328. Rossi, Peter E. and Greg M. Allenby. (2003). “Bayesian Statistics and Marketing.” Marketing Science 22, 304–328. Rossi, Peter E., Zvi Gilula, and Greg M. Allenby. (2001). “Overcoming Scale Use Heterogeneity: A Bayesian Hierarchical Approach.” Journal of the American Statistical Association 96, 20–31. Rossi, Peter E., Robert E. McCulloch, and Greg M. Allenby. (1996). “The Value of Purchase History Data in Target Marketing.” Marketing Science 15, 321–340. Simonson, Itamar. (1989). “Choice Based on Reasons: The Case of Attractionand Compromise Effects.” Journal of Consumer Research 16 (September), 158–174. Tanner, M. A. and W. Wong (1987) “The Calculation of Posterior Distributions by Data Augmentation.” Journal of the American Statistical Association 82, 528–549. Wertenbroch, Klaus and Bernd Skiera. (2002). “Measuring Consumers Willingnessto Pay at the Point of Purchase.” Journal of Marketing Research 39, 228–241. Yang, Sha, Yuxin Chen, and Greg Allenby. (2003). “Bayesian Analysis of Simultaneous Demand and Supply.” Quantitative Marketing and Economics 1 (September), 251–275. Zellner, Arnold. (1971). An Introduction to Bayesian Inference in Econometrics. New York: John Wiley & Sons, Inc.