BİTİŞME ANALİZİ FAYDALARININ GENELLEŞTİRİLMİŞ TAHMİN DENKLEMLERİ İLE BELİRLENMESİ

Abstract

Bitişme (Conjoint) analizi işletme bilimlerinde özellikle pazarlama dalında kullanılan tutarlılığı yüksek biryöntemdir. Bu analiz ürün çeşitlendirme ve yeni ürün geliştirmede fayda fiyat dengesini tahmin etmek içinsıklıkla kullanılmaktadır. Yöntemin dezavantajı önceden belirlenmiş profillere yani ortogonal tasarımadayanmasıdır. Kategori sayısının artması sorun yaratmaktadır. Bu çalışmanın amacı, Bitişme Analizi ile eldeedilen bitişme katsayıları ve ürün faktör önemlerinin Genelleştirilmiş Tahmin Denklemleri ile eldeedilebileceğini ortaya koymaktır. Bu nedenle M. Baran (2007) tarafından yürütülen bir araştırmaya ait BitişmeAnalizi verileri kullanılmıştır. Baran, bu çalışmasında tüketicilerin belirli bir markadaki çay türlerini tercihetmedeki faktörlerin önem değerlerini ortaya koymuştur. Genelleştirilmiş Tahmin Denklemleri, doğrusalmodellerin genişletilmiş bir versiyonu olarak boylamsal, kümelenmiş ve panel verilerde daha etkin ve yansıztahminler elde etmek için geliştirilmiştir. Bu çalışmada tahmin katsayıları ve fayda değerleri her iki yöntemletahmin edilmiş ve Bitişme Analizi ile bulunan fayda değerlerinin Genelleştirilmiş Tahmin Denklemleri ile deelde edilebileceği ortaya konmuştur.

Conjoint Analysis is a efficient analysis and is used esspecially in marketing. It was used to predict the utility and price level at product or service development or for innovative purposes. It has the disadvantage of strict profile usage and orthogonal profile determination for the efficient coefficient estimation. The increasing attribute level amount involves further problems in the research. The aim of this study is to show that the coefficient of correlation and the product factor significance obtained by the Conjoint Analysis can be obtained by the Generalized Estimation Equations. In this analysis the data from a study conducted by M.Baran(2007) is used. In his study, Baran revealed the importance factor of consumer in tea preferences. The Generalized Estimation Equations have been developed as an expanded version of linear models to obtain efficient and unbiased estimates with longitudional, panel or clustered data. In this study the model coefficients and utility values have been estimated comparatively by both of the methods.