Jautājumu atbilžu teorijas modeļu parametru novērtēšana, izmantojot Beijesa metodes, un to pielietojums mārketingā

Abstract

Darbs ir veltīts jautājumu atbilžu teorijas modeļu parametru novērtēšanai, izmantojot Beijesa metodes, un to pielietojumam mārketinga aptaujās. Jautājumu atbilžu teorijas modeļi ļauj validēt aptaujas un veidot precīzākas mērvienības, apvienojot dažādu jautājumu grupas vienotā skalā. Darba ietvaros tiek analizēti un salīdzināti klasiskie Raša modeļi un parciālā kredīta modelis ar Beijesa metodēm, īpaši uzsverot Markova ķēžu Montekarlo algoritmu pielietojumu parametru novērtēšanā. Beijesa pieejas elastība un spēja integrēt iepriekšējo informāciju sniedz priekšrocības datu analīzē un interpretācijā. Praktiskajā daļā tiek veikta empīriska analīze, izmantojot reālu mārketinga aptauju datus, lai novērtētu Beijesa metožu efektivitāti un salīdzinātu tās ar tradicionālajām pieejām. Darba rezultāti apliecina, ka Beijesa metodes nodrošina precīzāku aptauju datu analīzi, uzlabojot modeļu pielāgošanās spēju un uzticamību. Šie secinājumi sniedz būtisku ieguldījumu mārketinga pētījumu metodoloģijā, piedāvājot jaunas iespējas aptauju datu analīzei un interpretācijai.

This paper is dedicated to the estimation of item response theory model parameters using Bayesian methods and their application in marketing surveys. Item response theory models enable the validation of surveys and the creation of more precise measurement scales by combining various question groups into a unified scale. The study analyzes and compares classical Rasch models and the Partial Credit Model with Bayesian methods, with a particular focus on the application of Markov Chain Monte Carlo algorithms for parameter estimation. The flexibility of the Bayesian approach and its ability to integrate prior information provide advantages in data analysis and interpretation. The practical part includes an empirical analysis using real marketing survey data to evaluate the efficiency of Bayesian methods and compare them with traditional approaches. The results confirm that Bayesian methods ensure more accurate survey data analysis, improving the adaptability and reliability of models. These findings provide a significant contribution to marketing research methodology, offering new possibilities for survey data analysis and interpretation.