Zum Inhalt

Erweiterte Suche

Ergebnisvorschau für Ihre aktuellen Suchbegriffe: 0

Suchoperatoren:

Sie können Operatoren mit Ihrer Suchanfrage kombinieren, um diese noch präziser einzugrenzen. Klicken Sie auf den Suchoperator, um eine Erklärung seiner Funktionsweise anzuzeigen.
Findet Dokumente mit genau dieser Wortgruppe in exakt dieser Schreibweise und Reihenfolge (z.B. "employer branding").
Findet Dokumente, in denen beide Begriffe zusammen vorkommen (z.B. vertrieb UND bonus).
Findet Dokumente, in denen einer der beiden oder beide Begriffe vorkommen (z.B. porsche OR volkswagen).
Findet Dokumente, in denen alle Begriffe vorkommen. Das Leerzeichen wird als UND interpretiert (z.B. mensch roboter alltag).
Findet Dokumente, in denen der Begriff nach NOT nicht vorkommt (z.B. ford NOT "harrison ford").
Findet Dokumente, in denen der gesuchte Begriff mehr als n mal vorkommt. n steht für eine beliebige Anzahl (z.B. COUNT(getriebe)>8).
Findet Dokumente, in denen beide Begriffe in beliebiger Reihenfolge innerhalb von maximal n Worten zueinander stehen. Empfehlung: Wählen Sie zwischen 15 und 30 als maximale Wortanzahl (z.B. NEAR(hybrid, antrieb, 20)).
Findet Dokumente, in denen der Begriff in Wortvarianten vorkommt, wobei diese VOR, HINTER oder VOR und HINTER dem Suchbegriff anschließen können (z.B., leichtbau*, *leichtbau, *leichtbau*).
Findet Dokumente mit dem Suchbegriff in verschiedenen Schreibweisen. Das ? steht für eine einzige Stelle (z.B. organi?ation).
Sonderzeichen werden als UND interpretiert (z.B. Mann + Hummel).

Semantische Suche

powered by (Link öffnet in neuem Fenster)
loading …
Anmelden
Nach oben

6. Behavioral Insights from Choice Models

  • 2022
  • OriginalPaper
  • Buchkapitel
Erschienen in:
Verfasst von
Antonio Páez
Geneviève Boisjoly
Erschienen in
Discrete Choice Analysis with R
Verlag
Springer International Publishing

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Dieses Kapitel vertieft die praktischen Anwendungen diskreter Auswahlmodelle, insbesondere des multinomialen Logit-Modells, um das Verhalten zu verstehen und vorherzusagen. Aufbauend auf den Fähigkeiten, die bei der Schätzung dieser Modelle erworben wurden, untersucht das Kapitel, wie man Präferenzen ableiten und Verhaltensänderungen unter verschiedenen Bedingungen vorhersagen kann. Es bietet ein schrittweises Verfahren zur Modellabschätzung und Szenarioanalyse, das die Bedeutung systematischer Ansätze und die Grenzen von Modellvorhersagen hervorhebt. Das Kapitel bietet auch Einblicke in die Interpretation von Modellkoeffizienten, Grenzeffekten, Elastizität und Zahlungsbereitschaft, was es zu einer wertvollen Ressource für Fachleute macht, die diese Modelle im realen Kontext anwenden wollen.
KI-Generiert

Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

Men’s actions are the best guides to their thoughts.
— John Locke, An Essay Concerning Human
Understanding—Volume I
Prediction is not proof.
— King and Kraemer, Models, facts, and the policy process: the
political ecology of estimated truth
Human behavior is incredibly pliable, plastic.
— Philip Zimbardo

Sie sind bereits Kunde? Dann loggen Sie sich hier ein, um Zugang zu erhalten

Kundenlogin

Sie sind noch kein Kunde? Dann Informieren Sie sich jetzt über unsere Lizenzmodelle:

Einzelzugang

Starten Sie jetzt Ihren persönlichen Einzelzugang. Erhalten Sie sofortigen Zugriff auf mehr als 170.000 Bücher und 540 Zeitschriften - pdf-Downloads und Neu-Erscheinungen inklusive.

Jetzt ab 54,00 € pro Monat!                                        

Mehr erfahren

Zugang für Unternehmen

Nutzen Sie Springer Professional in Ihrem Unternehmen und geben Sie Ihren Mitarbeitern fundiertes Fachwissen an die Hand. Fordern Sie jetzt Informationen für Firmenzugänge an.

Erleben Sie, wie Springer Professional Sie in Ihrer Arbeit unterstützt!

Beraten lassen

Für Entdecker: Lernen Sie Springer Professional besser kennen mit einer kostenlosen Registrierung

Kostenlos Registrieren
Vorheriges Kapitel Practical Issues in the Specification and Estimation of Discrete Choice Models
Nächstes Kapitel Non-proportional Substitution Patterns I: Generalized Extreme Value Models
Titel
Behavioral Insights from Choice Models
Verfasst von
Antonio Páez
Geneviève Boisjoly
Copyright-Jahr
2022
Buch
Discrete Choice Analysis with R

Print ISBN: 978-3-031-20718-1

Electronic ISBN: 978-3-031-20719-8

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-3-031-20719-8_6
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.

Premium Partner

    ADVERTORIAL

    KI ohne Großprojekt und Risiko starten

    Mit freundlicher Unterstützung von:
    • ​​​​​​​Dell Technologies, Intel und Microsoft.
    ADVERTORIAL

    KI-Wissen für mittelständische Unternehmen (Link öffnet in neuem Fenster)

    ADVERTORIAL

    Ihre Webinar-Matineen von IT-Director und IT-Mittelstand

    Bildnachweise
    AvePoint Deutschland GmbH/© AvePoint Deutschland GmbH, NTT Data/© NTT Data, Wildix/© Wildix, arvato Systems GmbH/© arvato Systems GmbH, Ninox Software GmbH/© Ninox Software GmbH, Nagarro GmbH/© Nagarro GmbH, GWS mbH/© GWS mbH, CELONIS Labs GmbH, USU GmbH/© USU GmbH, G Data CyberDefense/© G Data CyberDefense, Vendosoft/© Vendosoft, Deutsche Telekom MMS GmbH/© Vendosoft, Noriis Network AG/© Noriis Network AG, ams.solutions GmbH/© ams.solutions GmbH, Ferrari electronic AG/© Ferrari electronic AG, Asseco Solutions AG/© Asseco Solutions AG, AFB Gemeinnützige GmbH/© AFB Gemeinnützige GmbH, Haufe Group SE/© Haufe Group SE, Doxee AT GmbH/© Doxee AT GmbH , Videocast 1: Standbild/© Springer Fachmedien Wiesbaden, KI-Wissen für mittelständische Unternehmen/© Dell_Getty 1999938268, IT-Director und IT-Mittelstand: Ihre Webinar-Matineen /© da-kuk / Getty Images / iStock