DEPARTAMENTO
DE
ENGENHARIA
DE
PRODUÇÃO
E
SISTEMAS
PROGRAMA
DE
PÓS-GRADUAÇÃO
EM
ENGENHARIA
DEPRODUÇAO
DELINEAMENTO EXPERIMENTAL
EM
ENSAIOS
FATORIAIS UTILIZADOS
EM
PREFERENCIA
Tese submetida à Universidade
Federal
de Santa
Catarina
para
a
obtenção
Q
lí
M
ti:
154-2ii
M
ii
309. 0. UFSC-BUDECLARADA
do
títulode
Doutor
em
Engenharia de Produção.
OSMAR
AMBROSIO
DE SOUZA
FLORIANÓPOLIS, sc
DELINEAMENTO
EXPERIMENTAL
EM
ENSAIOS FATORIAIS
UTILIZADOS
EM
PREFERÊNCIA
DECLARADA
Esta tese foi julgada adequada para a obtenção
do
título deDOUTOR
EM
ENGENHARIA
DE
PRODUÇÃO
e aprovadaem
suaforma
final peloPrograma
de Pós-Graduaçãoem
Engenharia deProdução
da Universidade Federal de Santa Catarina.2/
Prof. Ricardo
Ama
Barcia, Ph.D.Coordenador do
CursoBanca
Examinadora:~
*<»~«‹›\¬%e¬
‹«áz%fléf
rof. Antônio G. N. Novaes, Dr. Prof. Lui/zAÍ
dos S. Senna, Ph.D.Orientador
Examinador
Extemo
%LL74zrL"V»‹fi,`52¢¢«
~išàb
A
Êú
rofa. Tiemi Matsuo, Dra. Prof 3. Lia Caetano astos, Dra.
Examinadora
Extema
Membro
z
Prof. Rogéri Ifiú astos, Dr. Prof “. Mirian
Buss
Gonçalves, Dra.M
ff rModeradora
Florianópolis, SC, 3 de agosto de 1999
e aos
meus
filhosAlán
eMaicon
AGRADECIMENTOS
Agradeço
aDeus
pela oportunidadeda
vida;À
minha
família, pelo carinho ecompreensão que
me
dedicaram, principalmente, nosmomentos
em
que
estive ausente para integral dedicação aos estudos;Ao meu
orientador eamigo
AntônioGalvão
Novaes, pelos ensinamentos, dedicação e carinhocom
que
soube modelarminha
aprendizagem.Meus
sinceros agradecimentos, contigo aprendio caminho
para desvendar os mistérios da aplicaçãoda
matemáticana
engenharia;
Aos
Professoresdo Departamento
deMatemática
daUNICENTRO,
que sempre
me
deram
apoio e incentivo durante estes anos de estudo;À
Universidade Estadualdo
Centro-Oeste, pelo apoio, durante a realizaçãodo
curso.Aos
Professoresdo Departamento
de Engenharia e Sistemas daUFSC, com
os quaistive
o
oportunidade de desenvolver novas aprendizagens.Aos
ProfessoresMembros
da
Banca, pela dedicação e ensinamentos transmitidosatravés dos comentários e sugestões, contribuíram para valorizar
mais
os trabalhos desenvolvidos.À
Universidade Federal de Santa Catarina: professores e fimcionários,que
deuma
ou
de outraforma
contribuíram para aminha
formação.Ao
meu
amigo
J osé Luiz Giraldis, pelo apoio na área de Hardware.À
Prof
“ NeonilaGomes
pelo apoio nos trabalhos finais da tese.À
Coordenação
de Aperfeiçoamento de Pessoal de Nível Superior- CAPES,
pela indispensável ajuda financeira.LISTA
DE
FIGURAS
... .. viiiLISTA
DE
TABELAS
... .. ixLISTA
DE ABREVEATURAS
E
SIGLAS
... .. xiRESUMO
... .. xiiABSTRACT
... .. xiiiPARTE
I-
As1>ECTOs
TEÓRICOS
INTRODUÇÃO
... .. 1AssUNTO
... ._2
Fn×1ALIDADEs
E
OBJETIVOS
... .. 4CONTRIBUIÇÃO
CIENTÍFICA
... .. 5ESTRUTURA
DO
TRABALHO
... .. óREVISÃO
DA
LITERATURA
... .. 7MODELOS
DE
ESCOLHA
DISCRETA
-
revisão ... ._ 15CONCEITOS
... .. 1óFUNDAMENTOS
TEÓRICOS
... .. 17MODELO
LOGJTMUL
IINOMJAL
... .. 21MODELO
LOGIT
HIERÁRQUICO
... ..24
MODELO
DE
ESCOLHA
DIscRETA
MULTINOMIAL
COM
PROBABILIDADE
CONDICIONAL
... _.26
FORMA
E
COMPLEXIDADE
DO
EXPERIMENTO
... ..27
TECNICA
DE OTIMIZAÇÃO
DO
CONIUNT O
DE ALTERNATIVAS
.28
r ~TECNICA
DE OTIMIZAÇAO
DO
CONJUNTO DE
ESCOLHA
... ..34
MODELO
LOG]
T
MULYYNQMIAL
COM
PROB.
CONDICIONAL
... ..39
AMOSTRAGEM
E
TESTES
DE
HIPÓTESES
... ..46
VALIDAÇAO
DA
AMOSTRAGEM:
Testes e Procedimentos ... ._47
VALIDAÇÃO
INTERNA:
Testes de Hipóteses ... .. 51TRANSFORMAÇAO
DOS
DADOS
... .. 57IMPLEMENTAÇÃO
COIVIPUTACIONAL
-
Software LIVIPC ... _.62
FASE
DA
ESTRUTURAÇÃO
... ._FASE
DA
APLICAÇÃO
... ..FASE
DA
CONCLUSÃO
... ..PARTE
II-
APLICAÇÃO
PESQUISA
DE CAMPO: A
utilidade dossupermercados na
visão dos clientes ... ..CONSIDERAÇÕES
GERAIS
... ..MATERIAL
E
MÉTODO
... _.VALIDAÇÃO
DOS
DADOS
AMOSTRAIS
DA APLICAÇÃO
... ..DADOS
DESCRITIVOS
DOS
ATRIEUTOS
SOCIAIS
... ..CONDIÇÕES
DA AMOSTRA
-
PREÇO
... ..CONDIÇÕES
DA AMOSTRA
_
QUALIDADE
... ..~
CONDIÇÕES
DA
AMOSTRA
CONVENIÊNCIA
... ..DADOS
DE
PREFERÊNCIA
REVELADA
... ..ANÁLISE E
INTERPRETAÇÃO
DA
APLICAÇÃO
... ..DADOS DE
PREFERÊNCIA
DECLARADA
... ..DADOS
DE
PREFERÊNCIA
REVELADA
... _.VALIDAÇAO
EXTERNA
DOS
DADOS
... ..DISCUSSÃO
DOS RESULTADOS
DA
APLICAÇÃO
... ..PARTE
III-
CONCLUSÃO
CONCLUSÕES
E
RECOMENDAÇÕES
... ..CONCLUSÕES
... _.RECOMENDAÇÕES
... ..REFERÊNCIAS
BIBLIOGRÁFICAS
... .. Vl PANEXO
PáginaTABELA
DE
EXPERIMENTOS
FATORIAIS
... .. 142ARRANJOS ORTOOONAIS
... .. 143ARRANJOS
FATORIAIS
... .. 149OONIUNTO DE
ESOOLHA
cO1v1PROEAEILIDADE
OONDIOIONAI.
.. 155EXEMPLOS
DE
UTILIZAÇÃO
DAS TABELAS
... ._ 163ASPECTOS
cOM1>UTAcIONAIS
(1v1‹›àe1<›LMPO)
... .. 1óóQUESTIONÁRIO
PARA
ENTREVISTAS
... .. 1ó9EXEMPLOS DE CARTÕES
... _. 173RELATÓRIO
DAS
ENTREVISTAS
... _. 177vii
1.1 2.1 2.2 3.1 3.2 3.3 4.1 5.1 6.1 6.2 6.3 6.4 7.1 7.2 7.3 7.4 7.5 7.6 7.7 8.1 8.2 8.3 8.4 8.5 8.6 8.7
LISTA
DE
FIGURAS
Modelo
funildo
estigma da escolha ... ..Teoria
econômica do consumidor
... ..Esquema
hierárquicocom
2 níveis ... ..Geometria das interações ... ..
Cubo
... ..Relação de subconjunto para conjunto ... ..
Variabilidade das prob. das utilidades marginais das alternativas ... ..
Árvore
da organizaçãodo
experimento ... ..Imagem
daempresa
... ..Organograma da
aplicação ... ..Mapa
de avaliação geral ... ._Paradigma
de integração entrePR
ePD
... ..Dados
amostrais por atributos sociais ... ..Dimensionamento da amostragem
:PREÇO
... ._Relação entre a
média
e o desvio padrão-
dadosnão
transformados .Relação entre a
média
e o desvio padrão-
transformação logarítmicaDimensionamento
daamostragem
:QUALIDADE
... ..Dimensionamento
daamostragem
:CONVENIENCIA
... ..Indicação de preferências : por
RENDA
... ..Comparação
entre as utilidades (visão geral dos clientes) ... _.Comparação
entre as utilidades (ClasseD)
... ._Comparação
entre as utilidades (ClasseC)
... ._Comparação
entre as utilidades (ClasseB)
... ..Comparação
entre as utilidades (ClasseA)
... ..Coeficientes
de
atratividade dos supermercados ... ..Relação entre 'comportamentos ... ..
Exemplos
de cartões:PREÇO
... ..Exemplos
de cartões:QUALIDADE
... ..Exemplos
de cartões:CONVENIÊNCIA
... ..1.1 3.1 3.2 3.3 3.4 3.5 3.6 4.1 4.2 4.3 5.1 5.2 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 6.9 6.10 6.11 6.12 6.13 6.14 6.15 6.16 6.17
Estruturação
do
trabalho científico ... .. 6Efeito dos fatores e
combinações
... ..30
Delineamentos fatoriais arranj ados
em
blocos 21°* ... .. 31Fatorial fracionário 244 ... ..
32
Delineamentos fatoriais fracionários 2k"' ... ..
32
Arranjo o1togonalL8 ... .. 33
Tabela triangular
L8
... .. 33Valor
do
passo ... ..49
Valores de ‹p
em
funçãodo
passoA
dado
... ..50
Relação de dependência e indicação de transformação ... ._
60
Codificação para atributoscom
níveis discretos ... ..69
Exemplos
de codificação para atributos contínuos ... ..69
Quadro
comparativo entre os tipos de comércios ... .. 78Classificação dos supermercados ... ..
79
Avaliação subjetiva dos atributos ... .. 79
Quadro
dos atributos e os níveis :GERAL
... ..84
Formação
das alternativas ... ..84
Quadro
dos atributos e os níveis 1PREÇO
... .. 85Alternativas e níveis dos atributos :
CARNES
... .. 85Alternativas e níveis dos atributos 2
FRUTAS
E
VERDURAS
... .. 85Alternativas e niveis dos atributos 1
BENS
DE MERCEARIA
... _.86
Alternativas e níveis dos atributos 1LATICÍNIOS
... ..86
Quadro
dos atributos e os níveis :QUALIDADE
... ..87
Código
binários das alternativas ... ..87
Quadro
dos atributos e os níveis :CONVENIENCIA
... ._ 88Código
binários das alternativas ... .. 88Formação
dos blocos de altemativas ... ..89
Atributos e os níveis associados ao delineamento experimental :
PR
.... ..90
Formação
das alternativas ... .. 917.1 7.2 7.3 7.4 7.5 7.6 8.1 8.2 8.3 8.4 8.5 8.6 8.7 8.8 8.9 8.10 8.11 8.12 8.13 8.14 8.15 8.16 9.1
Segmentação
da amostra por atributos sociais ... ..Distribuição das freqüências dos valores
da
utilidade das entrevistasQuadro
comparativo entre os testes de Hartley e da transformação ..Verificação
do
ponto demáximo
da
função por aproximação ... ..Indicação de preferência por
compras
mensais ... ..Indicação de preferências por tipo de supermercado ... ..
Estimativas dos coeficientes :
GERAL
... ..Estimativas dos coeficientes :
PREÇO
... ..Estimativas dos coeficientes :
QUALIDADE
... ..Estimativas dos coeficientes :
CONVENIENCIA
... ..Estimativas dos coeficientes :
PREÇO
(LMPC
-
Ll\/lN) ... ..Estimativas dos coeficiente :
CONVENIÊNCIA (LMPC
-
LMN)
Delineamento especial
com
dadosPR
... ..Estimativas dos coeficientes (Geral e
segmentado
por renda) ... ..Coeficientes proporcionais estimados ... ..
Utilidade dos supermercados (Visão geral dos clientes) ... ..
Função
utilidade dos supermercados (ClasseD)
... ..Função
utilidade dos supermercados (ClasseC)
... ..Função
utilidade dos supermercados (ClasseB)
... ..Função
utilidade dos supermercados (ClasseA)
... ..Coeficiente de atratividade dos supermercados ... ..
Dados
percentuais das utilidades ... ._Problemas e soluções ... ..
BIB
BINB
BIPB
CAS
DA
HM
IC
IIA
IID
Lim
LMN
LMPC
LR
MTT
PD
PR
RC
TDD
CPC
VUE
Blocos Incompletos Balanceados
Blocos
IncompletosNão
BalanceadosBlocos
Incompletos Parcialmente Balanceados Coeficiente de Atratividade dosSupermercados
Dimensionamento da Amostra
Teste de
Hausman-McFadden
Intervalo de
Confiança
Independência das Alternativas Irrelevantes
Independentemente e Identicamente Distribuídos Limite
LogitMult1`nom1'al
Logz'tMult1'nomial
com
Probabilidade CondicionalRazão
de Verossimilhança Teste deMcFadden-Train-Tye
Técnica de Preferência Declarada Técnica de Preferência Revelada
Região
deConfiança
Tratamento de
Dados
DiscrepantesCritério
do
Ponto Cn'ticoValor de Utilidade
da
EntrevistaRESUMO
As
principais dificuldades enfrentadas pelos pesquisadores,em
pesquisa de preferência declarada, estão relacionadascom
a estruturaçãodo problema
e essa estruturação está vinculadacom
a definição deuma
função matemáticaque
deverá representaro
problema real.Considerando que a representação
do problema
real envolveum
número
grandede
variáveis, este trabalho apresenta dois procedimentos complementaresque permitem
construir delineamentos experimentais
que
possibilitam a inclusãode
muitos atributoscom
um
número
reduzido de altemativas.O
primeiro procedimento ocorre atravésda
estruturação
do
experimentoem
áreasde
interesseem
que, cada área se constituinuma
pesquisa de preferência declarada e,
com
a construção deuma
fiinçãoque
permitarelacionar as áreas entre si, gerando
uma
função utilidade geralque
expresseo problema
real.
O
segundo procedimento refere-se aos processos de otimizaçãona
construçãodo
conjunto de alternativas
com
a incorporação dos arranjos ortogonais de Taguchiem
pesquisa de preferência declarada,além de
estruturarum
esquema
de utilização das técnicas de blocos incompletos balanceados e parcialmente balanceadosna formação do
conjunto de escolhas compatíveis
com
a capacidadehumana
de interpretação.Como
conseqüência desses procedimentos, desenvolve o
modelo
logit multinomialcom
probabilidade condicional,que
permite estimar os parâmetroscom
basena
escolha multinomialcom
probabilidade condicional, preservando o pressuposto da propriedade dos eventos serem independentemente e identicamente distribuídos (IID) e apresenta 3outros procedimentos a serem adotados para a validação dos dados amostrais:
metodologia para o
dimensionamento da
amostra; tratamento para identificar e excluir as entrevistas consideradas discrepantes e procedimentos para testar a heterocedasticidade regular intra-altemativa e, se for o caso, utilizar a transformação logarítmica dos dados.A
validação da metodologia foi realizada através deuma
pesquisana
área de marketing,com
o objetivo de estabelecer aforma
de relacionamento entre as variáveis latentes: preço, qualidade / organização e conveniência, utilizadas paracompor
uma
função utilidade que representa as preferências pelos supermercadosda
cidadede
Guarapuava, PR, para as
compras
mensais.A
função utilidade,definida
pelacomposição
das funções advindas das áreas de interesse, mostrou sereficaz na
representação
do comportamento
geral dos consumidores,embora
essescomportamentos
sejam diferenciadosquando
segmentados por classes de rendas.Os
resultados obtidos através das técnicas de preferência declarada,comparados
com
os resultados da pesquisa de preferência revelada, expressaramuma
aspiraçãointrínseca da população, enraizada
de forma
independente de suas condições sociais.No
entanto, as ações realizadasem
funçãoda
condição socialdemonstram
otimizar osrecursos, externando
comportamentos
diferenciados conforme as classes de rendas.The
main
difficulties facedby
researcherswhen
applying Stated Preference (SP) techniques are related to the structure definitionof
the problem, and this is related with the selectionof
a proper mathematical function to represent the real problem.Considering that the representation
of
a real problemsometimes
involves a greatnumber
of
variables,one of
the objectivesof
thiswork
is' to introducetwo
complementary
procedures toSP
that facilitate the inclusionof
several attributes but keeping thenumber
of
altematives low.The
first procedure comprises the structuringof
the experiment in separate
SP
surveys, eachone
covering a specific areaof
interest. Italso involves the building
of
a function that permits the interrelationof
the different areas, through a global utility fixnction.The
second procedure is related to the optimization process used to build the setof
altematives,which
incorporates the orthogonal Taguchi arrangements into SP. It also comprises the structuringof
incomplete balanced blocks
and
pattially balanced blocks to be usedwhen
forming choice sets in situationswhere
thehuman
understanding is an important issue.As
a result,we
have developed a multinomial logitmodel
with conditional probabilities,which
yields parameter°s estimate but respecting, at thesame
time, the ]ID property (theevents being independently and identically distributed). Three other advances
were
alsodeveloped: (a) a
methodology
do define
thesample
size; (b) a procedure to identifyand
exclude outlying questionnaires, (c) a procedure to test the regular inter-altemative heterocedasticity, and, depending
on
the case,make
the necessary data log transformation.The
Validationof
themethodology
was
done
with a marketing survey intendedto establish the relationship
among
the latent variables: price, quality/organization and convenience,which were
used tocompose
an utility function that represents the preferencesof
supermarket shoppers in their monthly shopping, in thetown
of
Gauarapuava,
PR,
Brazil.The
utility function,defined
as the weightedsum
of
the utilities functions obtained for each areaof
interest, has proved tobe
effective in representing the generalconsumer
behavior, although this behavior varieswhen
thesample
issegmented
according toincome
level.The
results obtained viaSP
techniques ,when
compared
with the ones obtainedthrough Revealed Preference methods, expressed an intrinsic aspiration
of
the peopletoward
higher grade establishments,which seems
to be independentof
the socialcondition of each individual. Nevertheless,
when
doing their shopping in practice, theyshow
a diverse behavior,which
varies with theincome
level bracket.PARTE
ASPECTOS
TEÓRICOS
capítulo
1
_INTRODUÇÃO
1.
INTRODUÇÃO
1.1.
ASSUNTO
Este trabalho concentra seus estudos nas técnicas de preferência declarada
(PD)
e seuuso no
setor de serviços, particularmentena
construçãodo
conceito paraalgumas
variáveis latentes, atributos qualitativos de diñcil mensuração,
com
basena combinação
de vários outros atributos e níveis. Abrange,
também,
sobre aforma
de relacionamentoentre as variáveis latentes utilizadas para
compor
a decisão sobre o local decompras
mensais, relativas aos Supermercados
da Região
de Guarapuava,PR,
e identificar osíndices de atratividade para cada tipo característico de Supermercado.
As
técnicas de preferência declaradapressupõem que
os indivíduostenham
condições de
combinarem
muitos atributos separadosem
alguns conceitoscompostos
que
são usadoscomo
base para a decisão.Dessa
forma, para a escolha deum
supermercado, parece razoável assumirque
os indivíduospossam combinar
váriosatributos para formar opiniões
ou
convicções sobre os vários locais de compras. Exemplos: “preço”, “conveniência”, “qualidade”, “variedade”, “nível de serviço”, etc..O
conceito fundamentalda
Técnica de Preferência Declarada aplicadoem
marketing surgiu da teoria dedemanda
do
consumidor, especialmentedo
trabalho desenvolvido porLANCASTER
(1966),quando
definiuque
a utilidade deum
consumidor
porum
bem
econômico pode
serdecomposta
em
utilidades separadasreferentes às caracteristicas
ou
beneficios providas pelo bem.A
visão decomposicionaldo
processo deformação
de utilidadedo consumidor tomou-se amplamente
aceitacomo
uma
aproximação razoáveldo comportamento
demercado
dos consumidores,embora
haja ainda debate sobre
o
processo envolvido nadecomposição
(LOUVIERE,
1994).Segundo
LOUVIERE
(1994),em
contrastecom
ofundamento
conceitual, osfundamentos
metodológicos estãofirmemente
arraigadosem
modelos
axiomáticosou
estatísticos,
embora
a base particulardependa
em
qual dos vários paradigmas escolhe-se implementar.Desde
a sua inclusãona
literaturaem
pesquisa de marketing,no
início dos anos70
(por exemplo,GREEN
eRAO,
1971;GREEN
eWIND,
1975), a análise conjuntalse
tomou
um
dosmétodos
de pesquisa mais aplicados para entender e predizer omercado consumidor
eo
“trade-off”2na
decisão de escolha.As
técnicas de análiseconjunta já
eram
famosas e aplicadasem
psicologia (por exemplo,HOFFMAN,
1960;HOFFMAN,
SLOVIC
eRORER,
1968;ANDERSON,
1970), são atualmente usadasem
geografia, planejamento urbano, sociologia e muitas outras áreas, esempre
tiveram destaqueem
pesquisa de marketing(LOUVIERE,
1994). .Um
dos fatoresdo
sucesso na pesquisa de preferência declarada está relacionadocom
uma
boa
definição daforma
eda
complexidadedo
experimento.Com
relação àforma
ecomplexidade
do
experimento, segundoBASTOS
(1994), inicialmente,devem
sertomadas
decisoescom
respeito a quais atributos e quantos níveis de cadaum
devem
ser incluídos
no
experimento.Quando
o
número
de atributos e níveis é muito grande,um
delineamentocom
fatorialcompleto
poderia gerar muitas altemativas; sendo assim, onúmero
dealternativas poderia ser reduzido
com
a adoçãodo
delineamentocom
fatorial fracionário(KROES
eSHELDON,
1988).Se
ainda assim, segundoBASTOS
(1994), onúmero
de altemativas for muito grande, pode-se dividirem
conjuntos menores.Nesse
caso,um
atributocomum
deve
ser incluidoem
todos os conjuntos.Este trabalho dará ênfase à
modelagem
de delineamentos experimentaiscom
a ~abordagem da
técnica de preferência declarada utilizando osmétodos
de subdivisaodo
conjunto de alternativas, de
forma
queum
experimentocom
várias altemativas e níveispossa ser avaliado
em
entrevistas rápidas,sem
perda de realismo ecom
alto grau deconfiabilidade; desenvolverá
um
modelo
matemático que levaem
conta a probabilidade condicionalda
escolha explodida, nos subconjuntos de altemativas, de forma a produzir estimativasnão
viesadas. `1
Segundo
KROES
eSHELDON
(1988), “conjoint analysis” éuma
das designaçõesutilizadas para os
Métodos
de obtenção de Preferência Declarada.2
1.2.
FINALIDADES
E
OBJETIVOS
A
pesquisa visa abordar o assunto deforma
metodológica,com
desenvolvimentoteórico, inédito,
do
modelo
matemático que contempla a escolha explodidano
conjunto de escolha,formado
pela divisãodo
conjunto de alternativas, segundo as técnicas de blocos incompletos. Incorporar os arranjos oitogonaisde
Taguchi, arranjos fatoriais fracionários, técnicasdo
confundimento e quadrados latinosna
constituiçãodo
conjunto de altemativas. Apresentar metodologias para tratamentoda
amostragem: identificaçãodos dados discrepantes; transformação dos dados e
dimensionamento
da amostra. Elaborarum
planocom
sugestões de ensaios fatoriaisque
poderão ser utilizadosem
outras aplicações. Desenvolver
um
softwareque
possibilite a interfacedo
usuáriocom
a tecnologia; aplicar a metodologiaem
um
pesquisana
áreade
marketing.Objetivos:
0 Desenvolver
uma
metodologia, a ser utilizadaem
técnicas de preferência declarada,que
levaem
conta a probabilidade condicional da ordenaçãono
conjunto de escolha ~formado
pela divisaodo
conjunto de altemativas;0 Incorporar os arranjos ortogonais de Taguchi nos delineamentos experimentais
em
pesquisa de preferência declarada;
0 Verificar as diferentes formas de subdivisão
do
conjunto de alternativasem
conjuntos de escolha, a serem utilizados
em
técnicasde
preferência declarada, deforma que
as estimativas dos parâmetros, teoricamente,não
sejam viesadas;0 Aplicar
o
modelo
em uma
pesquisa decampo;
0 Aplicar os testes estatísticos usuais ao
modelo
proposto;1.3.
coNTR|;BU1ÇÃo
CIENTÍFICA
O
presente trabalho traz contribuição científica, parao
conhecimento, nos seguintesaspectos:
0
Modelo
matemático da função Log1't Multinomial,que
contempla a probabilidade condicional,quando o
conjunto de escolha se constituiem
subconjuntodo
conjuntode
altemativas disponiveis:Modelo
LogitMultinomial
com
Probabilidade Condicional(LMPC);
0 Incorporação dos arranjos ortogonais de Taguchi nos ensaios fatoriais utilizados
em
preferência declarada e construção de tabelas
com
sugestões de delineamentos experimentais;0
Metodologia
para a utilização das técnicas de blocos incompletos nos processos dedivisão
do
conjunto de alternativasem
conjuntos de escolha;0
Método
para a utilizaçãoda
transformação dos dados,quando
existeheterocedasticidade regular intra-altemativa,
no modelo
LogitMu1tinomz'al;0 Técnica de
dimensionamento
da amostra,com
basena
convergência dos erros nosparâmetros,
quando
a amostra tende ao infinito;0 Técnica para identificar as entrevistas discrepantes,
com
basena
distribuição dos valores da utilidade de cada entrevista.1.4.
ESTRUTURA
DO TRABALHO
O
presente trabalho está estruturadoem
3 partes e 9 capítulos, de acordocom
atabela 1.1.
Tabela 1.1
-
Estruturaçãodo
trabalho cientzficoINTRODUÇAO
Apresenta o temacomo
um
todoposição na literatura.
65118
P
Cap.
Finalidade SeçõesI l
UI->UJl\)›-1
-
Assunto;-
Finalidades e objetivos do trabalho;-
Contribuição científica;-
Estrutura;-
Revisão da literatura.MODELOS DE
ESCOLHA
DISCRETA
Apresenta a revisão, notação
conceitos e
fimdamentos
teórico.2
dos
-bUJ|\J›-I
-
Conceitos;-
Ftmdamentos teóricos;- Modelo
logít mulfinomial-
Modelo
logit hierárquico. 3MULTINOIVHAL
COM
Apresenta o desenvolvimento
LMPC.
MODELO
DE
ESCOLHA
DISCRET
A
PROBABILIDADE
CONDICIONAL
6 3 fimdamentação matemática do
Modelo
[\)›-l-
complexidade do experimento;-
Otimização do conjunto dealtemativas;
3
-
Otimização do conjunto de escolha4
- Modelo
logit multinomialcom
probabilidade condicional
(LMPC).
4
para a validação da amostra e vali intema da análise dos dados.
AMOSTRAGEM
E TESTES
DE
HIPOTESES
Apresenta os testes e procedimentos da ção
-l>L›Jt\.)›-d
-
Validação da amostragem;-
Validação interna;-
Transformação dos dados;-
Implementação computacional-
Software
LMPC.
5
METODOLOGIA
PARA
A
Apresenta
uma
metodologia.ESTRUTURAÇÃO
DA
PESQUISA
uJl\››--
Fase da estruturação;-
Fase da aplicação;-
Fase da conclusão. II 6PESQUISA
DE
CAMPO
Apresenta o planejamento da pe SCI
de campo. h
uisa l\)›-I
-
Considerações gerais;-
Material e método;7
VALIDAÇAO
DOS
DADOS
A
AMOSTRAIS
DA
APLICAÇ
O
Apresenta os testes e procedimentos
adotados para validar a amostragem.
Lllffl-hb.)l\)›-4
-
Atributos sociais;-
Dados amostrais:PREÇO;
-
Dados amostrais:QUALIDADE;
-
Dados arnostrais:ONVENIENCIA.
-
Dados de Preferência Revelada.8
ANALISE E
INTERPRETAÇÃO
APLICAÇÃO
pesquisa.
DA
Apresenta os resultados obtidos na
-Àbãlxir-I
- Dados
de Preferência Declarada;-
Dados de Preferência Revelada;-
Integração:PD
/ PR.-
Discussão dos result. da aplicação.coNcLusõEs
E
RECOMENDAÇÕES
Apresentação das conclusões
recomendações. III 9 6 l\J›-4
-
Conclusões; e-
Recomendações. _REFERENCIAS
BIBLIOGRAFI
C
AS
_ANEXOS
-1.5.
REVISÃO
DA
LITERATURA
De
acordocom
KROES
eSHELDON
(1988), o primeiro passo para a construção deum
delineamento experimental para obtenção de preferência declarada é a definição das variáveis (fatoresou
atributos) de interesse e os seus valores (níveis)que
serão avaliados pelos entrevistados.
Um
assunto associado é a especificaçãoda forma
matemática
dafimção
utilidadeque
expressa a hipótesedo
analista sobre omodo
no
qual os entrevistados
combinam,
deforma
desagregada,uma
avaliação globalou
preferência.
Como em
modelagem
de preferência revelada, é habitual assumirmodelos
compensatórios aditivos lineares da seguinte forma:
FU
=
ot1x1+
otzxz+
+
ozflxn. Onde:FU
=
função utilidade;X1 até x,,
=
valores dos fatores 1 até n;ou até an
=
pesos de utilidade para os fatores 1 até n.Os
fatorespodem
ser especificadosno modelo
como
variáveis contínuasou
como
variáveis de discretas.Técnicas de Preferência Declarada “tradicionais”
proporcionam
aos entrevistadosum
con'unto de alternativas e lhesedem
araue ex
P ressem as preferências através da ordenação das alternativas de acordocom
suas preferências,ou
dando
um
valor de avaliação a cada alternativa.Nas
experiências de escolha declarada3 (SC), é oferecida aos entrevistadosuma
combinação
de algumas alternativas e é pedido para expressarem as escolhas indicandouma
alternativa escolhidaou
nomeando
probabilidades escolhidas subjetivas a cada
uma
das alternativas.O
propósito deum
delineamento experimental é definir ascombinações
dosniveis de todos os fatores 'incluídos
na
experiência, de talmodo
que não
sejamcorrelacionados entre as alternativas.
Dado
esse objetivo, onúmero
totalde
alternativaspode
ser definidocomo
uma
fiinçãodo
número
de fatores e dos seus níveis.Porém,
os entrevistadospodem
avaliar sóuma
quantidade bastante limitada de altemativas, entre 9 a 16de
cada vez(KROES
eSHELDON,
1988); assimum
delineamentoque
incorpora3
todas as possíveis
combinações
de todos os níveis de cada fator (fatorial completo) sópode
ser usado se houverpoucos
fatores e níveis.MILLER
(1956)4 admite onúmero
7,mais
ou
menos
2,como
a quantidade de situaçõesque
um
serhumano
pode
interagir.Quando
um
ensaio fatorial completo gerar muitos alternativas, essenúmero
pode
ser reduzido adotando-se
um
projeto de ensaio fatorial fracionário,de forma que
sóuma
seleção de todas as possíveiscombinações
é apresentada ao entrevistado. Se,mesmo
assim, a quantidade de altemativas especificadaspor
um
ensaio fatorial fracionário ainda é muito grande, o conjunto de altemativaspode
ser divididoem
subconjuntos menores, constituindo-se nos conjuntos de escolhas.Nessa
hipótese,vários autores
têm
desenvolvido trabalhos.Um
possível procedimento é descritoem
ANDERSEN
et. al.(1986),em
que osfatores e níveis são analisados
em
grupos de fatores.Com
essa abordagem,um
fatorcomum
tem
que ser incluídoem
todos os subconjuntos,com
a finalidade de estabeleceruma
conexão entre os fatoresna
determinaçãoda
utilidade global. Altemativamentepode
ser utilizadoum
delineamentoem
blocos,no
qual cada subconjunto de altemativasé sistematicamente apresentado a grupos diferentes de entrevistados.
A
estimativa da função utilidade global será o resultado de todas as entrevistas juntas,mas
cada indivíduo contribuiucom
a preferência dealgumas
das utilidades(KROES
eSHELDON,
1988).Ao
adotarcomo
variável respostao ordenamento
através de postos,GREEN
eTULL
(1978) sugeremque
cada estímulo seja escritoem
um
cartão e que, inicialmente, seja pedido ao entrevistadoque
os agrupeem
três pilhas: a primeiracom
os perfisque
lhe agradarn, a segunda
com
aqueles que lhe são indiferentes e a últimacom
aquelesque
lhe desagradam. Esse processo
pode
ser repetido atéque não
haja pilhascom
número
excessivo de cartões.
Em
seguida,o
entrevistado deverá ordenar os cartões de cadapilha segundo sua preferência. Note-se que, devido a sua própria complexidade, esse tipo de procedimento deve ser adotado preferencialmente
em
entrevistas pessoais.4
“These
limits vary within a
narrow
rangenow
commonly
known
as the magicalnumber
7 plus-or-minus 2.”A
matriz “trade-off”,também
conhecidana
literaturacomo
avaliação dois-por- vez, difereem
muitodo
perfil completo.Nesse
processo, os fatores serão dispostos doisa dois
em
tabelas eem
cadauma,
separadamente, as combinaçõesde
seus níveis serão ordenadas de acordocom
a preferênciado
entrevistado(JOHNSON,
1974).Um
dos inconvenientes associados a estemétodo
é a possibilidade de haveruma
certa perdaem
temios de realismo, primeiro porque, ao se analisar apenas dois fatores por vez, estarãosendo ignoradas
algumas
possíveis interações envolvendoum
número
maior
de atributos. Outra situaçãoem
que ocorre perda de realismo sedá quando
existeuma
relação natural forte entre dois (ou mais) fatores (correlação ambiental).
Quando
setem
correlação ambiental muito forte é
recomendado
usar o perfil completo,onde
todos osatributos são avaliados simultaneamente
(GREEN
eSRINIVASAN,
1978) e(JOHNSON,
1974).O
argumento
principalque
parece favorecero
perfilcompleto
éo
fato de apresentar mais realismo nas alternativasque o
procedimento de dois-por-vez.Mas
éassumido que
muitos atributosdiminuem
a habilidade para os entrevistados fazeremcomparações
e, assim,em
muitos casos, onúmero
de atributos é limitado entre 3 e 6.(MORIKAWA,
1989).Segundo
MORIKAWA
(1989),uma
vezque
muitas alternativasconfiindem
o entrevistado e prejudicam o interesse, seu uso éuma
questão de troca compensatóriaentre a confiabilidade das estimativas e a validade dos dados coletados. Geralmente, é dificil para o entrevistado avaliar mais de
30
altemativas.MALHOTRA
(1982),apud
MORIKAWA
(1989), investigou os efeitosdo
número
de altemativas eo
número
de atributos. Ele concluiuque usando
de 15 a20
(ou 25) altemativasnão
se afeta o erropadrão dos parâmetros significativamente, especialmente se
o
número
de atributos épequeno
eque
a análise conjunta éum
procedimento bastante robusto por avaliarpreferências individuais.
GREEN
(1974) discute sucintamente alguns tópicos de planejamentoque
têm
por objetivo facilitar a fase de coleta de dados. Ele destaca que a diminuição
no número
de estímulos a serem apresentados
depende
basicamenteda
complexidadedo
modelo
deda
avaliação de alguns perfis através da adoçãodo
ensaio fatorial fracionário(BOX,
HUNTER
eHUNTER,
1978) e(ADDELMAN,
1962).Quando
um
dos fatores possui quantidade muito grande de níveis,GREEN
(1974) sugere que se adoteum
método
de estimaçãoem
múltiplos estágios.Num
primeiro
momento,
seria pedido ao entrevistadoque
avaliasse apenas os níveis desse fator, por exemplo, atribuindo nota 10 ao de maior preferência,suponha
nívelAl,
nota O ao demenor
preferência,suponha
nívelA2,
e aos outros, notas intermediárias, o que acabariaformando
uma
escala de preferência para esse atributo.A
seguir, os perfisseriam construídos utilizando-se apenas os níveis
A1
eA2
desse fator.O
modelo
seria estimado para esses dois níveis.Assim
as utilidades deA1
eA2
estariam determinadas,que
seriam utilizadascomo
limites deuma
nova
escala de preferência.O
passo final seria obter as utilidades dos níveis intermediários; isso sedá
com
mudança
de escala.HENSHER
(1994) cita a tabela de delineamentos experimentais apresentadaem
HAHN
eSHAPIRO
(1966)como
uma
indicação para o uso das técnicas de fatorial fracionáriosem
preferência declarada,com
as seguintes restrições: (i) se todos osefeitos principais
forem
independentes de duasou
mais interações; (ii) se onúmero
deinterações independentes permite tal fracionamento, (iii) se existem graus de liberdade
suficiente, e (iv) se as altemativas geradas são compatíveis
com
a realidade. Cita, ainda, as experiências desenvolvidas porLOUVIERE
eHENSHER
(1983) eHENSHER
et al(1989) a respeito
do
conjunto de escolhaformado
pelo delineamento de condicional duplo.Com
referência a fatorial fiacionário é importante observar os trabalhosdesenvolvidos pelos autores:
KEMPTHORNE
(1967),COCHRAN
eCOX
(1978),BOX,
HUNTER
eHUNTER
(1978) eMONTEGOMERY
(1984).A
literatura referente à utilização dos fatoriais fracionáriosem
preferência declarada é bastante abrangente,no
entanto,não
setem
utilizado dos arranjos ortogonais de Taguchi,(TAGUCH1,
1988) e(ROSS,
1991),em
delineamento experimentalem
técnicas de preferência declarada,embora
as técnicas dos arranjos ortogonais de Taguchi apresentem “a priori” certa compatibilidade.Uma
das finalidades desta tese é a de incorporar os arranjos ortogonais de Taguchi nas pesquisas de preferência declarada.Como
a quantidade de altemativas geradas pelos fatoriais fracionáriosou
mesmo
pelos arranjos ortogonais de Taguchi ainda é superior à capacidade de interpretaçãodo
ser
humano, confomie
citado porMILLER
(1956), há a necessidade de adotar procedimentos para reduzir a quantidade de altemativasno
conjunto de escolha; assim,LOUVIERE
eHENSHER
(1983) eHENSHER
et al (1989) apresentam,no
condicional duplo,uma
forma
de divisãodo
conjunto de altemativasem
conjuntode
escolhacom
menor número
de alternativa.No
condicional duplo,o
conjunto de altemativas é divididoem
conjuntosmenores
com
base nas técnicas de blocos incompletos balanceados, cujos principais trabalhosforam
desenvolvidos por:YATES
(1936),FISHER
(1947),BOSE
eNAIR
(1939),MANN
(1949),KEMPTHORNE
(1967),MONTEGOMERY
(1984),MEAD
(1990) e outros. Já alguns trabalhos apresentaram divisãodo
conjunto de altemativasem
conjuntosmenores
por processos empíricos(BASTOS,
1994,FREITAS,
1995;EFRÓN,
1995,GONÇALVES,
1995;MAY,
1996;VIEIRA,
1996).Segundo
DALY
(1987), as limitaçõesdo
modelo
Logz`tMult1`nomial,no que
se refere à propriedade da suposiçãode
independência das altemativas irrelevantessugerem, a partir de 1975,
uma
estrutura hierárquica para omodelo
logit,denominado
Logif
“estruturado”, “hierárquico”, “seqüencial”, “aninhado”,ou
“em
arvore”. Essemodelo não
requero
atendimentoda
propriedade IIA,que
implicana
restriçãoda
elasticidadecmzada
e ainda permite a reduçãodo
número
de altemativasno
conjunto de escolha pela estruturaçãodo
experimentoem
ramos.O
modelo
foi estudado por váriosautores:
WILLIAMS
(1977),DALY
eZACHARY
(1978),WESTIN
eMAN
SKI
(1979),
MCFADDEN
(1979, 1981),GAUDRY,
JARA-DIAZ
eORTÚZAR
(1989).BEN-AKIVA
eBOCCARA
(1995)desenvolvem
um
modelo
de escolha discretaem
dois estágios: (i) escolhaem
um
conjunto generalizado e (ii) escolhaem
um
dado
conjunto de escolha,
com
o
objetivode
expandir osmodelos
de escolhacom
a incorporação deuma
representação probabilística na avaliação das várias alternativas.5
O
processo de escolhano
conjunto generalizado é definido pelo conjunto dos conjuntos de escolha e corresponde à probabilidade condicional da escolha deuma
altemativa.
O
modelo do
conjunto de escolha probabilístico é baseadona
expressão sugerida porMANSKI
(1977) para a probabilidade deum
indivíduon
escolher aalternativa i:
P”
(i)=
Z
P,,(i/C)-P,,(C) onde: C GGCn
é o conjunto de altemativas apresentado ao indivíduon
(Cn C),C
éo
conjuntouniverso de altemativas;
G
éo
conjunto de todos subconjuntos de Cn, não vazios;Pn(i) denota a probabilidade de
o
indivíduon
escolher a altemativa i sendodado
Cn;Pn(i/C) é a probabilidade da escolha
da
altemativa ino
conjunto C;Pn(C) é a probabilidade
do
conjunto Cnem
relação ao conjunto G.BEN-AKIVA
eBOCCARA
(1995), ainda, alertam que, ao contráriodo modelo
logit multinomial, a função log-verossimilhança de
um
modelo
em
um
conjuntocom
escolha probabilística não é globalmente convexo. Naturalmente, isso significa queo
conjunto de coeficientes para os quais as derivadas parciais da log-verossimilhança são
iguais a zero não necessariamente corresponde a
um
conjunto de coeficientesque
globalmente
maximizam
a log-verossimilhança; dessemodo,
pode-se terum
ponto demáximo, mas
não o ponto demáximo
global. Assim, o processo demaximização da
função toma-se mais complexo, dados os conhecimentos limitados
que
setêm
a respeitodo comportamento
desses tipos de funçõesque envolvem
a log-verossimilhança.Um
aspecto importante da estratégiade
estimação é conferir seo
algoritmo converge aomesmo
pontoquando
o processocomeça
com
valores iniciais diferentes.Nesse
caso,espera-se que a log-verossimilhança seja pelo
menos
estável na região deconfiança
doscoeficientes,
ou
seja, obtêm-se valores plausíveis.À
mesma
conclusãochegaram
KITAMURA
eLAM
(1984) eSWAIT
(1984) paramodelos
semelhantes.Em
uma
visão ascendente dos conjuntos de escolha,HOROWITZ
eLOUVIERE
(1995) escreveramum
artigo sobreo
papeldo
conjunto de consideraçãona
modelagem
de escolha discreta. Citam ainda que, operacionalmente, o conjunto de consideração é
artigo a respeito da estimação da informação teórica
do
conjunto de consideraçãoindividual. Utilizando
um
trabalho realna
área de marketing,chegaram
à conclusão de que a potênciada
presciênciado
logit multinomial é identificar a altemativa ineficaz(não considerada) antes de predizer a escolha da altemativa entre as escolhas
no
conjunto de consideração.
LAPERSONNE
et al (1995)afirmam
que o processo de escolha segueuma
seqüência de estágios, cujo conhecimento
não
é novo, já fora abordado porBETTMAN
(1979)
em
marketing,mas
os recentes trabalhostêm
mostrado a potência de presciência dosmodelos
de escolha a partirdo
primeiro estágio eno
conjunto de consideração.SHOCHER
et al (1991)apud
(LAPERSONNE
et al. 1995)usam
uma
representaçãográfica para descrever os sucessivos estágios
em
modelo
de funil (figura 1.1).Conjunto Universal
Conjunto do Conhecimento
Conj. de Consideração I
Conj
till
de escolhaFigura 1.1
-Modelo
fimil do
estigmada
escolhaCom
relação a problemas relacionadoscom
o processo de dimensionamentoda
amostra, para o
modelo
logit multinomialem
pesquisa de marketing,MALHOTRA
(1984) cita que, para pequenas amostras (n<
50), os processos de estimaçãopodem
serinadequados.
As
propriedades das pequenas amostras para o logít mullinomialnão
foram, ainda, totalmente definidas(McFADDEN,
1974).Os
procedimentos referentesao dimensionamento
têm
seu valoraumentado
namedida
em
que permitem
determinarse a quantidade amostrada é suficiente para estimar assintoticamente os parâmetros, isto
é, se
o
acréscimo deum
certonúmero
de amostra irá alterar significativamente osAlguns
autorestêm
escrito sobre os procedimentos para a transformação dos dados referentes aos níveis dos atributos.Por
exemplo:GAUDRY
eWILLS
(1978),PEKELMAN
eSEM
(1979),ORTÚZAR
eWILLUMSEN
(1994) indicam a transformação deBox-Cox
para a variávelx
e a transformação deBox-Tukey
somentequando
x
>
0.BOX,
HUNTER
eHUNTER
(1978) apresentamuma
metodologia paraestabilizar a variância
quando
existe heterocedasticidade regular intra-altemativa, nos dados amostrais,ou
seja,quando
existeuma
relação funcional entre amédia
eo
desvio padrão nas escolhas efetuadas pelos entrevistados.BEN-AKIV
A
eLERMAN
(1989) discutem,que
se a suposição de homocedasticidade dos dados for inadequada, deve-se buscaruma
medida
satisfatória para os dados defonna
a ,modelar corretamente autilidade de escolha.
A
proposta de pesquisa desta tese envolve a determinação deuma fimção
utilidade pela
composição
das variáveis: qualidade, preço e conveniência, para modelar a utilidade dos supermercados de Guarapuava,PR,
na visão de seus clientes potenciais.A
construção da função utilidade, atravésdo modelo
logit multinomial, será confrontadacom
uma
pesquisa de preferência reveladacom
o
objetivo de. calcularo
índice deatratividade de cada tipo
de
supermercado.LOUVIERE
&
GAETH
(1987) eOPPEWAL
et al. (1984) desenvolveram pesquisas semelhantes, utilizando-sedo
Método
da
Integraçãoda
Informação Hierárquica (HII), respectivamente,em
Supermercados e Shopping Center.PARTE
AsPEcTos
TEÓR|cos
Capítulo 2
-MODELOS
DE ESCOLHAS
DISCRETAS
Técnica
de
Preferência
Declarada
2.
MODELOS
DE
ESCOLHA
DISCRETA
-
Revisão
2.1.
CONCEITOS
Métodos
para a obtenção de preferências declaradas referem-se auma
família detécnicas, as quais utilizam respostas individuais a respeito da preferência,
em
um
conjunto
de
opções, demodo
a estimar funções utilidades(KROES
eSHELDON,
1988)
Para
o
estabelecimentodo
conjunto de opções, pode-se partir de descrições de situaçõesou
contextos construídos pelo pesquisador, possibilitando, dessemodo,
estudar preferências
que não
podem
ser diretamente medidas.Para
GREEN
eSCRINIVASAN
inSHELDON
(1991),podem
ser definidoscomo
quaisquermétodos
decomposicionaisque estimem
uma
estrutura das preferências dos indivíduos utilizando sua avaliação global a respeito deum
conjuntode
alternativaspré-especificadas
em
termos de níveisde
diferentes atributos.Várias são as designações utilizadas para os
métodos
de obtenção de preferências declaradas.As
mais conhecidas são:0 análise conjunta;
0
medidas
funcionais;0 análises de “trade-ofl” (trocas compensatórias).
Essas, utilizam procedimentos de delineamentos experimentais para gerar opções para
serem
avaliadas pelos entrevistados.A
abordagem de
preferência declarada,embora
origináriada
área de “marketing”,vem
apresentandouma
crescente aplicaçãoem
outroscampos
de pesquisa.Refere-se,
em
essência, aum
comportamento
de escolha dentro dedado
contexto: sevocê
tiver essas alternativas disponíveis, qual delasvocê
escolhe?Entre as aplicações, pode-se citar:
0 avaliação de prioridades para
o
desenvolvimento de várias características deum
sistema público,com
especial ênfase sobre fatores qualitativos;0 estimação de elasticidade de
demanda
para vários atributosde
serviços,incluindo tarifas, freqüências, etc.,
0 análise de
mercado
e previsões;0 pesquisa e desenvolvimento de
novos
produtos;0
condução
de estudosde
planejamento para organismosgovemamentais.
2.2.
1‹¬UNDAM;ENTos
Tnónlcos
2.2.1. Teoriaeconômica do
consumidor
O
objetivo principal é atribuir significado à transformação de hipóteses sobre preferências dentro deuma
funçao dedemanda
que expresse a ação deum
consumidor
sob dadas circunstâncias.
Um
consumidor,em
princípio, escolheum
produtoou
serviço pelo conjunto deatributos
que o
produto possui,obedecendo
auma
escala subjetiva de valor para cadaatributo,
em
relação ao seu custo. Assim,o consumidor
buscaum
produtoou
serviço cujo somatório dos atributos seja igualou
superior ao valor disposto a pagar.A
base teóricacomum,
ou
seja,o
paradigma para geração demodelos da
escolha discreta, é a teoriade
utilidade aleatória(DOMENCICH
eMcFADDEN,
1975,WILLIAMS
1977)apud
(ORTÚZAR
eWILLUMSEN,
1994),na
qual consta o postulado a respeito dos indivíduos amostrados:“Os
indivíduos pertencem auma
detenninada populaçãohomogênea
Q, age racionalmente e possui informação, isto é,eles
sempre
selecionam aquelaopção que maximiza
sua utilidade pessoal (especificadosDe
forma
matemática, a teoria poderia ser representada pelo somatório:É
p,q,S
I ,onde
p¡ representa o preço (ou peso)do
atributo qz , l (1=
l, 2, .. L), e Io
valor
que
oconsumidor
está disposto a pagar.A
figura
2.1 representauma
superficiede
“isovalor” para I
que
representa todas as possíveiscombinações
entre 3 atributoscontínuos
do
produto. 1Q
r>,‹i,+ n,‹1,_,+Dadas!
_ ~_ `- fix' ...`~.. ...Ah uu -L e '- ` '- `~ ×Q2
Í; ›-I "-_* _ if \.qa
Figura
2.1-
TeoriaEconômica
do
Consumidor.Diante de duas altemativas (dois produtos
ou
serviços)Qi
=
{q¡1, ..., q¡L} e Qi=
{qJ-1, , ql-¡_},
onde
as duas alternativas apresentam diferenças nas características(níveis) dos atributos, o ato
do consumidor
escolher Qi, indicaque
a utilidadede Qi
2
Qj.Sob
esta suposição existeuma
função utilidade ordinalU
=
U(q¡1, , q¡L)que
expressa
matematicamente
a preferênciado
consumidor: U(Qi)2
U(Qj).2.2.2. Teoria
da
escolha probabilísticaOs
primeiros trabalhos sobre a teoriada
escolha probabilísticaforam
desenvolvidos
no
campo
da psicologia,por
LUCE
eSUPPES
(1965).Quando
um
consumidor
define
sua preferência poruma
alternativa, traz consigouma
probabilidadede
escolha;no
entanto, essa escolha efetuadapode não
expressar sua verdadeira vontade,pode
ter sido conduzido por circunstânciasmomentâneas.
Assim,
LUCE
eSUPPES
(1965) distinguem duas abordagensno
mecanismo
de
a) Utilidade Constante
Na
utilidade constante, aabordagem
de utilidade das alternativas é fixa.No
instante
em
queuma
altemativa é selecionada, define-seuma
probabilidade de escolhada
altemativa selecionada sobreo
conjunto de escolha.Denota
a probabilidadede
o consumidor
escolher a altemativa iem
um
conjuntode
escolhaCn
por. ~P,,(z')=P( ande; o§1›,,(i)S1 e 2P.,(i)=1.
A
abordagem
da utilidade aleatória, formalizada porMANSKI
(1977), é maisna
linha
da
teoriado
consumidor.Nessa
abordagem, leva-seem
conta as inconsistênciasinerentes ao
comportamento
humano.
A
probabilidade de escolha deuma
altemativaem
relação aum
conjunto de escolhapode
ser- escrita da seguinte forma:P(i/Cn)
=
Pr[U¡,,2
Ujn, `v'jG
C.,].Nessa
abordagem, assume-seque
a probabilidade de escolha esteja inseridaem
uma
distribuição de probabilidade.Em
geral, expressa-secomo
utilidade aleatória deuma
altemativa asoma
de dois componentes:um
valor determinístico (sistemático, V¡,,)e
um
valor aleatório (não determinístico, im):Uh,
=
V¡n+
§¡,,. Assim: P(i/C,,)=
Pr[V¡,,+
Q.,2
V,-,,+
šjn,Vj
e
C,,].0
Componente
Determinístico (IO:Assume-se
que ocomponente
determinístico (V) éuma
função linear aditiva e representada pelo conjuntode
atributosque
influenciaram a escolha, denotada por:K
VJ
=
a1'+Z'61*XJ*
¡‹=1
onde: j
=
1, , J (Altemativa);k
=
1,...,K
(Conjunto de atributos observados X);B
=
parâmetro a ser estimadoque
representa a contribuição de cada atributo; ot=
termob) Utilidade aleatória
ou componente
aleatória (Ç)Este
componente
aleatório refere-se a fatores não controladosno
processo de escolha, taiscomo:
erro de percepção, de entendimento, fadiga, errosde
dados experimentais, etc.Suposições a respeito
do componente
aleatóriodo
modelo
(Erro): 1)§
(erro) éum
vetor real de variáveis aleatórias e de acordocom
apopulação amostrada, possui
uma
distribuição.2)
Essa
distribuição desconhecidaadvém
do
conjunto de alternativasque
devem
ser identicamente distribuídas e cadaum
dos erros éaditivo,
ou
seja, são independentes.Essas duas condições
dão
origem à propriedade conhecidacomo
“Independentemente e Identicamente Distribuída -[ID
No
modelo
Logit Multinornial, a distribuição dos errostem
uma
aproximação
com
a distribuição de extremo valor - tipo I,ou
conhecida por:0 Distribuição de dobro exponencial;
0 Distribuição de
Gumbel;
0 Distribuição Weibull.2.2.3. Tipos
de
dados para
a variáveldependente
Em
experimentos de preferência declarada(PD)
cadacombinação
de atributos eníveis é definida
como
altemativa e representa a especificação deum
produtoou
serviço
que pode
ser observadono
mercado.Os
dados a serem considerados,na
pesquisa, na verdade se constituem
numa
forma
de avaliação das altemativas disponíveis epodem
ser métricos: avaliação (rating)ou
não métricos: ordenação (ranking) e escolha (choice).a)
Ordenação
das alternativas (Rank)Ordenação
das altemativas é 0método
mais utilizado(HENSHER,
1994).Supõe-se