Conjuncte keuze-experimenten : achtergronden, theorie,toepassingen en ontwikkelingenCitation for published version (APA):Oppewal, H., & Timmermans, H. J. P. (1993). Conjuncte keuze-experimenten : achtergronden, theorie,toepassingen en ontwikkelingen. In Recente ontwikkelingen in het marktonderzoek : jaarboek van deNederrlandse Verenging van Marktonderzoekers 1992-'93 (blz. 33-58). de Vrieseborch.

Document status and date:Gepubliceerd: 01/01/1993

Document Version:Uitgevers PDF, ook bekend als Version of Record

Please check the document version of this publication:

• A submitted manuscript is the version of the article upon submission and before peer-review. There can beimportant differences between the submitted version and the official published version of record. Peopleinterested in the research are advised to contact the author for the final version of the publication, or visit theDOI to the publisher's website.• The final author version and the galley proof are versions of the publication after peer review.• The final published version features the final layout of the paper including the volume, issue and pagenumbers.Link to publication

General rightsCopyright and moral rights for the publications made accessible in the public portal are retained by the authors and/or other copyright ownersand it is a condition of accessing publications that users recognise and abide by the legal requirements associated with these rights.

• Users may download and print one copy of any publication from the public portal for the purpose of private study or research. • You may not further distribute the material or use it for any profit-making activity or commercial gain • You may freely distribute the URL identifying the publication in the public portal.

If the publication is distributed under the terms of Article 25fa of the Dutch Copyright Act, indicated by the “Taverne” license above, pleasefollow below link for the End User Agreement:www.tue.nl/taverne

Take down policyIf you believe that this document breaches copyright please contact us at:openaccess@tue.nlproviding details and we will investigate your claim.

Download date: 28. Feb. 2021

Kelly, O.A., 1955. The Psychology of Personal Constrllcts. New York: Norton. Kuylen, A.A.A. en Th. M.M. Verhallen, 1987. The nall/ral grol/ping ofbanks: a new methodolo­gy for positioning research. In: Proceedings of the ESOMAR seminar on Financial Services. Milaan: ESOMAR. pp. 219-234. Leemans, H.M.J .M. en M. van Maris, 1~92. The perception of books. In: Proceedings of the sixth international conference on cultural economics. (komt in 1992 uit). Leemans, H.M.J.M. en M.J.W. Stokmans, 1992. Attriblltes used in choosing a book. Poetics, 20, 537-553. Otten 1.0. en M. Hilhorst, 1978. De lijst der lijsten. Vrij Nederland (bijlage) 15-7-1978. Peay, E.R., 1988. MlIltidimensional rotation and sealing of conjigurations to optimal agreement. Psychometrika, 53, 199-208. Schuur, M. en O. Seegers, 1989. The perception of book categories by adult lIsers of DWeh publie libraries. Poetics, 18,471-478. Simmie, P. 1978. Alternatil'e perceptllal modeis: Reprodllcibility, validity and data illlegrity. In: S.c. Jain (ed.), 1978 educator's proceedings, Chicago: AMA, 12-16. Steenkamp, J.E.B.M., lC.M. van Trijp, en Th.M.M. Verhallen, I 989a. Procrustes-analyse. Tijd­schrift voor Marketing 23 (6), 18-26. Steenkamp, J.E.B.M., J.C.M. van Trijp en Th.M.M. Verhallen, 1989b. Procrustes-analyse, een toepassing. Tijdschrift voor Marketing 23 (9), 100-105. Stichting Structuuronderzoek Boekenbranche (SSBB), 1979. Structuuronderzoek boekenbranche, deelrapport 7; doorlichting uitgeverijen. Stichting Speurwerk betreffende het Boek, 1991. Gids voor de informatiesector /99/. Amster­dam: Stichting Speurwerk betreffende het Boek. Verdaasdonk, H., 1989. De vluchtigheid l'anliteralllur; het verwerven van boeken als vorm van cultureel gedrag. Amsterdam: Bert Bakker.

32

3. Conjuncte keuze-experimenten: achtergron­den, theorie, toepassingen en ontwikkelingen

H. OPPEWAL EN H.J.P. TIMMERMANS*

SAMENVATTING

Deze bijdrage schetsi vanuit een praktische invalshoek de achtergronden, theorie, opzet en analy­se van conjuncte keuze-experimenten. In conjuncte keuze-experimenten worden aan responden­ten experimenteel ontworpen denkbeeldige keuzesituaties voorgelegd. Op basis van de geobser­veerde keuzes kan vervolgens een probabilistisch keuzemodel worden geschat. Zo'n keuzcmodel biedt enerzijds inzicht in de preferentiestructuur van respondenten en biedt anderzijds de moge­lijkheid om direct keuzekansen te voorspellen voor nieuwe marktsituaties. De methodiek van de conjuncte keuze-experimenten is ontwikkeld vanuit de gedachte dat conventionele conjuncle analyse enerzijds en probabilistische discrele keuzemodellen anderzijds (met name het Multino­mialc Logit model) elkaar aanvullen en in comhinatie kunnen worden loegepast. Dit leidl lol hclllnl!rijkc voordelen en nieuwe mOj;clii~hcdcll. lle/c hijdlllltl' 11""1 ill ol' dl' IIdllcrlHolllkll, dl' hchllll!rI.i~UI\l ~clllllcrkcil ell 111' de vOU!'- CII IlIldclcll VIIII l'IIIIIIIII\'II' ~l·IIII"c~l'cllim'lllcIL ï\'YCIlS

wordl CCII uilgcwcrkt clllpiri"dl VOOI heeld gCl'rChclltc<:nJ CII WIlHJt illgegaan Ol' clI~clc re,cllie olltwikkelingen in melhodiek en loepussing.

1. INLEIDING

In het marktonderzoek is clIl/jul/cte al/alyse al geruillle tijd een gcvehtigde mcthode voor het meten van preferenties en het bestuderen van keuzegedmg van consumenten. De achtergronden en mogelijkheden van deze methode zijn dan ook in diverse over­zichtsartikelen gedocumenteerd, waaronder in dit Jaarboek (Van Raaij 1978; Steen­kamp 1985; Bradley, Kroes en Vogels 1988; Vriens en Wiuink 1990; bekende engels­talige overzichten zijn Green en Srinivasan 1975, 1990; en Louviere 1988a, 1988b) en mogen grotendeels als bekend worden verondersteld. Minder bekend zijn de ontwikkelingen in de 80er jaren die leidden tot de uitbreiding en integratie van de conjuncte methode met de zgn. discrete keI/ze model/eli. Dit zijn pro­babilistische modellen van individueel keuzegedrag die aanvankelijk door mathema­tisch psychologen werden geformuleerd maar die met name in het verkeers- en ver­voersonderzoek en in de ruimtelijke planning verder zijn ontwikkeld en toegepast (bijv. Ben-Akiva en Lel'Olan 1985; Wrigley 1985). Ook voor het marktonderzoek zijn de mogelijkheden en voordelen van de resulterende cOlljl/llcte kel/ze-experimelltel/ ell -

*. De auteurs zijn ir. A. Borgers en drs. W. van Vreden erkelllelijk voor hun commelllaar op een eerdere ver­sic van deze hijdrage.

33

modellen van potentieel grote betekenis, getuige onder andere het verschijnen van eenzeer belangrijke review op dit terrein in Journal of Marketing Research (Louviere enWoodworth 1983) en getuige de recente overzichtsartikelen in Marketing Letters (Louviere 1990) en Journal of Business Research (Batsell en Louviere 1991). Een belangrijke verschil met conjuncte analyse is dat respondenten een keuzetaak krijgen voorgeIegd. Een voordeel hiervan is dat keuzetaken door respondenten over het algemeen alsprettiger en meer natuurlijk worden ervaren dan de ‘rating’ of ‘ranking’ taak in conventionele conjuncte analyse. Een ander voordeel is dat op basis van de geobserveerdekeuzen een probabilistisch keuzemodel kan worden geschat (meestal van de zgn. multinomiale logit vorm), waardoor marktsimulaties mogelijk zijn zonder dat men hoeftterug te vallen op ad hoc en arbitrair vooronderstelde relaties tussen preferentie of nuten keuzes. In marktsimulaties op basis van conjuncte analyse is men wel genoodzaakttot dergelijke aannamen, hetgeen als een groot nadeel wordt ervaren (bijv. Wittink enCattin 1989). Het ander voordeel van deze keuzemodellen is dat men hiermee tevens(in principe) marktsituaties kan onderzoeken en simuleren waarin bepaalde alternatieyen onderling heviger met elkaar concurreren dan met andere alternatieven (zoals merken, winkelbestemmingen).In dit Jaarboek is eerder aandacht besteed aan conjuncte keuze-experimenten (Kroes1986). Echter, in dat artikel werd niet uitgebreid ingegaan op de achtergronden en opde opzet en analyse van keuze-experimenten. Daarnaast zijn er inmiddels nieuweinzichten ontstaan en zijn nieuwe toepassingen ontwikkeld. Sommige van deze ontwikkelingen zijn met name gedocumenteerd in tijdschriften die bij marktonderzoekersminder bekend zijn (bijv. Louviere 1988b; Louviere en Timmermans 1990). Met dezebijdrage aan het Jaarboek hopen we de conjuncte keuze-experimenten ruimere bekendheid te geven en de literatuur op dit terrein beter toegankelijk te maken.Deze bijdrage is als volgt opgebouwd. Eerst zal het model van individueel beslissingsgedrag worden geschetst dat ten grondslag Iigt aan de diverse methodieken die hier aande orde zullen komen. In de rest van dit betoog zal eerst een kort overzicht wordengegeven van conjuncte analyse, zoals deze tegenwoordig meestal wordt toegepast in depraktijk van het marktonderzoek, waarna de belangrijkste problemen en nadelen vandeze conventionele methode worden gerecapituleerd. Vervolgens wordt de theorie vandiscrete keuze modellen kort uiteengezet, gevolgd door een bespreking van de belangrijkste bezwaren en problemen van de benadering zoals die werd gehanteerd in metname studies op het gebied van verkeer en vervoer en ruiintelijke planning, Daarnawordt uiteengezet hoe deze beide conventionele methoden werden gecombineerd toteen nieuwe methode voor de bestudering van keuzegedrag, hier benoemd als conjunctekeuze-experimenten (andere benamingen zijn ‘stated choice experiments’, ‘choice-based conjoint’, ‘decompositional choice modelling’ en ‘experimental choice analysis’). Hierbij wordt onder meer ingegaan op het experimented design, gangbare schattingsmethoden, modelontwikkeling en toetsing van modelassumpties door middel van‘kruis-effecten’. Een en ander wordt geillustreerd met een empirisch voorbeeld. Hiemaworden de doeleinden besproken waarvoor conjuncte keuze-experimenten kunnen worden gebruikt, waarbij met name zal worden ingegaan op nieuwe ontwikkelingen. Totslot worden actuele thema’s genoenid die van belang zijn voor de verdere ontwikkelingvan praktische toepassingen van deze methodiek.

2. EEN CON CEPTUEEL MODEL VOOR INDIVIDUEEL KEUZEGEDRAG

De diverse hier te bespreken methoden en technieken gaan uit van eenzelfde achterliggend model voor individueel keuzegedrag (bijv. Timmermans 1982; LouviereI 988a,p. 10). Een individuele consument neemt keuze-alternatieven (producten, vervoermiddelen, winkelbestemmingen) waar als een verzameling kenmerken of aitributen. Het individu waardeert de scores van deze attributen subjectief en onileend aan elkattribuut een bepaald (deel-)nut. Het totale nut per keuze-alternatief is het resultaat vaneen afweging op elk van deze attributen. Het proces van afweging wordt opgevat alshet toepassen van een bepaalde combinatie-regel. De consument kiest het alternatiefmet het hoogste nut uit de set van beschikbare, gekende alternatieven. In de meestemarktstudies hecht men groter belang aan dit keuzegedrag dan aan de processen en preferenties die verondersteld worden hieraan ten grondslag te liggen. Immers, het zijn dekeuzes van consumenten die uiteindelijk de marktaandelen bepalen.Dit conceptueel model van individueel keuzegedrag wordt in veel markionderzoeksstudies als uitgangspunt genomen. Ten onrechte wordt daarbij vaak gedacht dat het modelook bedoeld is als een psychologisch adequate beschrijving van het mentale mechanis~me dat zich afspeelt bij het nemen van beslissingen. Veeleer echter moet dit modelworden opgevat als een verzameling theoretische constructen en hun onderlinge relaties, waarvan de onderzoeker verwacht dat deze voorspellingen oplevert over (toekomstig) keuzegedrag die betrouwbaarder zijn dan voorspellingen afgeleid uit anderemodellen (of intuities).Dit conceptueel model is op verschillende wijzen geoperationaliseerd en diverse meetmethoden zijn ontwikkeld om in toepassingen de verbanden tussen de afzonderlijkeconstructen in het model empirisch te bepalen. Conjuncte analyse is één van dezemethoden; een andere is discrete keuze theorie, waarover straks meer. Andere, in hetmarktonderzoek zeer veel gebruikte, methoden zijn de directe (‘self-explicated’) ofcompositionele methoden. Kierbij wordt respondenten gevraagd direct, bijvoorbeeld opeen rating scale, aan te geven welk belang wordt gehecht aan een bepaakl attribuut, ofhoe aantrekkelijk alternatieven met een bepaalde attribuut-score zijn. Alhoewel dezedirecte methoden veel praktische voordelen hebben zijn er ook enkele belangrijkenadelen. Zonder verder op deze methoden in te gaan willen we dezen nadelen hier noemen omdat het belangrijke redenen zijn waaroin conjuncte methoden worden toegepast.Ten eerste blijken de oordelen van mensen over het belang van attributen in het (eigen)keuzeproces niet erg betrouwbaar te zijn. Onder andere is gebleken dat onbelangrijkeattributen veelal worden overgewaardeerd (bijv. Slovic en Lichtenstein 1971) en datdominante attributen tot sterke vertekeningen kunnen leiden in oordelen over hetbelang van andere kenmerken van eenzelfde alternatief (het zgn. halo-effect, bijv. Wuen Petroshius 1987). Een belangrijke oorzaak van deze onbetrouwbaarheid is dat mcnsen bij zulke directe preferentiemetingen niet worden gedwongen de verschillende attributen tegen elkaar af te wegen. Dit heeft te maken met een tweede te noemen nadeel,namelijk dat het onduidelijk is hoe de afzonderlijke oordelen moeten worden geintegreerd tot een totaal-oordeel of -nut. Tenslotte is het onduidelijk hoe voorspellingen tenaanzien van keuzegedrag moeten worden afgeleid. Sommige van deze problemen kunnen worden ondervangen door gebruik te maken van conjuncte analyse methoden, enandere door gebruik te maken van probabilistische discrete keuzemodellen. We zullen

3534

I-

eerst de theorie en kenmerken van deze twee methoden kort uiteenzetten en vervolgenseen integratie van deze twee methoden bespreken, de conjuncte keuze-experimenten.Hierbij zal het accent liggen op de aspecten waarin conjuncte keuze-experimenten verschillen van de conventionele conjuncte analyse.

3. ‘CONVENTIONELE’ CONJUNCTE ANALYSE

Conjuncte analyse heeft zijn oorsprong in verschillende experimenteel-psychologischeparadigma’s, met name axiomatisch conjunct meten (Luce en Tukey 1964; Krantz enTversky 1971) en ‘functional measurement’ (Anderson 1970,1981,1982). Gedurende.de laatste decennia heeft conjuncte analyse zich echter ontwikkeld tot een zelfstandige,meer praktisch georienteerde methode voor bet schatten van de preferentie-structuurvan een consument uit diens totaal-oordelen over alternatieven die zijn omschreven intermen van attributen (Green en Srinivasan 1978, 1990).Conjuncte analyse richt zich op het meten van de deelnutten die individuele beslissersontlenen aan de attribuut-scores van keuze-alternatieven en op het toetsen van de combinatieregels die aan het totaalnut van een alternatief ten grondsiag kunnen liggen.Gegeven de deelnutten en een combinatieregel kan vervolgens bet relatief belang vanelk der attributen in bet keuzeproces worden afgeleid. In de praktijk van bet marktonderzoek gaat de aandacht meestal uit naar het meten van de deelnutten. Vaak is door degekozen proefopzet toetsing van combinatieregels niet eens mogelijk en wordt bij voorbaat al één bepaalde combinatieregel als ‘waar’ verondersteld. Meestal is dit de additieye regel: bet totaalnut is een simpele optelsom van de aan de attributen ontleende deelnutten.

3.1 Op~eI en analyse van expeiirnenten bij conjuncte analyse

Als achtergrond voor de bespreking van conjuncte keuze-experimenten willen we eerstde meest gangbare procedure recapituleren die wordt gevolgd bij conventionele conjuncte analyse. Voor uitgebreidere informatie zij verwezen naar de eerder genoemdereferenties. Opgemerkt zij nog dat diverse computerpakketten verkrijgbaar zijn (bijv.de ‘Conjoint Designer’ en ‘Conjoint.Analyzer’ modules van Bretton-Clark, ‘SPEED’van de Hague Consulting Group, of ‘CONSURV’ van Intelligent Marketing Systems),waarin deze procedure standaard kan worden doorlopen. De beschikbaarheid van dergelijke kant-en-klare software heeft sterk bijgedragen aan de populariteit van conjuncteanalyse, maar heeft er tevens toe geleid dat onderzoekers die deze metbode gebruikenzich niet altijd realiseren op welke veronderstellingen bun experimenten gebouwd zijn.In conjuncte analyse experimenten wordt respondenten gevraagd bun oordeel uit tespreken over hypothetische keuze-alternatieven. Deze alternatieven zijn beschreven intermen van de attributen die op voorhand door de onderzoeker zijn vastgesteld alsmeest belangrijk en relevant. Meestal worden de hypothetische alternatieven aangeboden als profielen, dat is: als een lijst van attribuutwaarden. Traditioneel werd aanrespondenten gevraagd een set profielen naar voorkeur te rangordenen, waama gegevens werden geanalyseerd met non-metrische technieken. Echter tegenwoordig is betmeer gebruikelijk per profiel de aantrekkelijkheid of koopintentie te laten aangeven opbijv. een II puntsschaal (vgl. Louviere 1988a, p.56). De ratings worden verondersteldvan interval-niveau te zijn, waardoor de veronderstelde nutsfunctie met standaard

36

kleinste kwadraten regressie kan worden gescbat en statistische toetsing van degeschatte parameters mogelijk is.In vooronderzoek moet worden vastgesteld welke attributen voor consumenten relevantzijn bij bet maken van een keuze. Hiertoe zijn diverse methoden gangbaar, zoals focusgroups, repertory grids, factor listing, en, niet te vergeten, literatuuronderzoek. Naastattributen die consumenten belangrijk blijken te vinden kunnen attributen wordenopgenomen die voor de opdracbtgever van belang zijn, ecbter uiteraard uitsluitend voorzover deze voor respondenten te begrijpen zijn.Vervolgens wordt van elk attribuut vastgesteld welke niveaus (‘levels’ of vaste waarden) zullen worden onderzocht. Voor kwantitatieve attributen, zoals prijs en reistijd,kan in principe worden volstaan met drie niveaus indien men bereid is op voorband teveronderstellen dat bet deelnut een continue lineaire of kwadratiscbe functie is van deattribuutwaarden. Deze typen functies worden in conjuncte analyse meestal benoemdals respectievelijk bet vector-model en bet ideaalpunt-model. Uiteraard is bet voor categorische attributen 4liet zinvol een continue nutsfunctie Ic veronderstellen en wordt betaantal niveaus bepaald door de interesse van de onderzoeker. Voor elk afzonderlijkniveau wordt dan een parameter geschat die bet verschil in deelnut weergeeft tenopzicbte van een bepaald basis-nut. Dit staat bekend als bet ‘part-worth’ model.De uiteindelijke keuze van bet aantal attributen en levels hangt meestal ook af van demogelijkheid om bij een bepaald aantal attributen en levels een geschikt experimentedstatistisch design te vinden. Het zal duidelijk zijn dat reeds bij een beperkt aantal attributen en levels bet totaal aantal mogelijke profielen te groot wordt om praktisch banteerbaar te zijn, aangezien bet aantal profielen exponentieel toeneemt bij een lineairetoename van bet aantal attributen of levels. Echter, om de relevante parameters uit betveronderstelde model te kunnen schatten boeft men slechts voor een subset (fractie)van al deze mogelijke combinaties responses te verzamelen. lndien bijvoorbeeld eenadditieve nutsfunctie mag worden verondersteld boeven slecbts de variaties in deafzonderlijke attributen onafbankelijk van elkaar (ongecorreleerd) te zijn in de Iconderzoeken subset, en niet de specifieke combinaties van attribuut-waarden. In variantie-analyliscbe termen: men behoeft slechis de hoofd-effecten van attributen onafbankelijk te kunnen scbatten, niet hun interacties.Optimale subsets van profielen die aan zulke eisen voldoen worden beschreven doorfractionele factoriele designs (zie bijv. Steenkamp 1985). In toepassingen van conjuncte analyse binnen bet marktonderzoek wordt uit kosten-overwegingen vaak gewerktmet fractionele factoriële designs waarin alleen boofdeffecten onderling onafbankelijkzijn, omdat men niet geinteresseerd is in de interaçtietermen. Vaak wordt daarbij ecbterover bet hoofd gezien dat de verkregen parameterwaarden alleen als zuiver additievetermen mogen worden geinterpreteerd als alle interacties ook feitelijk verwaarloosbaarzijn. Weliswaar blijken hogere orde interacties zelden van grote betekenis, le ordeinteracties daarentegen kunnen tot grote vertekeningen leiden (Louviere l988a, p.40),waardoor men bijv. voor een bepaalde attribuut-score een ander deelnut vaststelt dan dewerkelijke waarde. Daarom wordt aanbevolen zo mogelijk fractionele factoriëledesigns te kiezen waarin hoofdeffecten minstens onafbankelijk van Ic orde interactieszijn, ook als men niet geinteresseerd is in de aard van deze inleracties.De uiteindelijke keuze voor een bepaald design wordt mede bepaald door bet aantalprofielen dat men aan een respondent denkt te kunnen voorleggen zonder dat vervelingof vermoeidheid responses te sterk negatief beinvloedt. Traditioneel worden verkregenresponses per respondent geanalyseerd. Daarom moeten aan een respondent alle profie

37

len uit een gekozen design worden voorgelegd. Tesarnen met het streven veel attributente onderzoeken heeft dit er toe geleid dat in veel toepassingen feitelijk te weinig vrijheidsgraden resteren, zodat van data-reductie geen sprake is en de betrouwbaarheid vangeschatte deelnutten discutabel is (Wittink en Cattin 1989; Green en Srinivasan 1990).

3.2 Gebruik van resultaten ian canjuncte analyse

Er zijn drie typische toepassingen van de met conjuncte analyse geschatte (individuele)nutsfuncties. Deze toepassingen zijn vaak onderdelen binnen één studie, bijvoorbeeldop het gebied van positionering en prijsstelling van nieuwe producten (bijv. Wittink enCattin 1989). Ten eerste wordt uit de geschatte nutsfuncties afgeleid wat het relatieve~belang van attributen is. Het relatieve belang van een attribuut in het individuele keuzeproces wordt meestal gemeten als het maximaal mogelijke verschil tussen de deelnutten van diverse niveaus van het attribuut. Vervolgens kan voor een segment of voor demarkt als geheel het belang van het attribuut worden bepaald, bij voorkeur door deindividuele maximale verschillen te middelen (zie Vriens en Wittink 1990).Een tweede typische toepassing is segmentatie (bijv. Green en Krieger 1991). Met clusteranalyse kunnen respondenten op basis van overeenkomsten in deelnutten wordeningedeeld in homogene sub-groepen (~benefit segmentation’), waarna de verkregenclusters worden geinterpreteerd aan de hand van verschillen in achtergrondkenmerken.Recentelijk zijn methoden ontwikkeld waarmee clusters worden gevonclen die optimaalzijn zowel wat betreft deelnutten als wat betreft achtergrondkenmerken (bijv. Wedel enSteenkamp 1991; Steenkamp en Wedel 1991). Ook andere technieken zoals multipelevariantie-analyse of canonische correlatie analyse kunnen voor segmentatie doeleindenworden gebruikt (bijv. Louviere 1988a, p.47 e,v.; Moore 1990).Ten derde worden individuele nutsfuncties gebruikt in keuze-simulatoren. Voor elkindividu uit de steekproef wordt uit diens preferentie-structuur afgeleid welk alternatiefzal worden gekozen uit een beschikbare set van alternatieven. De gesimuleerde keuzenvan respondenten worden gesommeerd en geinterpreerd als voorspellingen van marktaandelen. Een probleem echter bij dit soort toepassingen is dat het verband tussen nuten keuze(-kansen) theoretisch niet onderbouwd is. Bijgevolg moet ad hoc voor één ofandere beslisregel worden gekozen, bijvoorbeeld de regel dat altijd het alternatief methet hoogste nut wordt gekozen, of dat keuzekansen proportioneel gerelateerd zijn aande som van de nutten van beschikbare alternatieven.

3.3 Conclusie: problenien en hezwaren van conjuncte analyse

Concluderend kan worden gesteld dat conjuncte analyse weliswaar een aantrekkelijkemanier is om individuele preferentie-structuren te meten, onder andere door de mogelijkheden van benefit-segmentatie, maar dat aan deze methode tevens diverse bezwarenkleven. Ten eerste worden preferenties afgeleid uit oordelen die zijn afgegeven in situaties die weinig o~ereenkomst vertonen met de marktsituatie waarin men feitelijkmeestal geinteresseerd is. Ten tweede is het onduidelijk op welke wijze het beste keuze-kansen kunnen worden afgeleid. En ten derde lijken practische toepassingen vanconjuncte analyse vaak hun doel voorbij te schieten. Weliswaar zijn marktaandelenafhankelijk van beslissingen van individuele consumenten, het is echter niet altijdnodig om per individu een preferentie-structuur te schatten om zinvolle uitspraken tekunnen doen op marktaandeelniveau. Verder is de betrouwbaarheid van parameters die

zijn geschat op individueel niveau vaak gering, met name indien grotere aantallen attributen worden onderzocht. Deze problemen kunnen worden voorkomen door probabiIistische keuzemodellen te schatten op basis van waargenomen keuzegedrag.

4. DISCRETE KEUZE-MODELLEN

Sinds de 7Oer jaren is er met name in planologisch en verkeerskundig onderzoek eensterke toename geweest in het gebruik van probabilistische discrete keuzemodellenvoor het voorspellen van marktaandelen van bijv. winkelcentra of vervoermiddelen. Dcinhoudelijke oorsprong van deze modellen ligt in de mathematische psychologie,namelijk bij het keuzeaxioma van Luce (1959) en bij de random utility theorie waarvoor de basis al in 1927 werd gelegd door Thurstone. Onder meer door de econometristMcFadden (1974) zijn deze twee theorieën geintegreerd en statistisch verder ontwikkeld tot een voor de praktijk hanteerbare methodologie. Als praktische introductie opde theorie en het gebruik van discrete keuze modellen zullen we achtereenvolgens derelevante aspecten van de theorieen van Thurstone en Luce kort bespreken, aangeziendaarmee tevens de basisredenering van de huidige discrete keuzemodellen is weergegeyen. Voor verdere details omtrent discrete keuzernodellen zij verwezen naar Ben Akivaen Lerman (1985) of Wrigley (1985).

4.1 Random utility theorie

‘Random utility’ theorie gaat uit van de volgende assumpties. Indien een individu moetkiezen uit een set van alternatieven, dan wordt het alternatief met het hoogste randomnut gekozen. De nutswaarden van de alternatieven liggen voor een bepaalde persoon ofsteekproef niet vast, maar variëren rondom een gemiddelde naar gelang bijv. de stemming of situatie waarin de persoon verkeert bij het kiezen van een alternatief, respectievelijk naar gelang voor welke persoon uit de steekproef een keuze wordt waargenomenof voorspeld. In discrete keuzemodellen wordt dit nut ontleed in een structurele en eentoevalscomponent. Analoog aan conjuncte analyse wordt het structurele nut beschrevenals een in de parameters lineaire functie van de (eventueel gehercodeerde) attribuutwaarden van het alternatief.’Aangezien per definitie het alternatief met het hoogste random nut wordt gekozen, is dekans dat een alternatief verkozen wordt boven een ander alternatief afhankelijk van hetverschil in structurele nutswaarden en van de (verdeling van) de verschillen in toevalsvariaties.2 Thurstone veronderstelde dat de toevaiscomponenten normaal verdeeld zijnen leidde modelvarianten af voor verschillende mogelijke spreidingen en samenhangentussen toevalscomponenten (zie bijv. Torgerson 1958). Echter, een praktisch grootbezwaar was, en is, dat voor situaties met meer dan twee alternatieven optimale model-parameters zeer moeilijk af te leiden zijn.

4.2 ‘Independence oJ Irrelevant Alternatives

E~n van de door Thurstone afgeleide varianten (Case V) veronderstelt dat de toevalscomponenten statistisch onafhankelijk en identiek verdeeld zijn. Als het nut van alternatieven op een dergelijke wijze, dus onafhankelijk en identiek, is verdeeld geldt deafleiding van Luce (1959) dat, gegeven een bepaalde keuzeset, de keuzekansen evenre

p.

38 39

dig zijn met de nutswaarden.3 Een belangrijk voordeel van dit axioma van Luce is datde kansverhoudingen tussen alternatieven onafhankelijk zijn van de eigenschappen ofaanwezigheid van overige alternatieven in de keuzeset.4 Luce noemde dit ‘the Independence of Irrelevant Alternatives’ of hA eigenschap. De assumpties die aan deze eigenschap ten grondslag liggen zijn in de praktijk vaak niet geldig (Rumelhart en Greeno1971; Tversky 1972), en discFete keuzemodellen die hA veronderstellen kunnen daardoor soms tot bizarre voorspellingen leiden. Toch wordt in de praktijk vaak de hAassumptie aanvaard, ten eerste omdat alternatieve modellen (zie bijv. Timmermans enGolledge 1990) veelal ingewikkelder (en duurder) zijn en ten tweede omdat in de praktijk hA modellen vaak redelijk robuust bhijken te zijn (bijv. Borgers en Timmei-mans1987; Van der Heijden en Timmermans 1988). Daarnaast geldt voor modellen die vooreen markt als geheel zijn geschat dat hA schendingen vaak te herleiden zijn tot heterogeniteit in de populatie (Ben-Akiva en Lerman 1985, p.1 10). Voor elke nieuwe toe-passing echter zal dit opnieuw moeten worden aangetoond. Het is daarom wensehijk dattelkens bij het ontwikkelen van nieuwe toepassingen de hA assumptie wordt getoetst.Dc hA assumptie kan onder andere worden getoetst door ‘kruis-effecten’ (‘crosseffects’) op te nemen in de nutsfuncties (o.a. McFadden e.a. 1977; Louviere 1988,p.79e.v.; Oppewal en Timmermans 1991a; Anderson e.a. 1992). De HA eigenschapimphiceert dat het nut van een alternatief onafhankehijk is van de overige alternatievenin de keuzeset. Het is echter technisch eenvoudig om nutsfuncties uit te breiden mettermen die de aanwezigheid, of de attribuut-waarden, van andere alternatieven in de setweergeven (vgl. Batsell en Polking 1985). Zulke kruis-effecten zijn per definitie verwaarloosbaar indien hA geldt. Kruis-effecten zijn dus te interpreteren als tests van dehA assumptie. Zoals in een volgende paragraaf zal worden uiteengezet kan men conjuncte keuze-experimenten zodanig ontwerpen dat kruis-effecten onafhankelijk kunnenworden geschat.

4.3 [let Multinonziale Logit model

De door Thurstone veronderstelde normaal-verdeelcle toevaiscomponenten maakten hetpraktisch analytisch ondoenlijk model-parameters te schatten uit situaties met meer dantwee, of hooguit drie alternatieven. Men vond hiervoor een oplossing in de vorm vaneen statistische verdeling die iets van de norrnaal-verdehing afwijkt, de Gumbel of‘Extreme value type 1’ verdeling. D~ belangrijkste eigenschap van deze verdeling is dathet verschil tussen twee onafhankelijk en identiek Gumbel verdeelde variabelen logistisch verdeeld is (Ben-Akiva en Lerman 1985, p.105), waardoor het MultinomialeLogit of MNL model kan worden afgeleid:

p(rIA) = exp (Vr) “sr’ exp (Vr~) ,V r,r’e A , waarbij

p(rlA) is de kans dat alternatief r wordt gekozen uit set A;V~ en Vr zijn de structurele nutswaarden van alternatieven r en r’ uit set A.

In tegenstelling tot het op de normaalverdeling gebaseerde model5, is het voor ditmodel wel mogelijk de parameters met standaardtechnieken te schatten, bijv. metgewogen kleinste kwadraten analyse of met, recentelijk als beter aanbevolen (Bunch enBatsell 1989), maximum likelihood benaderingstechnieken. Hoewel de meeste algemene statistische pakketten over dergelijke schattingsroutines beschikken wordt veelalspeciale software gebruikt.6

Belangrijk is verder op te merken dat de statistische eigenschappen slechts asymptotisch zijn, hetgeen betekent dat grote(re) aantallen observaties nodig zijn om totbetrouwbare uitspraken te komen. Dit betekent in de praktijk dat discrete keuzeniodellen niet op individueel niveau kunnen worden geschat.7

4.4 Problenien in ‘revealed preference’ toepassingen

In het verkeerskundig en planologisch onderzoek is het gebruikehijk keuzedata te verzamelen in werkelijke marktsituaties, bijv. door te observeren of te vragen welk vervoermiddel mensen gebruiken om naar een bepaalde bestemming te gaan (voor overzichtenzie bijv. Wrigley en Longley 1984; Barnard 1987). Tevens worden de waarden van deonafhankelijke variabelen vastgesteld. Dat wil zeggen dat per individu eerst wordtbepaald welke keuze-ahternatieven (bijv. vervoermiddelen) voor deze persoon beschikbaar zijn, en dat vervolgens de scores op de attributen van deze alternatieven wordenvastgesteld. Een bespreking van toepassingen van dergelijke keuzemodellen gebaseerdop ‘revealed’ gedrag higt buiten het bestek van deze bijdrage. Echter, als achtergrondvoor de bespreking van conjuncte keuze-experimenten is het zinvol te wijzen op detekortkomingen en problemen die typisch zijn voor de keuzemodellen gebaseerd op‘revealed’ gedrag, en waarvoor de conjuncte keuze-experirnenten bij uitstek een oplossing bieden.Een eerste probleem is dat rehevante variabelen in werkelijke markten yank sterk correleren waardoor schattings- en interpretatie-problemen kunnen optreden die slechts kunnen worden omzeild door data-reductie technieken toe Ic passen zoals principahe componenten analyse. Dit is een algemeen optredend probleem in survey onderzoek. Eenhieraan verwant probheem is dat door het gebrek aan experimentele controle geen eenduidige conclusies mogelijk zijn omtrent de oorzaken van vertoond keuzegedrag, aangezien altijd de mogelijkheid bestaat dat een niet-geobserveerde achterhiggende variabele de feitelijke reden was voor het geobserveerd gedrag. Daarbij zij opgemerkt dat bijdiscrete keuzemodellen de gevolgen van specificatie-fouten ernstiger zijn dan bijgewone regressie analyse (bijv. Horowitz 1981,1985). Een derde probleem betreft despecificatie van de keuzeset, In ~revealed’ toepassingen is niet altijd duide.hijk welkeahternatieven een consument werkelijke beschikbaar had, c.q. overwoog. Verschillendespecificaties van keuzesets kunnen echter leiden tot grote variaties in parameter-schattingen, tenzij de IhA eigenschap geldt. Tenslotte kan genoemd worden dat surveys alsmethode van data-verzameling ten bate van ‘revealed choice’ studies in wezen niet ergefficient zijn, aangezien per respondent in principe slechts één feitelijke keuze wordtgeobserveerd. Tevens kunnen geen observatiesworden verkregen voor nieuwe (typen)alternatieven in de rnarkt, waardoor geen betrouwbare keuzemodellen voor nieuwemarktsituaties kunnen worden ontwikkeld.

5. ONTWERP EN ANALYSE VAN CONJUNCTE KEUZE-EXPERIMENTEN

Zoals aangegeven hebben de hierboven besproken technieken elk hun eigen bezwarenen tekortkomingen. Conjuncte keuze-experimenten werden ontwikkeld vanuit degedachte dat discrete keuzemodellen in principe de tekortkorningen van conjuncte preferentie analyse zouden kunnen opheffen, en omgekeerd. In conjuncte keuze-experi

II

40 41

menten worden niet slechts denkbeeldige altematieven, maar complete keuze-situatiesof -sets ontworpen met behulp van experimeniele designs. Aan respondenten wordtvervolgens gevraagd uit elke set alternatieven (denkbeeldige of werkelijk bestaande)een alternatief te kiezen, of om een vast budget te verdelen over de alternatieven. Opbasis van de verkregen keuzefrequenties kan hierna direct een discreet keuzemodelworden geschat. Deze procedure vertoont veel overeenkomsten met de hierbovenbeschreven procedure in conventioneel conjunct onderzoek, Deze paragraaf zal daarommet name ingaan op de aspecten waarin conjuncte keuze-experimenten verschillen vanconjuncte analyse.

5.1 Design

Een belangrijk verschil met conventionele conjuncte analyse is dat experimenteledesigns niet alleen worden gebruikt om profielen van hypothetische alternatieven tegenereren, maar dat designs ook worden gebruikt om alternatieven in keuzesets teplaatsen. Hiertoe kunnen diverse strategieen worden gevolgd. Drie vragen zijn relevantbij het kiezen van een bepaalde strategie: I) Wordt de hA eigenschap op voorhandgeaccepteerd of is toetsing van deze eigenschap gewenst; 2) Hoeveel alternatieven mageen keuzeset maximaal, of moct een keuzeset minimaal bevatten; en 3) IndIen HA dientte worden getoetst, welk type kruis-effect men wit schatten.Indien men hA zonder toetsing accepteert is bet construeren van keuzesets betrekkelijkeenvoudig. Dan zijn per definitie (zie boven) de verhoudingen van de keuzekansen vanalternatieven onafhankelijk van de aard en omvang van de set resterende alternatievenin de keuzeset. Daarom kan men in dit geval volstaan met bet naar believen plaatsenvan de alternatieven (feitelijk bestaande of ontworpen profielen) in keuzesets. Veelalwordt gewerkt met willekeurig gevormde paren van alternatieven (plus een constantbasis-alternatief, zie onder).Indien men echter wel IlA schendingen verwacht is bet beter om te zorgen dat dezeeventuele schendingen zoveel mogelijk statistisch onafbankelijk zijn van de te schattennutsfuncties en eventueel (zo mogelijk) deze schendingen, gespecificeerd als kruiseffecten, te toetsen. Hiertoe zijn diverse design-strategieen mogelijk, waarvan we detwee bekendste zullen bespreken. Deze strategieen leiden tot verschillende typen keuzesets en tot verschillende typen mogeiijk te schatten kruis-effecten. In ceo eerste worden keuzesets van variabele am yang geconstrueerd door gebruik te maken van 2N fractionele factoriele designs, waarbij N bet aantal (verschillende) aan respondenten voor teleggen alternatieven is. Elk alternatief wordt opgevat als een design-factor met alslevels: ‘wel aanwezig in de set’ en ‘niet aanwezig in de set’. Dit is geillustreerd inTabel 1, waar 7 alternatieven (A t/m G) zijn gedefinieerd die vervolgens in 8 verschillende keuzesets werden ondergebracht. Belangrijk is om op te merken dat over dezesets elk alternatief even vaak voorkomt (4 keer) en zo ook elk paar van alternatieven (2keer). Het laatste betekent dat de aanwezigheid van een alternatief in een set statistischonathankelijk is van de aanwezigheid van enig ander alternatief. In diE voorbeeld isgebruik gemaakt van een fractie die alleen de schatting van hoofdeffecten toestaat,onder de aanname dat alle interactie-effecten verwaarloosbaar zijn.

Op basis van keuzesets die zijn geconstrueerd met behuip van 2N designs kunnen alleenkruis-effecten worden geschat die bet effect op bet structurele nut van de aanwezigheidin de set van een bepaald ander alternatief weergeven (‘availability cross-effects’; zie

Tahel I. Fractie van 2~ factorieel desiç’n, resulteri’nd in mlii versclnlleiule keu:esets n’aarinalternatieven A i/rn G aanwe:ig (+) of aJwe:zg (-).

AlternatievenSet# A B C D E F G Resultant

1 + + + + + + IA,B,C,D.E,F,GI2 + + — + — - — IA,B,DI3 + — + — + — — {A,C.E)4 + — — — — {A,F,G)5 — + + — — — {B.C,F}6 — + — — — (B,E,Gj7 — — + + — — {C,1),G~8 — — — + — {D,E,Fj

Oppewal en Timmerman 1991a; Anderson ci al 1992). Om deze effecien onatliankelijkte k unnen schatten maci a id at teen (IC aanwei.i ghcid van ecn hcpaa Id at ternat id, maaroak bet paarsgew iji voni kni nen van at tel i at ieven I i~ciii a intl in kc I uk / liii, ( )t~e wetininimaal mod een 2N design warden gebruikt dat, naasi booklet tecten, oak bet anal—hankelijk schatten van (Ic orde) inleracties toestaat. Deze designs zijn beduidend gratervan omvang dan de minimale fracties van 2N designs, maar tegen dit nadeel kan opwegen bet extra inzicht dat wordt verkregen in de concurrentie tussen alternatieven. Menkan namelijk aan deze ‘availability cross-effects’ aflezen in boeverre substitutie tussenalternatieven optreedt: Indien bij aanwezigheid in de set van een bepaald alternatief denutswaarde van een ander alternatief moet worden verkleind om keuzes juist te kunnenvoorspellen, dan duidt dii er op dat bet eerste alternatief meer dan evenredig met bettweede concurreert.Een belangrijk nadeel van de 2N design-strategic is dat bij grotere aantallen alternatieyen al snel keuzesets ontstaan die te groot zijn voor praktische toepassingen. Dit nadeelkan worden ondervangen door keuzesets te construeren met een -caste omvang watbetreft het aantal alternatieven, N. Dc atiributen (bijvoorbeeld M, met elk L niveaus)van deze verschillende alternatieven worden als afzonderlijke design-factoren wordenopgenomen in één fract~oneel factorieel L~~1’N design. In deze strategic worden profielen en keuzesets dus simultaan ontworpen door middel van één groot design. Bijvoorbeeld, als de sets twee alternatieven bevatten die zijn gedefinieerd door resp. 3 en 4

twee-level aitributen, dan zijn er in totaal 7 desigii-factoren en kan dus (wederom) eenfractie van een 2~ design te worden gebruikt. Zoals geillustreerd in Tabel 2 vertegenwoordigt elke regel, of ‘treatment’ uit dit design één set en dicteert de attribuutwaardenvan de beide alternatieven in deze set. Op deze wijze wordt gewaarborgd dat alle attribuut-variaties onderling onathankelijk zijn, niet alleen binnen alternatieven, maar ooktussen alternatieven. Kruis-effecten die op basis van deze keuzetaken warden geschatgeven aan in hoeverre bet structurele nut van een alternatiefathankelijk is van de atiribuut-waarden van andere alternatieven in de set.

Aan de hand van Tabel 2 kan tevens eenvoudig bet onderscheid tussen de in de discretekeuze literatuur gehanteerde termen ‘alte,’natief-speciek’ en ‘generiek’ worden geIllustreerd. In Tabel 2 zijn alle attributen ‘altem’natief specifiek’, hetgeen wil zeggen dat

4,

*1

42 43

Tabel 2. Fractie van 2~ factorieel design. resulterend in acht verschillende keuzesets waarinalteinatief A gedefineerd als profiel van attrihuten P,Q en R, en alternatief B als profiel vanatiributen S tim V. Alle attribute,, twee niveaus (1 en 0).

Attributen van alt. A. Aitributen van alt. B.

Set# P Q R S T U V ResultaatI I I 1 I I 1 1 (Al 11,131111)2 I I 0 1 0 0 0 )AllO,Bl000)3 I 0 I 0 I 0 0 (Al01,B0l00)4 I 0 0 0 0 I I )AI00,BOO1I)5 0 I I 0 0 I 0 (A01l,B00I0)6 0 I 0 0 1 0 I )A010,B0l0l)7 0 0 I 1 0 0 I {A00l,B1001)8 0 0 0 I I I 0 (A000,BIIIO}

voor alternatief A en B afzonderlijke nutsfuncties kunnen worden geschat. Dit is zinvolindien deze alternatieven staan voor bijvoorbeeld ‘auto’ en ‘bus’. Attributen P t/m Rzijn dan typische auto kenmerken, S tim V zijn typische kenmerken van bus. Indien Pen S beide zouden staan voor ‘reistijd in minuten’, dan kan voor reistijd per auto enreistijd per bus afzonderlijk een (alternatief-specifieke) parameter worden geschat. Echter, bet is dan eveneens mogelijk bet model te beperken door reistijd als een generiekattribuut op te vatten en één parameter voor reistijd te schatten die voor beide alternatieven geldt. Recentelijk is gedemonstreerd dat ook voor generieke attributen kruiseffecten kunnen worden geschat (voor details zie Oppewal en Timmermans 199 Ia).Naast de 2N en de LM*N design-strategieen voor bet construeren van keuzesets zijn ookandere designs mogelijk. bijvoorbeeld paarsgewijze vergelijkingen of (incomplete)gebalanceerde block-designs. Echter van paarsgewijze vergelijkingen is aangetoond datdeze statistisch minder efficient zijn dan de fractionele factoriele 2N designs (Louviereen Woodworth 1983). Praktische toepassingen van gebalanceerde block-designs inconjunct onderzoek zijn ons niet bekend. In bet nog te bespreken empirisch voorbeeldzal een nog ander keuzeset-design worden geillustreerd.

5.2 Bestaande alternatieven (hijv. merken, vervoerswijzen. winkelformules)

Een tweede aspect waarin conjuncte keuze-experimenten verschillen van conjuncteanalyse taken is dat men eenvoudig en direct bestaande alternatieven kan opnemen inde taak. Bestaande alternatieven kunnen als factoren worden opgenomen in een 2N keuzeset design of kunnen als constant altematief aan keuzesets worden toegevoegd. Eenderde mogelijkheid is om varianten van bestaande alternatieven te creëren, en deze inkeuzesets te plaatsen, bijvoorbeeld zoals werd geillustreerd in Tabel 1 (bijv. Louviere1984; Timmermans et al. 1991).Een voordeel van bet opnemen van bestaande alternatieven is dat de experimentelesituatie meer in overeenstemming kan worden gebracht met bestaande marktsituaties.Een tweede voordeel is dat voor deze alternatieven een schaalwaarde (‘alternatief specifieke constante’) wordt verkregen op dezelide schaal als die waarin de nutsbijdragenvan de attributen van (andere) akernatieven worden uitgedrukt. Hierdoor kunnen inmarktsimulaties de effecten op deze bestaande alternatieven in de niarkt direct worden

meegenomen. Een derde, en verwant voordeel is dat, indien bet gekozen design deschatting van kruis-effecten toestaat, inzicht wordt verkregen in (en voorspelling mogelijk gemaakt van) substitutie-effecten tussen bestaande en nieuwe alternatieven (bijv.Louviere 1986; Timmermans et al. 1991; vgl. par. 5.1 hierboven).

5.3 Een constant hasis-alternatief

Een ander belangrijk en uniek aspect van conjuncte keuze-experimenten is de mogelijkheid een constant basis-alternatief toe te voegen aan elk van de keuzesets, dit ongeacht de strategie volgens welke deze werden oniworpen. Er zijn diverse voordelen verbonden aan zo’n basis-alternatief.Ten eerste garandeert bet ortbogonaliteit bij de schatting, dat wil zeggen dat onafhankelijke variabelen onderling minimaal samenhangen: zoals in paragraaf 4.1 is uitgelegd isbet MNL model gebaseerd op nuts-verschillen en niet op absolute nutswaarden. Ditbetekent dat ook de voordelen van een efficiente schalting pas tot bun recht komen alsde verschillen tussen alternatieven ortbogonaal zijn. Er zijn pogingen gedaan profielenen keuzesets te ontwerpen die direct orthogonaal zijn in de verschillen tussen allernatieven (Louviere en Woodworth 1988; Hensher en Barnard 1990), echter dit heeft (nag)niet tot praktische resultaten geleid. Door echier een constant basis-alternatief te introduceren kunnen alle attribuutwaarden worden beschouwd als verschillen t.o.v. de (constante) attribuutwaarden van dit ene alternatief, waardoor, als de profielen ortbogonaalzijn, ook de orthogonaliteit van nutsverschillen gegarandeerd is.Een tweede, en verwant voordeel is dat dit constante basis-alternatief zodanig kan worden gecodeerd, dat het nut van dit alternatief samenvalt met bet nulpunt van de gescbatte nutsfunctie. Dit vereenvoudigt de interpretatie van resultaten vaak aanzienlijk, vooralindien bet basisaltematief op een handige wijze is gedefinieerd.Dit brengt ons bij bet derde voordeel dat ecu constant basisalternatief kan leveren. Ditalternatief kan warden gedefinieerd in termen van bijvoorbeeld ‘geen van deze’, ‘uitstelvan keuze’, of als ‘blijf bij huidige keuze’. Hierdoor krijgt de respondent de mogelijkheid in de verschillende condities aan te geven of Uberhaupt één van de aangebodenaltematieven zou worden gekozen. Dit maakt bet mogelijk niet alleen verschuivingenin marktaandelen te modelleren en voorspellen, maar om eveneens (in principe) verschuivingen in de absolute of primaire vraag te modelleren en te voorspellen.

5.4 Keuzetaken

Evenals bij conventionele conjuncte analyse is bet van groat belang voorafgaande aanbet experiment de respondent vertrouwd Ic maken met de denkbeeldige situatie en metde verschillende attribuut-waarden. Dc feitelijke taak voor een respondent bestaat eruitdat uit elk van de aangeboden keuzesets een alternatief moet warden gekozen, zoals datzou worden gekozen in de omschreven taaksituatie. Soms wordt gebruik gemaakt vanallocatie-taken: de respondent moet per set een vast aantalpunten (bijv. voorstellendegeld of trips) verdelen over de alternatieven (inclusief het basis-alternatief). Dergelijkeallocatie-taken leveren tegen slechts een relatief geringe extra inspanning van derespondent aanzienlijk meer gegevens op. Met name indien zulke allocaties wardenopgevat als onafbankelijke keuzen levert dil statistisch sterkere toetsen op. echter betzal duidelijk zijn dat deze aanname discutabel is.Er zijn diverse voordelen verbonden aan het gebruik van keuze- of allocatie-taken (zie

44 45

bijv. Louviere en Gaeth 1988). Een voordeel is dat (in principe) tussen respondentengeen verschillen in schaalgebruik optreden. Ten tweede is de taak veelal natuurlijker eninteressanter voor respondenten dan in conventionele conjuncte experimenten. lmmers,consumenten kiezen dagelijks uit alternatieven, echter beoordelen alternatieven zeldenop schaaltjes. Bovendien kunnen keuzetaken werkelijke marktsituaties nabootsen door-dat ook bestaande alternatiev~n in de keuzetaken kunnen worden betrokken, Verderwordt gesteld dat met een keuzetaak gemakkelijker grotere aantallen profielen aan eenrespondent kunnen worden voorgelegd. Tenslotte kunnen keuzetaken worden ontwikkeld voor een grote varieteit aan modeltypen en nutsfuncties, en kunnen uit de verkregen modellen direct keuzekansen worden afgeleid.Nadelen van keuzetaken en keuzemodellen zijn dat, zoals uitgelegd, modellen niet opindividueel niveau kunnen worden geschat en dat de opzet en analyse van keuze-experimenten ingewikkelder is dan bij conventionele conjuncte preferentie analyse.8

5.5 Modelschatt jug en -ontwikke!ing

De analyse van conjuncte keuze-experimenten verschilt niet essentieel van de analysevan ‘revealed’ keuzes en richt zich op I) bet toetsen van hypothesen omtrent bepaaldeattributen (inclusiefeventuele kruis-effecten), en 2) het vinden van een spaarzaam maartoch nog redelijk voorspellend model. Men schat keuzemodellen op basis van de gecodeerde attribuutwaarden en waargenomen keuzefrequenties en constateert voor welkeattributen hoge of juist lage parameterwaarden en significantieniveaus zijn verkregen,en of de totale ‘fit’ van het model voor verbetering vatbaar is.Een gebruikelijke maat voor de ‘goodness of fit’ van discrete keuzemodellen is de likelihood-ratio index9, Rho2. Rho2 vertoont qua interpretatie overeenkomsten met de R2die in regressie-analyse bet percentage verklaarde variantie aangeeft. Rho2 geeft aan inhoeverre het model zoals geschat de geobserveerde verzameling keuzes meer aannemelijk maakt (‘beter verklaart’) dan een gekozen ‘nul’ of ‘begin’ model’°. Voor de interpretatie van waarden van Rho2 zijn geen eenduidige regels.’’ Gegeven de aard van deRho2 maat is deze alleen geschikt om de fit van model-specificaties over één bepaaldedata-set te vergelijken. Omdat de fit bij het toevoegen van parameters bijna altijd verbetert is er, analoog aan de ‘adjusted-R2’ in regressie, ook een adjusted-Rho2 die aangeeft of de verbetering in ‘fit’ opweegt tegen bet aantal extra ingevoerde parameters(zie Ben-Akiva 198S,p.9l,l67).Soms wordt ook bet percentage correcte voorspellingen als ‘goodness of fit’ maatgebruikt, echter aan deze maat kleeft bet bezwaar dat een inhoudelijk weinig zinvolmodel misleidend hoge waarden kan opleveren. (Ben-Akiva en Lerman 1985, p.92). Detoetsing van de fit van een model geschiedt veelal aan de hand van de Log-likelihoodratio’2, LR. Deze maat is Chi2 verdeeld met vrijbeidsgraden gelijk aan het aantal ingevoerde parameters (vgl. bet gebruik van de F-toets in regressie). Deze wordt bij voorkeur ook gebruikt om de fit van verschillende specificaties te vergelijken en bet verschil te toetsen.13

6. EEN UITGEWERKT VOORBEELD: CONSUMENTEN-KEUZEVAN WINKELGEBJED

Ter illustratie van bovenstaande verbandeling over de opzet en analyse van conjunctekeuze-experimenten zal in deze paragraaf een onderzoek worden besproken dat recen

46

telijk door de auteurs werd uitgevoerd. Dit onderzoek betrof de keuze van winkelgebieden door consumenten en omvatte meerdere experimenten. Hier zal een ten bate van ditpaper sterk vereenvoudigde en gereconstrueerde versie van één van deze experimentenworden gepresenteerd. De nadruk ligt niet zozeer op de inboudelijke interpretatie alswel op bet illustreren van de stappen in bet opzetten en analyseren van een conjunctkeuze-experiment. Opgemerkt zij dat in de feitelijk uitgevoerde experimenten veel grotere aantallen attributen werden onderzocht (zie Oppewal en Timmermans 1991b;Oppewal et al 1991 voor details).

6.1 Attributen en design

Uit vorig onderzoek was gebleken dat de omvang en kwaliteit van bet winkelaanbod ende bereikbaarbeid en toegankelijkbeid (md. parkeren) de meest belangrijke dirnensieszijn waarop consumenten winkelgebieden beoordelen als ze voor de keuze staan waarte gaan winkelen. Daarnaast echter bleken ook aspecten van de winkelomgeving, zoalssfeer, inricbting en aankleding, van belang te zijn.Daarom werden vier attributen gedefinieerd (zie Tabel 3) met niveaus zoals aangegeyen (N.b. in andere experimenten werden attribulen op meer fysieke wijze gedefinieerd, bijv. reistijd werd uitgedrukt in minuten en omvang winkelgebied in bet aantalwinkels).

I. LIGGING EN BEREIKBAARHEID I = zeer ongunstig (— — —)

(vanaf uw huis) 2 = matig ongunstig (—)

~ 3 matig gunstig (+)~ 4 = zeer gunstig (+++)

2. AANBOD DAGELIJKSE I = zeer slechi (— — —)

ARTIKELEN 2 = matig slecht (—)

~ 3 matig goed (+)~ 4 = zeer goed (÷+÷)

3. AANBOD KLEDING EN SCHOEISEL I = zeer slechi (— — —)

~ 2 matig slecht (—)

. 3 = matig goed (+)~ 4 zeer goed (+++)

4. AANKLEDING EN INRICHTING VAN HET I = zeer onprettig (— — —)

WINKELGEBIED 2 matig onprettig (—)

~ 3 = matig prettig (+)4=zeer prellig (+++)

Op basis van deze attributen werden 64 profielen (denkbeeldige winkelgebieden)geconstrueerd volgens een fractie van een 44 factorieel design. Dit design staat deschatting van boofdeffecten en bepaalde interacties toe. Daarnaast werd een basis-alternatief ‘niet in winkels (maar bijv. in de groothandel, op de markt, aan de deur, of perpostorder)’ geformuleerd.

a

Tabel 3. ,4~rjbu (en en niveaus zoals gevarieerd ii, bet keuze-experinze,zt.

47

WOON-WINKEL-SITUATIE #1 GEBIED 1 GEBIED 2Ben eerste mogelijke strategie om keuzesets te vormen zou flu zijn om van deze 64 profielen willekeurig 32 paren (of 16 viertallen) te vormen en aan deze paren het basisalternatief ‘niet in winkels’ toe te voegen. Uit de verzamelde keuzedata kan dan eenvoudig een MNL keuzemodel worden geschat. Echter deze strategie veronderstelt opvoorhand de hA assumptie als geldig. Een betere strategie zou daarom zijn paren vanprofielen te ontwerpen, zodanig dat kan worden getoetst of het nut van een alternatiefafhankelijk is van de attribuut-waarden van het concurrerende alternatief.In de huidige context echter werden hA schendingen met name verwacht als gevoigvan substitutie tussen kleinere winkelgebieden onderling en tussen grotere winkelgebieden onderling. Als gevoig van de fijnmazige en hierarchische structuur van deNederlandse distributieve verzorging kennen de meeste consumenten wel minimaal éénkleiner en één groter winkelgebied. Daarom werden de profielen in dit onderzoekgeclassificeerd als typisch voor ‘kieinere’ of typisch voor ‘grotere’ winkeigebieden,zodanig dat iedere kiasse evenveel profielen bevatte. De modeltoetsing werd beperkttot twee ‘availability cross-effects’: het effect van de aanwezigheid in de set van eentweede kieiner winkelgebied op het nut van de kieinere winkelgebieden, en het effectvan de aanwezigheid in de set van een tweede groter winkelgebied op het nut van degrotere winkelgebieden.Om deze specifieke kruis-effecten te kunnen toetsen werden keuzesets gevormd door(zonder teruglegging) willekeurig een ‘groter’ en een ‘kleiner’ winkelgebied te nemenen in een-derde van de gevallen hier een tweede wiliekeurig gekozen ‘groter’ winkelgebied aan toe Ic voegen, in een-derde van de gevallen een tweede ‘kleiner’ winkelgebied, en in een laatste derde van de in totaal 24 gevallen geen profiel toe te voegen.Door deze procedure ontstonden 24 verschiliende keuzesets. Acht van deze sets bevatten dus twee aiternatieven en 16 bevatten drie alternatieven. Ten bate van een betererandomisatie werd deze procedure vier maal herhaaid, zodat in totaal (4 x 24 =) 96 verschillende keuzesets werden geconstrueerd. Over deze sets was de aanwezigheid vaneen tweede groter of kleiner winkeigebied in een set goeddeels onafhankelijk van deoverige te schatten parameters (maximale correlatie is .12).

6.2 Afnarne

De aldus ontstane sets kregen het basis-alternatief ‘niet in winkels’ toegevoegd en werden aan respondenten gepresenteerd als ‘denkbeeldige woon-winkel-situaties’ zoalsgeillustreerd in Figuur 1. Hen werd gevraagd voor elke keuzesituatie een budget vantwintig punten te verdelen over de (drie of vier) alternatieven, voorsteliende de verwachte verdeling van bestedingen aan dagelijkse artikelen, gegeven dat alleen dezegebieden beschikbaar zouden zijn.Deze keuzetaak werd voorgelegd aan consumenten in een (veel meer onderdelenomvattende) huis-aan-huis enquete. Na een uitvoerige kennismaking met de attributen,een inleiding op de taak en een oefen-voorbeeid, kreeg ieder van de 396 respondentendrie van dergelijke sets voorgelegd.

6.3 Analyse

De toegekende punten werden per aiternatief (profiel of basisalternatief) per keuzesetsamengevoegd over respondenten, hetgeen resulteerde in 352 keuzefrequenties. Per setwerd per alternatief een data-record aangemaakt waarin de keuzefrequentie en de attri

LIGGING EN BEREIKBAARHEID matig zeer(VANAF UW HUIS) IS gunstig ongunstig

AANKLEDING EN INRICHTING z~erIS onprettig

AANBOD DAGEUJKSEARTIKELEN IS

buut-waarden van dit alternatief in deze set stonden weergegeven. Zoals gebruikelijkwerden nile attribuut-waarden van het basisalternatief als nul gecodeerd. Orthogonalecodering (bijv. Louviere 1988a, p.62) werd toegepast om de attribuut-waardeu van deprofielen weer te geven. Dit laatste heeft als voordeel dat alle componenten (lineair,kwadratisch of cubisch) onafhankelijk zijn. Deze procedure resulteerde in een data-matrix van in totaai 352 records, zoals aangegeven in Tabel 4. Het programmaNTELOGIT (Intelligent Marketing Systems 1992) werd gebruikt om maximum likelihood parameter schattingen af te leiden voor het veronderstelde MNL keuzemodel.

Tahel 4. Deel van data-matrix voor schatung van keuze,nodel op basis van heschreven experiment.

matigprettig

+

matiggood

+

zeergood

AANBOD KLEDING ENSCHOEISEL IS

matig zeerslecht good

Figuur I. Voorheeld van ccii denkheeldige woonwinkel—situatie.

Bere~kbaarheid Aaribod Dag. Aanbod K&S. Inrichting~ Kruis-effnset aLt freq con heft berQ berC wadL wadO wadC wakt uakQ wakC inn inrO inrC K-op-K G-op-G

1 4 62 1 1 -1 -3 -3 1 -1 -3 1 -1 3 1 1 -1 01 3 114 1 -3 1 -1 -3 1 -1 1 -1 -3 3 1 1 0 11 2 83 1 1 -1 .3 3 1 1 1 -1 -3 1 -1 3 0 11 1 60 0 0 0 0 0 0 0 0 0 0 0 0 0 02 4 50 1 .3 1 -1 1 -1 -3 -1 -1 3 3 1 -1 -1 02 3 111 1 3 1 1 -1 -1 3 3 1 1 1 -1 -3 0 12 2 110 1 3 1 1 1 -1 -3 -1 -1 3 3 1 1 0 12 1 49 0 0 0 0 0 0 0 0 0 0 0 0 0 0 03 3 75 1 -3 1 -1 -1 -1 3 3 1 1 -3 1 -1 0 13 2 150 1 -1 -1 3 -1 -1 3 -1 -1 3 -3 1 -1 1 83 1 95 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

48 49

Kruis-effecten. Eerst werd een model geschat waarin alle hoofdeffecten en de tweespecifieke ‘availability cross-effects’ werden geschat. Resultaten van deze logit regressie analyses staan weergegeven in Tabel 5. Het geschatte model lijkt de gegevens goedte passen (Rho2 = .66) en significant te zijn: LR = ~2(LL0~LL~ta = 9283;p(92&3 > Chi215) < .00 1. Vervqlgens werd een model zonder kruiseffecten geschat. Delog-likelihood van dit model bedraagt 2426, die van het meer uitgebreide modelbedroeg 2419. De bijdrage van de beide kruis-effecten is dus significant: -2(2419-2426) = 14; p(l4> Chi22) < .01. Echter, in verhouding tot de omvang van de effectenvan de attributen is de omvang van de beide kruis-effecten gering. De kruis-effectenkunnen als volgt worden geinterpreteerd: Indien een keuzeset een tweede kleiner winkelgebied bevat, dan concurreren deze kleine winkelgebieden onderling sterker dan datze concurreren met het grotere winkelgebied of met het alternatief ‘niet in winkels’. Zoook, indien een keuzeset een tweede groter winkelgebied bevat, dan concurreert ditgebied sterker met het reeds aanwezige grote winkelgebied dan met de overige altematieven in de set. Op deze wijze vormen kruis-effecten dus niet alleen een toetsing vande hA assumptie, maar kunnen daarnaast inhoudelijk worden geinterpreteerd in termenvan concurrentie-verhoudingen (vgl. Batsell en Polking 1985).

Tabel 5. Paramererschatringen voor MNL keuzeniodel op basis van heschreven experiment enlog-likelihood waarden voor diverse modelspec(ficafies,

zonder veel verlies aan verklaringskracht een spaarzamer (‘vector’-)model zou kunnenworden geschat. Echter, hier wordt voistaan met het volledige hoofdeffecten model,waarvoor vervolgens voorspelde deelnutten werden geinspecteerd. Een nadeel vanorthogonale codering is dat de deelnutten niet eenvoudig uit de geschatte parameterszijn af te lezen. Daarom werd per attribuut de bijdrage berekend van elk der levels aanhet totaalnut van een alternatief; deze bijdragen zijn grafisch weergegeven in Figuur 2,samen met de constante voor bestedingen in winkeis.

1.5

Parameter SE of AsymptoticEstimates Parameter t-Stat

constante 1.12172 .02066 54.291berL .12205 .00559 21.809berQ —.00221 .01260 — .176berC .00004 .00594 .007wadL .25203 .00434 57.954wadQ .01032 .00903 1.143wadC .01895 .00404 4.690wakL .03059 .00380 8.036wakQ .03 182 .00887 3.585wakC .00377 .00412 .914intL .04318 .00608 7.096inrQ .03013 .01277 2.359inrC —.03588 .00566 —6.333K-op-K —02562 .01591 —1.610G-op-G —04272 .01600 —2.669

I I I I —

1.0

ln~i~

ATTRIBUTEN

Figuur 2. Nut van constanle en relatieve nulsbijdragen Ian atiributen, per niveau.

Deze constante geeft aan dat bet basis-alternatief ‘niet in winkels’ relatief weinig bestedingen kreeg toebedeeld. LOt deze figuur vail verder eenvoudig af te lezen dat het aanbod dagelijkse artikelen de grootste (maximale) invloed op de verdeling van bestedingen aan dagelijkse artikelen heeft, gevolgd door bereikbaarheid. Echter ook het aanbodkieding en schoeisel blijkt van positieve invloed en de inrichting en lay-out van hetwinkelgebied blijken positief van invloed op de aantrekkelijkheid van winkelgebiedenvoor bet doen van dageiijkse aankopen. Verder blijkt uit de figuur hoe hogere polynomiale effecten zich vertalen in de deelnutten. Bijvoorbeeld, de figuur illusireert hoe hetkwadratische effect van aanbod kleding en schoeisei moet worden geinterpreteerd:Indien het aanbod verbeterl van matig gocd naar zeer goed, neernt het nut van cen winkelgebied meer dan evenredig toe.

7. TOEPASSINGEN EN GEBRUIK VAN CONJUNCTE KEUZEEXPERIMENTEN

Eerder zijn typische toepassingen van resultaten van conventionele conjuncte analysegenoemd. Deze paragraaf bespreekt in hoeverre resultaten van conjuncte keuze-experimenten voor dezelfde doeleinden kunnen worden gebruikt. Daarbij sal het accent hg

SI

LL(0, =gelijke marktaandelen) = —7033.6616LL(alleen constante, = marktaandeel basisalt. vs. profielen) =—4891.5457LL(bela, zonder kruis-effecten) = —2426.3750LL(beta, met kruis-effecten) = —2419.1649

Auribuut-effecten. Parameter-schattingen in het model zonder kruis-effecten wekennauwelijks af van het model in Tabel 5, zodat volstaan wordt met de presentatie van diteerdere model. De lineaire componenten van de attributen bhijken het meest van belangen van de hogere polynomiale componenten blijkt slechts een aantal significant, zodat

50

gen op nieuw ontwikkelde varianten van conjuncte keuze-experimenten; sommige vandeze varianten zijn overigens ook te implementeren binnen bet raamwerk van conjuncte analyse.

7.1 Relatiefbelang van aitribuien

In bovenstaande voorbeeldstudie werd al uitgelegd hoc bet relatief belang van attributen direct kan worden afgeleid uit de inodel-resultaten. Een voordeel hierbij boven mdividuele conjuncte analyse is dat individuele attribuut-gewichten niet hoeven te wordensamengevat om op marktniveau bet belang van een attribuut vast Ic stellen. Bij de interpretatie van deze gewichten van attributen dient men zich wel te realiseren dat in hetMNL model keuzekansen non-lineair samenhangen met de nutswaarden. Afhankelijkvan de bestaande marktsituatie kunnen kleine verschuivingen in nut dan ook soms leiden tot grote verschuivingen in keuzekansen (en dus marktaandelen), en vice versa.Met behuip van bijv. een spreadsheet is dit echter eenvoudig te inspecteren.

7.2 Segmentatie

Er zijn diverse wijzen waarop keuzemodellen kunnen worden gebruikt voor segmentatie-doeleinden, echter keuzemodellen zijn wat dit betreft minder flexibel dan conjuncteanalyse aangezien geen individuele preferentie-structuren worden geschat. Hierdoor is‘benefit segmentation’ in principe niet mogelijk. Er zijn twee methoden om segmentatieaan de hand van ‘a priori’ gekozen variabelen toe te passen. Ten eerste kan men pergedefinieerd segment een keuzemodel schatten. Bijvoorbeeld, in de bier beschreven studie zou men eenvoudig modellen kunnen schatten per wijk, leeftijdsgroep, of type huishouden. Nadelen echter van deze methode bij grotere modellen en/of kleinere steekproeyen zijn dat indien de segmentatie-variabele geen dccl uitmaakte van bet steek-proefdesign, orthogonaliteit niet langer gegarandeerd is en dat er al snel te weinig observatiesper segment zijn om tot betrouwbare schattingen te komen. Een tweede methode is omin de nutsfunctie termen op te nemen die specifieke interacties tussen alternatieven ofattributen en achtergrondkenmerken weergeven. In de voorbeeldstudie zou bijv. eenterm voor de interactie tussen bereikbaarheid en autobezit kunnen worden opgenomen(vgl. Oppewal en Timmermans 1991a). Bij grotere aantallen attributen en achtergrondkenmerken kunnen echier ook bij deze methode schattingsproblemen optreden.Niettemin, uitgaande van bet exploratieve karakter van veel segmentatie-studies (inclusief studies op basis van conjuncte analyse), kan bier een recente ontwikkeling wordengenoemd die bet mogelijk maakt voor keuzedata toch verbanden tussen grotere aantallen attributen en achtergrondkenmerken te onderzoeken. Kaciak en Louviere (1990)laten zien hoe door middel van nwltipele correspondentie analyse (MCA) keuzedatatesamen met achtergrondkenmerken en percepties van bestaande alternatieven kunnenworden geanalyseerd. Keuzedata zijn van nominaal meetniveau en MCA is bij uitstekgeschikt voor de exploratieve analyse en reductie van nominale data. Kaciak en Louviere (1990) demonstreren de mogelijkheden van MCA in de analyse van keuzedataaan de hand van een studie naar voorkeuren voor vakantiebestemmingen. Keuzes uitparen van profielen hypothetische bestemmingen werden gecombineerd met beoordelingen op schaaltjes van bestaande bestemmingen en met socio-economische kenmerken van respondenten. MCA van deze gecombmneerde data leverde indicaties voor desamenhang tussen specifieke typen respondenten en typen preferenties en keuzegedrag.

7.3 Marktsirnulaties

Aangezien geen ad hoc beslisregels hoeven te worden gebruikt en omdat er geenbestand met individuele nutsfuncties hoeft Ic worden gebruikt, is het uitvoeren vanmarktsimulaties op basis van conjuncte keuze-experimenten betrekkelijk eenvoudig.Echter, evenals bij marktsimulaties op basis van ‘conventionele’ conjuncte keuze-simulatoren, is er een ‘bottleneck’ in de vorm van aanvullende informatie die nodig is voorbet kunnen uitvoeren van marktsimulaties (vgl. Cattin en Wittink 1982; Wittink en Cat-tin 1989). Om keuze-kansen te kunen afleiden dient men, naast bet geschatte keuzemodel (eventueel uitgesplitst naar segmenten), per consument te beschikken over dienspercepties van de feitelijke alternatieven in termen van de gebruikte attributen, en mendient te weten welke alternatieven in overweging sullen worden genomen. Met name inruimtelijke gespreide alternatieven, zoals winkelbestemmingen, is bet laatste vanbelang en vereist aanvullende (dus duurdere) data-verzameling en onderzoek, of ad hocbeslissingen. Modellen waarmee men de samenstelling van keuzesets kan voorspellenzijn in ontwikkeling (bijv. Van der Heijden en Timmermans 1984; Finn en Louviere1990; Shocker et al 1991), echter nog weinig gebruikt in praktisch marktonderzoek.

7.4 Positionering

Het opvragen van percepties (van bij voorkeur alle alternatieven op alle attributen) kande vragenlijst echter aanzienlijk verlengen. Uit praktisch oogpunt is bet daarom vaakhandig om attributen meer in fysieke of objectieve termen te definieren dan in betbovenstaande voorbeeld-experiment werd gedaan. Het is dan namelijk minder problematisch om terug te vallen op externe databronnen en/of om marketing acties te vertalen naar attributen.Recentelijk is een variant van conjuncte analyse ontwikkeld die bet gebruik van aanvullende perceptuele metingen in principe overbodig maken. In ‘brand-anchored con

joint’(Louviere en Johnson 1990, 199!) worden attributen gedefinieerd in termen vanbestaande alternatieven, Bijvoorbeeld, van een te onderzoeken (nieuw) type supermarktwordt het prijsniveau omschreven als ‘zoals AH’ of ‘zoals ALDI’. Ook de niveaus vanandere attributen, bijv. service-verlening, worden gedefinieerd in termen van bestaandealternatieven, dus ‘zoals X’. Op deze wijze geconstrueerde profielen worden ter beoordeling aan respondenten voorgelegd, waarna standaard conjuncte analysemethodenkunnen worden toegepast. Op deze wijze wordt direct informatie verkregen over depositie of het deelnut van elk van de bestaande ~A~inkelnamen op elk van de attributen.Dii maakt bet gebruik van afzonderlijke perceptiemetingen overbodig en vermijdt deproblematiek omtrent mogelijke (hoge) correlaties tussen bestaande alternatieven.Indien een keuzetaak wordt gehanteerd kan men tevens direct marktaandelen afleidenvoor nieuwe of geherpositioneerde winkeltypen in diverse concurrentie-situaties.

8. CONCLUSIES EN DISCUSSIE

Deze bijdrage schetste vanuit een praktische invaishoek de achtergronden, theorie,opzet en analyse van conjuncte keuze-experimenten. Het blijkt dat in conjuncte keuzeexperimenten de belangrijkste voordelen verenigen van conjuncte analyse (o.a. experimentele controle; meerdere observaties per respondent; observaties voor nieuwe typen

52 53

producten) en van probabilistische discrete keuzemodellen (o.a. directe voorspellingvan keuzekansen; toetsing van modelassumpties; verkenning en modellering van concurrentie-verhoudingen; meer natuurlijke taak). Een verder voordeel van deze methodeis dat niet alleen verschuivingen in marktaandelen maar ook verschuivingen in primairevraag kunnen worden voorsp~ld. Daarnaast blijkt een grote varieteit aan proefopzettenen toepassingen mogelijk, De belangrijkste nadelen blijken te zijn dat de opzet en analyse van conjuncte keuze-experimenten meer kennis en inspanning van de onderzoekervergt dan andere methoden, en dat modellen praktisch niet op individueel niveau kunnen worden geschat.Van de vele nieuwe toepassingen en varianten van conjuncte keuze-experimenten konden er hier slechts enkele worden belicht. Deze ontwikkelingen geven niettemin aan datconjuncte keuze methodologie nog volop in ontwikkeling is. Geintegreerde softwarevoor bet ontwerpen en analyseren van conjuncte keuze-experimenten en voor het verrichten van marktsimulaties is nog niet voorhanden, maar zal waarschijnlijk niet langmeer op zich laten wachten.Daarnaast is er, getuige de onderzoeksliteratuur, grote belangstelling voor diverse, bierverder niet uitgewerkte ‘issues’ die direct te maken hebben met de verdere ontwikkeling van deze methodiek. Te denken valt aan bet opnemen van grotere aantallen attributen in conjuncte taken; de schatting van keuzemodellen op basis van conjuncte keuzeexperimenten in combinatie met andere keuze-experimenten, met ‘revealed preference’(survey) keuzedata of met ‘self-explicated’ preferentie data; modellen voor sequentieleof simultane keuze van meerdere altematieven; modellen voor bet voorspellen van keuzesets; en modellen voor keuzegedrag van groepen en organisaties. Voor elk van dezethema’s geldt dat gevonden praktische oplossingen zullen leiden tot een (nog) groterevlucht van conjunct keuze-experimenten als instrument voor praktisch marktonderzoek.‘Last but not least’ is van groot belang onderzoek naar de interne validiteit (o.a.betrouwbaarheidsbepaling door middel van ‘holdout sets’, vgl. Batsell en Louviere1991) en de externe validiteit (o.a. ruimtelijke transferabiliteit, vgl. Van der Heijden enTimmermans 1988) van conjuncte keuze-modellen. Onderzoek dat de interne en extertie validiteit van diverse typen keuze-experimenten (verder, vgl. Louviere 1988b)bevestigt zal aanzienlijk kunnen bijdragen aan de verdere acceptatie van deze methode.

NOTEN

I. De nutswaarden Ur van altematieven r in set A (V r,r’ E A) worden gedefinieerd als de som van eenstructurele component V, en een toevalscomponent e,;

U, = Vr + e,Vervolgens wordt het structurele nut Vr van alternatief r beschreven als een in de parameters Iineairefunctie van de (eventueel gehercodeerde) attribuutwaarden X1,:

Vr= £ 13i Xir,waarbij de ~3i te schatten parameters sun.

2. Dit blijkt nit de volgende afleiding:p(rlA) = P(Ur ~ U,.), r≠r’

= P(Vr + er> V, + c,), r≠r’= p(V, - V, > c, - e,), r≠r’

3. De kans dat alternatiefr wordt gekozen is gegeven door:p(rlA) = Ur / £,. U,. ,V r,r’ E A.

4. Dit is eenvoudig in te zien door de kansverhouding van twee willekeurige altematieven uit te schrijven,waarbij de noemers tegen elkaar wegvallen, zodat overblijft:

p(r1IA / p(r2IA) = Un / U,25. In de literatuur over discrete keuze modellen wordt dit het ‘probit’ model genoemd (bijv. Currim 1982).

6. Bijvoorbeeld de LOGIT module van SYSTAT (alleen geschikt indien alle keuzesets dezelfde omvanghebben), CALDIS (Borgers 1985), NTELOGIT van Intelligent Marketing Systems, of ALOGIT vanHague Consulting Group.

7. Sommige onderzoekers hebben her tegendeel beweerd. Ze stellen dat door respondenten geproduceerderangordes van altematieven mogen worden ontleed tot ecu groot aantal afzonderlijke keuzes. Door éénvoor één de hoger geprefereerde alternatieven ‘af te pellen’ en de resterende sortering ala een nieuweonafhankelijke respons op te vatten verkrijgt men voldoende observaties voor modelschattingen per mdividu (Chapman en Staelin 1982). Deze praktijk is echter gebaseerd op de zeer discutabele aanname datde aldus verkregen data onafhankelijke keuzes zijn.Recentelijk is ook empirisch aangetoond dat deze ‘exploded logit’ benaclering weinig betrouwbare schat.tingen oplevert (Ben-Akiva, Morikawa en Shiroishi 1991).

8. Ben verder nadeel zou kunnen zijn dat onduidelijk is in hoeverre keuzetaken (meer dan conventioneleconjuncte beoordelingstaken) uitnodigen tot non.compensatorisch keuzegedrag, d.w.z. dat respondentenhun keuze baseren op slechts enkele attributcn en niet alle attributen tegen elkaar afwegen. Echter, noncompensatorisch keuzegedrag, voor zover her optreedt, lijkt tot nu toe in toepassingen geen groot probleens te vormen. Mogelijke redenen hiervoor zijn ten eerste dat de analyse niet op individueel niveauplaatsvindt en respondenten meestal zullen verschillen in welke attributen in een eventueel non-compensatorisch proces doorslaggevend zijn. Ben tweede mogclujke reden is dat, als de respondent goed overweg kan met de task en deze als een goede afspiegeling van de keuzesituaties in bestaande marktenervaart, deze non-compensatorische processen ook in dccc bestaande markten een rol zullen spelen. Inverschillende toepassingen bleken conjuncte keuzemodellen dan 00k goed te voorspellen (zie Louvierel988b; vgl. Timmermans et al 1991; Oppewal et al 1991).

9. Dc likelihood-ratio index is gedefinieerd als:Rho2 = I - LL~/LL5,

waarbij LL~1, en LL5 de log-likelihood waarden sun van respectievelijk het geschatte model en eenbepaald ‘begin’ of ‘nul’ model (zie Ben-Akiva 1985. p. 91. 167; Wrigley 1985, p. 49;; Borgers 1989).De aannemelijkheid of ‘likelihood’ dat een bepaalde serie onalliankelijke keuzes optreedt is bet productvan de kansen van optreden van elk van de keuzes van altematief i uit set C, nit de totale verzamelingwaargenomen sets C:

I. = l1,~ C Cn p1,Y”,

waarbij y, = I indien i gekozen en y~ = 0 indien i niet gekozen is (bijv. Ben-Akiva en Lerman 1985, p.118). Bij de modelschatting dienen de kansen p, te worden geoptimaliseerd. Om rekentechnische redenen wordt hierbij echter met log-transformaties van deze kanswaarden gewerkt, de log-likelihood (LL).Tevens worden observaties voor identieke keuzesets vaak (per respondent of over respondenten) geaggregeerd tot keuzefrequenties. Daarbij kan de log-likelihood worden herleid tot de over sets (of individuen) en alternatieven gesommeerde producten van waargenomen frequenties en (log-waarden van) voorspelde kansen:

LL * = LL - K = c £~ E c~ ~j,waarbij K een constante is die gelijk is aan nul indien er per set slechts één keuze is waargenomen. f5, isde waargenomen keuzefrequentie voor altematief i in set n, en p, is de voorspelde kans (vgl. Ben-Akivaen Lerman 1985, p. 120; Borgers 1989).

10. Verwarrend is dat verschillende auteurs verschillende nul-modellen hanteren. Bek-Akiva en Lerman(1985) hsnteren hanteren het ‘equal shares’ model ala nulmodel, dit wil ceggen dat in de nutsfunctie vanbet MNL model alle parameters op nul zijn gezet~ Wrigley (1985, p. 50) daarentegen vindt zo’n nulmo.del triviaal en definieert Rho2 als een verbetering ten opzichte van het ‘market shares’ model. dit wilzeggen dat de nutsfunctie geschatte constantes bevat voor de specitieke alternatieven (bijv. merken).

II. Voor de ‘market shares’ versie is er ccii vuistregel dat .20 ‘goed’ en .40 ‘uitsiekend’ is (Wrigley 1985, p.50), echter dit geldt alleen voor volledig gedisaggregeerde data, d.w.z. elke waargenomen keuze is gecodeerd in een afzonderlijk record (zoals gebruikelijk in ‘revealed’ toepassingen). Indien keuzes zijn geaggregeerd tot keuzefrequenties, hergeen data-technisch veel efficienter is, dan worden gemakkelujk hogerewaarden van Rho2 bereikt. Algemene regels voor de na te streven waarde van Rho2 voor geaggregeerdedata ontbreken.

12. Dc Log-likelihood ratio, LR wordt gedetinieerd ala: LR = -2(LL0 - LL~.0) (zie bijv. Ben-Akiva en Lerman 1985. p. 91).

13. Voor LL,~ dient dan de log-likelihood waarde van bet beperktere model te worden ingevoerd; bet aantalvrijheidsgraden is gelijk aan het aantal in bet uitgebreidere model extra ingevoerde parameters.

54 55

LITERATUUR

Anderson, D., A. Borgers, D. Ettema en H. Timmermans (1992). Estimating availability effectsin travel choice modeling: a stated choice approach. Te verschijnen in: Transportation ResearchRecord.Anderson, N.H. (1970). Functioi~al Measurement and Psychophysical Judgement. PsychologicalReview 77, 153-170.Anderson, N.H. (1981), Foundations of Information Integration Theo,y. New York: AcademicPress.Anderson, N.H. (1982), Methods of Information Integration Theory. New York: Academic Press.Barnard, P.O. (1987). Modelling Shopping Destination Choice Behaviour using the Basic Multinomial Logit Model and some of its Extensions. Transport Reviews 7(1), 17-51.Batsell, R.R. en J.J. Louviere (199!). Experimental Analysis of Choice. Marketing Letters 2,199-2 14.Batsell, R.R. en J.C. Polking (1985). A New Class of Market Share Models. Marketing Science4, 177-198.Ben-Akiva, M. en SR. Lerman (1985). Discrete Choice Analysis: Theory and Application toTravel Demand. Cambridge, Mass.: M.I.T. Press.Borgers, A. (1989). CALDIS, een computerprogramma voor het calibreren van discrete keuzemodellen. Planning 36, 60-67.Borgers, A. en H. Timmermans (1987). Choice model Specification, Substitution and SpatialStructure Effects: A Simulation Experiment. Regional Science and Urban Econo,nics 17, 29-47.Bradley, M.A., E.P. Kroes en B.J. Vogels (1988). Computergestuurd conjunct meten. In: JaarhoekNVVM 1988-1 989, 19-28.Bunch, D.S. en R.R. Batsell (1989). A Monte Carlo Comparison of Estimators for the Multinoinial Logit Model. Journal of Marketing Research 26, 56-68,Cattin, P. en DR. Wittink (1982). Commercial Use of Conjoint Analysis: A Survey. Journal ofMarketing 46, 44-53.Chapman, R.G. en R. Staelin (1982). Exploiting Rank Ordered Choice Set Data within the Stochastic Utility Model. Journal of Marketing Research 19,281-299.Finn, A. en J.J. Louviere (1990). Shopping-Center Patronage Models: Fashioning a Consideration Set Segmentation Solution. Journal of Business Research 21, 259-275.Green, P.E. en AM. Krieger (199!). Segmenting Markets with Conjoint Analysis. Journal ofMarketing 55, 20-3!.Green, P.E. en V. Srinivasan (1978). ‘Conjoint Analysis in Consumer Research: Issues and Outlook’. Journal of Consumer Research 5, 103-123.Green, P.E. en V. Srinivasan (1990). Conjoint Analysis in Marketing: New Developments WithImplications for Research and Practice. Journal of Marketing 54, 3-19.Heijden, R.E.C.M. van der, en HiP. Timmermans (1984). Modeling Choice-Set GeneratingProcesses via Stepwise Logit Regression Procedures: Some Empirical Results. Environ,nent andPlanning A 16, 1249-1255.Heijden, R.E.C.M. van der, en H.J.P. Timmermans (1988). The Spatial Transferbility of aDecompositional Multi-attribute Preference Model. Environment and Planning A 20, 10 13-1025.Hensher, D.A. en P.O. Barnard (1990). The Orthogonality Issue in Stated Choice Designs. In:MM. Fischer, P. Nijkamp en Y.Y. Papageorgiou (eds.), Spatial Choices and Processes, Elsevier,North-Holland, 265-277.Horowitz, J. (1981). Sampling, specification and data errors in probabilistic discrete-choicemodels (Appendix C). In: Hensher, D.A. en LW. Johnson, Applied Discrete Choice Modelling.Londen: Croom Helm, pp. 4 17-436.Horowitz, J. (1985). Travel and Location Behavior: State of the Art and Research Opportunities.Transportation Research A 19,441-453.Kaciak, E. en J.J. Louviere (1990). Multiple Correspondence Analysis of Multiple Choice Experiment Data. Journal ofMarketing Research 23, 455-465.

Krantz, D.H. en A. Tversky (1971). Conjoint Measurement Analysis of Composition Rules inPsychology. Psychological Review 78, 151-169.Kroes, E.P. (1986). Conjunct keuze-onderzoek. 1n:JaarhoekNVVM 1966-1 987, 23-35.Louviere, J.J. (1984). Using Discrete Choice Experiments and Multinomial Logit Choice Modelsto Forecast Trial in a Competitive Retail Environment: A Fast Food Restaurant Illustration.Journal of Retailing 60, 81-107.Louviere, Ii. (1986). A Conjoint Model for Analyzing New Product Positions in a DifferentiatedMarket with Price Competition. Advances in Consumer Research 13, 376-380.Louviere, J.J. (l988a). Analyzing Decision Making: Metric Conjoint Anal ysis. Sage UniversityPaper Series on Quantitative Applications in the Social Sciences, no.07-067, Sage Pubns, Beverly Hills.Louviere, J.J. (1988b). Conjoint Analysis Modelling of Stated Preferences: A Review of Theory,Methods, Recent Developments and External Validity. Journal of Transport Econo,nics andPolicy 22, 93-121.Louviere, ii. (1991). Experimental Choice Analysis: Introduction and Overview, Journal ofBusiness Research 23, 291-297.Louviere, J.J. en G.J. Gaeth (1988). A Comparison of Rating and Choice Responses in ConjointTasks, In: R.M. Johnson (ed), Sawtooth Software Co,iference on Perceptual Mapping, ConjointAnalysis and Computer Interviewing, Proceedings. Ketchum, ID: Sawtooth Software, Inc., 59—74.Louviere, J.J. en RD. Johnson (1990). Reliability and Validity of the Brand-Anchored ConjointApproach to Measuring Retailer Images. Journal of Retailing 66, 359-382.Louviere, ii. en R.D. Johnson (199!). Using Conjoint Analysis to Measure Retail Image. In: A.Ghosh en C. Ingene (eds.), Spatial Anal sis in Marketing: Theory, Methods, and Applications(Research in Marketing, supplement 5). Greenwich, Connecticut: JAI Press, pp.137-158.Louviere, J.J. en H.J.P. Timmermans (1990). A Review of Recent Advances in DecompositionalPreference and Choice Models. Tijdschrift voor Economische en Sociale Geografie 8!, 214-224.Louviere, ii. en G.G. Woodworth (1983). Design and Analysis of Simulated Consumer Choiceand Allocation Experiments: An Approach Based on Aggregate Data. Journal of MarketingResearch 20, 350-367.Louviere, ii. en G.G. Woodworth (1988). On the Design and Analysis of Correlated ConjointExperiments Using Difference Designs. Advances in Consumer Research 15, 510-517.Luce, RD. (1959). Individual Choice Behaviour: A Theoretical Analysis. New York: John Wileyand Sons.Luce, RD. en J.W. Tukey (1986). Simultaneous Conjoint Measurement: A New Type of Fundamental Measurement. Journal of Mathemaucal Psychology I, 1—27.McFadden, D. (1974). Conditional Logit Analysis of Qualitative Choice Behavior. In: P. Zarembka (ed), Frontiers in Econometrics. New York: Academic Press.McFadden, D., K. Train en W.B. Tye (1977). An Application of Diagnostic Tests for the Independence From Irrelevant Alternatives Property of the Multinomial Logit Model. TransportationResearch Record 637, 39-46.Moore, L. (1990). Segmentation of Store Choice Models Using Stated Preferences. Papers of theRegional Science Association 69, 12 1-13 I.Oppewal, H. en H.J.P. Timmermans (l99la). Context Effects and Decompositional ChoiceModeling. Papers in Regional Science 70, 113-131.Oppewal, H. en H.J.P. Timmermans (l991b). A Conjoint Choice Approach to Model ConsumerChoice of Shopping Centre. Paper gepresenteerd O~ SISWO studiedag mathematische geografieen planning, Utrecht, november.Oppewal, H., J.J. Louviere en F1.J.P. Timmermans tl99l). An Integrated Approach to ModelingHierarchical Information Integration Using Multiple Choice Experiments. Paper gepresenteerdop de TIMS Marketing Science Conference, Wilmington, DL, 23 maart.Raaij, W.F. van (1978). I-let gebruik van de conjuocte mecttechniek. In: .Iaarboek NVI’M 1978,187-208.

I

7

56 57

Rumeihart, D. en J. Greeno (1971). Similarity Between Stimuli: An Experimental Test of theLuce and Restle Choice Models. Journal of M~ithematicaI Psychology 8, 370-381.Shocker, AD., M. Ben-Akiva, B. Boccara en P. Nedungadi (1991). Consideration Set Influenceson Consumer Decision-Making and Choice: Issues, Models and Suggestions. Marketing Letters2, 181-197.Slovic, P. en S. Lichtenstein (l9~l). Comparison of Bayesian and Regression Approaches to theStudy of Information Processing in Judgment. Organizational Behavior and Human Peifermance 6, 659-744.Steenkamp, J.E.B.M. (1985). Dc Constructie van Proflelensets voor het Schatten van Hoofdef- ILfecten en Interacties bij Conjunct Meten. NVVM Jaarhoek 1985, pp. 125-155.Steenkamp, J.B.E.M. en M. Wedel (1991). Segmenting Retail Markets on Store Image Using aConsumer-Based Methodology. Journal of Retailing, 67, 300-321.Timmermans, H.J.P. (1982). Consumer Choice of Shopping Centre: An Information IntegrationApproach. Regional Studies 16, 171-182.Timmermans, H.J.P. en R.R. Golledge (1990). Applications of Behavioural Research on SpatialProblems II: Preference and Choice. Progress in Human Geography 14, 3 11-355.Timmermans, FI.J.P., A. Borgers en P.van der Waerden (1991). Mother Logit Analysis of Substitution Effects in Consumer Shopping Destination Choice. Journal of Business Research 23, 311-323.Torgerson, W.S. (1958). Theo,y and Methods ofScaling. New York: Wiley and Sons.Tversky, A. (1972). Elimination-by-Aspects: A Theory of Choice. Psychological Review 79,28 1-299.Vriens, M. en DR. Wittink (1990). Conjuncte analyse in het marktonderzoek. In: JaarhoekNVVM 1990-1991, 2 15-246.Wedel, M. en J.B.E.M. Steenkamp (1991). A Clusterwise Regression Method for SimultaneousFuzzy Market Structuring and Benefit Segmentation. Journal of Marketing Research 28, 385-396.Wittink, D.R. en Ph. Cattin (1989). Commercial Use of Conjoint Analysis: An Update, Journalof Marketing 53, 91-96.Wrigley, N. (1985). Categorical data analysis for geographers and environmental scientists.London: Longman.Wrigley, N. en P.A. Longley (1984). Discrete Choice Modelling in Urban Analysis. In: D.T.Herbert en Ri. Johnston (eds.), Geography and the Urban Environment, Progress in Researchand Applications, Volume VI, New York: Wiley arid Sons, pp. 45-93.Wu, B.T.W. en S.M. Petroshius (1987). The Halo Effect in Store Image Measurement. Journal ofthe Academy of Marketing Science 15(3), 44-51.

3

58