Conjoint Analysis

Karina Pretto
CONRE n: 8080

O que Preferncia?
Segundo o dicionrio Aurlio:

1. 2. 3. 4.

Ato ou efeito de preferir. Predileo . Manifestao de agrado ou distino. Anteposio, precedncia, primazia.

O que voc prefere?

O que voc prefere?

O que voc prefere?

O que voc prefere?

O que voc prefere?

Para refletir
O que afeta a preferncia do consumidor?
Qualidade, preo, atendimento, formatao do produto? So caractersticas isoladas ou seus efeitos conjuntos?

Cidade A Trnsito catico Salrio de R$10M/ms Violncia Atraes culturais diversificadas Custo de vida elevado So Paulo

Cidade B Sem congestionamentos Salrio R$8M/ms Sem violncia Poucas opes de atraes culturais Baixo custo de vida Macap

Para refletir
O que afeta a preferncia do consumidor?
Qualidade, preo, atendimento, formatao do produto? So caractersticas isoladas ou seus efeitos conjuntos?

Preferncia X Atitude
Prefiro a Ferrari, mas s tenho dinheiro para comprar uma Braslia!

O que torna um produto mais preferido que outro?

Prefiro o Banco X ao Banco Y.

Conhecer o Cliente
Quais so os Hbitos do Cliente? Quais so suas necessidades e desejos? Existe algum processo de deciso no momento da compra de um bem ou contratao de um servio? Quais so as suas preferncias?
Eu prefiro um produto que...

Pesquisa de Mercado

Padronizao X Personalizao

Ford - 1903

Ford - 2007

Necessidades Desejos Expectativas Atratividade Satisfao Fidelizao

VANTAGEM COMPETITIVA

Anlise de Preferncia Conjunta

Tcnica estatstica multivariada que se preocupa em estimar modelos que expressem as preferncias de um consumidor como funo de um conjunto de caractersticas pr d finidas. - e
Produtos/Servios Hipotticos Avaliao do respondente segundo suas preferncias
Definio dos Definio dos principais fatores principais fatores que influenciam que influenciam na preferncia do na preferncia do pblico alvo; pblico alvo; Estudos de Estudos de concorrncia concorrncia e e aceitao do aceitao do mercado. mercado.

Anlise de Preferncia Conjunta

Desenvolvimento de novos produtos; Comparao com os produtos j existentes no mercado (estudos de concorrncia e market share); Estudos de rentabilidade e lucratividade; Predio do impacto na preferncia do consumidor de cada atributo; Simulao de diferentes cenrios de atuao; Apoio nas decises estratgicas; Direcionamento das aes de vendas...

Conceitos
ATRIBUTOS: Fatores que caracterizam
o produto alvo do estudo.

cor Anuidade

Abrangncia Emissor

Bandeira

No h

NVEIS: Variantes dos Atributos. ESTMULOS (Perfil): Combinaes de

nveis de diferentes atributos.

Programa de fidelizao

Milhas Descontos

Carto internacional, com anuidade grtis por Carto internacional, com anuidade grtis por 1 ano, com programa de milhas. 1 ano, com programa de milhas.

UTILIDADE: Medida do grau de

preferncia de cada nvel de um atributo.

Internacional = 3 Internacional = 3 Anuidade grtis por 1 ano = 5 Anuidade grtis por 1 ano = 5 milhas = 8 milhas = 8

VALOR DE PREFERNCIA: Valor

resultante da combinao das utilidades

Valor de preferncia: Valor de preferncia: 3+5+8= 16 3+5+8= 16

Etapas:
MODELO
Coleta de dados

Varivel Resposta

Anlise de Resultados

Estratgias de ao

Definio do produto e populao Definio do produto e populao alvo do estudo; alvo do estudo; Seleo de Atributos e seus nveis; Seleo de Atributos e seus nveis; Modelo de anlise; Modelo de anlise; Composio: Preferncia dada pela Composio: Preferncia dada pela combinao da avaliao individual combinao da avaliao individual de cada atributo. de cada atributo. Decomposio: Preferncia dada Decomposio: Preferncia dada pela avaliao conjunta de cada pela avaliao conjunta de cada atributo. atributo.

CARTO DE CRDITO Renda acima de R$5.000,00 No h

Programa de fidelizao

Milhas Descontos

Mtodos Hbridos: Mtodos Hbridos: Combina elementos dos Combina elementos dos mtodos de composio e mtodos de composio e decomposio. decomposio.

Etapas:
Green & Srinivasan 1978

MODELO

Coleta de dados

Varivel Resposta

Anlise de Resultados

Estratgias de ao

Apresentao e formao dos Apresentao e formao dos estmulos; estmulos; Pictrica: Pictrica: Verbal: Verbal:

Carto internacional, com anuidade grtis por 1 ano, com programa de milhas.

Etapas:
Green & Srinivasan 1978

MODELO

Coleta de dados

Varivel Resposta Escala da varivel; Escala da varivel;

Anlise de Resultados

Estratgias de ao

Mtodo de estimao; Mtodo de estimao; Mtrica: Mtrica: Ex.: escala de 0 a 100 pontos Ex.: escala de 0 a 100 pontos

No Mtrica: No Mtrica: Ex.: escala de Likert Ex.: escala de Likert

Etapas:
Green & Srinivasan 1978

MODELO

Coleta de dados

Varivel Resposta Escala da varivel; Escala da varivel;

Anlise de Resultados

Estratgias de ao

Mtodo de estimao; Mtodo de estimao; Estimao Clssica: Estimao Clssica: Modelos de Regresso Linear Normal Modelos de Regresso Linear Normal Modelos Logsticos; Modelos Logsticos; Estimao Bayesiana Estimao Bayesiana

Etapas:
Green & Srinivasan 1978

MODELO

Coleta de dados

Varivel Resposta

Anlise de Resultados

Estratgias de ao

Clculo da Importncias Clculo da Importncias Relativas; Relativas;

35%

30,3%
30%

27,8%

25%

Identificao dos atributos mais Identificao dos atributos mais importantes; importantes;
1 ,5% 1 1 2,0% 9,0% 4,9% 1 2,9%1 2,8% 1 3,5%1 2,9% 1 ,4% 1 1 4,2% 1 ,5% 1 1 5,4%

20%

1 5%

Simuladores; Simuladores;
45% 40% 35% 30% 25% 20% 15% 10% 5% 0% Remun. Reconh. Grupo 1 Exposio Grupo 2 Jornada Grupo 3 Gesto Clima Desafios Grupo 4

1 0%

5%

0%

Remunerao Reconhec.

Exposiao Completo

Jornada de Trabalho

Gesto Aprendizado

Clima

Desafios

Etapas:
Green & Srinivasan 1978

MODELO

Coleta de dados

Varivel Resposta

Anlise de Resultados

Estratgias de ao

Campanhas de Marketing; Campanhas de Marketing; Desenvolvimento de novos Desenvolvimento de novos produtos; produtos; Anlise de rentabilidade; Anlise de rentabilidade; Estratgia de negcio; Estratgia de negcio;

Anlise de Preferncia Conjunta

Tcnica estatstica multivariada que se preocupa em estimar modelos que expressem as preferncias de um consumidor como funo de um conjunto de caractersticas pr d finidas. - e

Modelo
PREFERNCIA = f (atributos)

yi (t ) = Yi (t ) + i (t )

yi (t ) = i + ij xij (t ) + i (t )
j =1

Modelo
yi (t ) = Yi (t ) + i (t )
onde
yi (t ) : valor de preferncia atribudo pelo i-simo indivduo ao perfil t; Yi (t ) : esperana matemrica de yi(t);

yi (t ) = i + ij xij (t ) + i (t )
j =1

ij

: o parmetro que representa a utilidade parcial referente ao atributo j; : valor de preferncia quando somente os nveis padro dos atributos forem utilizados;

X ij (t ) : valor numrico que representa o nvel i-simo nvel do atributo j avaliado no instante t;

i (t ) : erro aleatrio.

Suposies: Suposies: Modelo de composio aditivo; Modelo de composio aditivo; Valor de preferncia medido em escala mtrica; Valor de preferncia medido em escala mtrica; Atributos descrito por dois nveis; Atributos descrito por dois nveis; Erros normalmente distribudos. Erros normalmente distribudos.

Modelo
Definio do produto: Emprego Definio do produto: Emprego Seleo de Atributos e seus nveis: Seleo de Atributos e seus nveis:
Jornada de trabalho Clima na rea Reconhecimento Feedback Remunerao Gestor

Exposio a novos desafios

freqente rara

Modelo: Aditivo linear Modelo: Aditivo linear

Coleta de Dados
Descrio dos estmulos: Verbal; Descrio dos estmulos: Verbal;

Estmulo1 : Jornada de trabalho de dez horas, com desafios freqentes, aumento salarial de 20%, equipe competitiva, gestor omisso.
Nota 0
Escala de preferncia

Nota 100

Preferncia BAIXA

Preferncia ALTA

NOTA:

Coleta de Dados
Descrio dos estmulos: Verbal; Descrio dos estmulos: Verbal;

Estmulo1 : Jornada de trabalho de dez horas, com desafios freqentes, aumento salarial de 20%, equipe competitiva, gestor omisso.
Nota 0
Escala de preferncia

Nota 100

Preferncia BAIXA

Preferncia ALTA

NOTA:

30

Coleta de Dados
Descrio dos estmulos: Verbal; Descrio dos estmulos: Verbal;

Estmulo2: Jornada de trabalho de oito horas, com poucos desafios, aumento salarial de 20%, equipe competitiva, gestor omisso.
Nota 0
Escala de preferncia

Nota 100

Preferncia BAIXA

Preferncia ALTA

NOTA:

45

Coleta de Dados
Estimao do modelo Estimao do modelo
Estmulos Status 1 2 3 4 5 6 7 8 9 10 17 18 19 20 Design Design Design Design Design Design Design Design Design Design Holdout Holdout Holdout Holdout Remunerao sem aumento sem aumento sem aumento aumento de 20% aumento de 20% sem aumento aumento de 20% aumento de 20% sem aumento sem aumento aumento de 20% sem aumento aumento de 20% sem aumento Reconhecimento Exposiao Jornada de Trabalho colegas colegas gestor gestor colegas gestor gestor colegas gestor colegas gestor colegas colegas colegas vertical horizontal horizontal horizontal vertical horizontal horizontal horizontal vertical vertical horizontal horizontal horizontal vertical 40 a 50 horas/semana acima de 50 horas/semana 40 a 50 horas/semana acima de 50 horas/semana acima de 50 horas/semana 40 a 50 horas/semana acima de 50 horas/semana 40 a 50 horas/semana acima de 50 horas/semana 40 a 50 horas/semana acima de 50 horas/semana 40 a 50 horas/semana 40 a 50 horas/semana acima de 50 horas/semana Gesto omisso participativo omisso omisso omisso omisso omisso participativo participativo omisso participativo omisso participativo omisso Clima competitivo competitivo competitivo colaborativo competitivo colaborativo competitivo competitivo competitivo colaborativo competitivo competitivo competitivo colaborativo Desafios frequentes raros raros frequentes frequentes frequentes raros raros frequentes raros raros frequentes frequentes frequentes

Coleta de Dados
Estimao do modelo Estimao do modelo
Estmulo Remunerao 1 2 3 4 5 6 7 8 9 10 17 18 19 20 0 0 0 1 1 0 1 1 0 0 1 0 1 0 Reconhecimento 1 1 0 0 1 0 0 1 0 1 0 1 1 1 Exposiao Jornada de Trabalho 1 0 0 0 1 0 0 0 1 1 0 0 0 1 0 1 0 1 1 0 1 0 1 0 1 0 0 1 Gesto Clima Desafios Resposta 0 1 0 0 0 0 0 1 1 0 1 0 1 0 0 0 0 1 0 1 0 0 0 1 0 0 0 1 1 0 0 1 1 1 0 0 1 0 0 1 1 1 30 45 26 80 64 28 49 37 19 79 25 49 57 87

Estmulos (tempo)

Matriz de delineamento (X)

Valor de preferncia (Yij)

Resultados
Fatores mais importantes; Fatores mais importantes; Clculo das importncias Relativas; Clculo das importncias Relativas;
Jornada de Trabalho Gesto

Remunerao Reconhecimento

Exposiao

Clima

Desafios Intercepto

IR

5,0 7%

-5,3 8%

6,0 9%

-16,1 24%

18,0 27%

8,0 12%

9,0 13%

34,3

30%

25%

27% 24%

20%

IR(%)

1 5%

1 0%

12% 7% 8% 9%

13%

5%

0% Remunerao Reco nhecimento Expo siao Jo rnada de Trabalho Gesto Clima Desafio s

Resultados
Fatores mais importantes; Fatores mais importantes; Clculo das importncias Relativas; Clculo das importncias Relativas;
Indiv 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 U(%) Jornada de Remunerao Reconhecimento Exposiao Trabalho 7% 57% 39% 33% 26% 9% 19% 38% 25% 49% 47% 49% 31% 29% 29% 32% 8% 2% 4% 4% 8% 8% 13% 7% 6% 7% 6% 3% 5% 14% 0% 6% 9% 21% 11% 0% 14% 11% 8% 5% 11% 5% 12% 10% 9% 15% 15% 10% 24% 6% 2% 14% 7% 15% 13% 6% 14% 11% 0% 1% 4% 7% 10% 9% Gesto 27% 2% 0% 32% 20% 27% 23% 16% 19% 12% 12% 16% 18% 15% 13% 17% Clima 12% 3% 17% 8% 20% 2% 8% 20% 10% 5% 10% 6% 18% 1% 10% 10% Desafios 13% 11% 27% 8% 6% 27% 16% 8% 14% 13% 12% 14% 14% 19% 23% 15%

Estratgias
Planos de ao; Planos de ao;

Sugestes: Campanhas motivacionais; Planos de carreira; Reviso de atividades; Orientao para novas contrataes; Pesquisas de satisfao;

Ateno!
Conhecimento sobre o produto avaliado; Veracidade dos estmulos; Correlaes naturais entre atributos;
Preo X Qualidade

Quantidade de estmulos:
Atributos X Nveis

Quantidade de estmulos
Completos:
Estmulo1 : Jornada de trabalho de dez horas, Estmulo1 : Jornada de trabalho de dez horas, com desafios freqentes, aumento salarial de com desafios freqentes, aumento salarial de 20%, equipe competitiva, gestor omisso. 20%, equipe competitiva, gestor omisso.

Parciais:
Estmulo1: Jornada de trabalho de dez horas Estmulo1: Jornada de trabalho de dez horas com aumento salarial de 20% e funo com aumento salarial de 20% e funo desafiadora. desafiadora.

NOTA: __?__ __?__ Completos:

Green,19 74

NOTA: __?__ __?__ Incompletos:

Rubbin, 2004,

Combinam-se todos os nveis dos diferentes atributos em estudo

Combinaes parciais dos nveis de diferentes atributos;

2 5= 32 possveis perfis possveis perfis

5 7 27= 128 possveis perfis possveis perfis

Omisso de atributos

Delineamento Fatorial Fracionrio

Coleta de Dados
Formao dos estmulos
Completos:
Valor de preferncia (yi (t)) y1 (t) y2 (t) y3 (t) y4 (t) y5 (t) y6 (t) y7 (t) y8 (t) Estmulo (t) 1 2 3 4 5 6 7 8 X1 1 0 1 0 1 0 1 0 Atributos X2 1 0 0 0 1 1 0 1 X3 1 0 1 1 0 1 0 0

Parciais:
Valor de preferncia (yi (t)) y1 (t) y2 (t) y3 (t) y4 (t) y5 (t) y6 (t) y7 (t) y8 (t) Estmulo (t) 1 2 3 4 5 6 7 8 X1 1 Atributos X2 X3 1 0 1 1 0

X X
0 1 0 1

0 0

X
0 0 1

X X
0

Problemtica
Como o respondente lida com a informao do atributo ausente ao avaliar um perfil incompleto ? Imputa? Qual seria a forma dessa imputao? Existe algum processo de aprendizagem quando so apresentados somente perfis parciais? A ausncia de um atributo afeta no valor de sua utilidade e na preferncia por um determinado perfil?

Ausncia de informao
Atributos ausentes ignorados Utilizao de toda informao disponvel sobre os atributos Assume-se um nvel do atributo ausente. Recncia:atributo ausente possui o nvel visto mais recentemente (similar ao anterior). Mdias: mdia dos nveis apresentados (similar a todos os anteriores).

Consideraes adicionais: Assume-se que perfis mais recentes sejam mais influentes na definio das utilidades; Combinao e correlao dos atributos e nveis.

Modelo
' ' yi (t ) = i + ij xij (t ) + ij rij (t ) + i (t ) j =1 J

Efeito do atributo

Efeito da presena no estmulo

J

' ' Yi (t ) = i + ij xij (t ) + ij rij (t ) j =1

onde

xij (t ) se rij (t) = 1 x (t ) = V ( xij (t )) se rij (t) = 0

' ij

1 se o atributo est presente e rij (t ) = 0 se o atributo omitido

Onde, V(xij) o valor imputado pelo respondente.

Modelo
Utilidade Parcial e Importncia Relativa
Em ambos os modelo, representa a utilidade parcial.

Yi (t ) = i + ij xij (t )
j =1

' ' Yi (t ) = i + ij xij (t ) + ij rij (t ) j =1

IR%: Medida da importncia relativa de cada um dos atributos.

IR% ij =

ij

j =1

100
ij

Formas de Imputao: Valor Padro

Green, 1982

Sempre que um atributo estiver ausente, o respondente imputa o nvel padro

Delineamento Apresentado
Valor de preferncia (yi (t)) y1 (t) y2 (t) y3 (t) y4 (t) y5 (t) y6 (t) y7 (t) y8 (t) Estmulo (t) 1 2 3 4 5 6 7 8 0 1 0 1 0 0 1 0 X1 1 Atributos X2 0 0 X3 1 0 1 1 0

Delineamento Imputado
Valor de preferncia (yi (t)) y1 (t) y2 (t) y3 (t) y4 (t) y5 (t) y6 (t) y7 (t) y8 (t) Estmulo (t) 1 2 3 4 5 6 7 8 X1 1 0 0 0 1 0 1 0 Atributos X2 0 0 0 0 0 0 0 1 X3 1 0 1 1 0 0 0 0

Estmulo3: Funo pouco desafiadora e aumento salarial de 20%

Estmulo3: Jornada de trabalho de oito horas, funo pouco desafiadora e com aumento salarial de 20%

xij (t ) se rij (t) = 1 V ( xij (t )) = 0 se rij (t) = 0

Lynch e Srull, 1978

Formas de Imputao: Recncia

Estmulo1: Jornada de trabalho de oito horas, pouco desafiadora sem aumento salarial. Estmulo1: Jornada de trabalho de oito horas, pouco desafiadora sem aumento salarial. Estmulo2: Jornada de trabalho de dez horas e pouco desafiadora. Estmulo2: Jornada de trabalho de dez horas e pouco desafiadora.

Sempre que um atributo estiver ausente, o respondente imputa o valor do ltimo nvel observado.

Estmulo Imputado
Jornada de trabalho de dez horas, funo pouco desafiadora sem aumento salarial

xij (t ) se rij (t) = 1 V ( xij (t )) = xij (t a) se rij (t = 0) e rij (t - a) = 1

Onde a o maior inteiro pertencente ao intervalo [1;t] tal que no instante (ta) o atributo xij(t-a) esteja presente no estmulo. Os demais estmulos podem tambm contribuir no processo de imputao, basta supor que o tempo que os distanciam do momento presente seja um fator ponderador.

Formas de Imputao: Mdia

Sempre que um atributo estiver ausente, o respondente imputa a mdia dos nveis.

xij se rij (t) = 1 V ( xij ) = xij se rij (t) = 0

Formas de Imputao: Associao

Diferente dos processos descritos anteriormente, a imputao por associao concentra-se na informao dos nveis dos atributos presentes no estmulo para definir o nvel do atributo ausente. Os padres de associaes podem variar de acordo com a interpretao feita pelo respondente.
Jornada de Trabalho X Remunerao Jornada de Trabalho X Remunerao Exposio X Desafio Exposio X Desafio

Formas de Imputao: Aprendizado

Bradlow, Hu e Ho (2004)
Similaridade dos perfis Similaridade dos perfis + + Conhecimento a priori dos atributos Conhecimento a priori dos atributos + + Mtodos de imputao Mtodos de imputao Toda a informao recebida anterioRmente tende a apresentar alguma Toda a informao recebida anterioRmente tende a apresentar alguma influncia na quantificao da preferncia(aprendizado); influncia na quantificao da preferncia(aprendizado); Imputao baseada nos nveis de todos os atributos presentes no estmulo e em Imputao baseada nos nveis de todos os atributos presentes no estmulo e em nveis de estmulos anteriores; nveis de estmulos anteriores; Possibilita a incluso de informao a priori dos respondentes; Possibilita a incluso de informao a priori dos respondentes; Modelo pouco restritivo e estimao via procedimentos bayesianos. Modelo pouco restritivo e estimao via procedimentos bayesianos.

Imputao via Aprendizado: Similaridade

Comparao: t =1 e t = 3 Valor Imputado = 0
Presente Perfil (t) 1 2 3 Atributo1 Atributo2 Manipulveis Atributo3 Atributo4

1 0 1 xi1(1) = xi1(3)

0 1

0
1 1

0
0

0
xi2(1) = xi2(3)

I[ xi1(1) , xi1(3)] x I[ xi2(1) , xi2(3)]=1

Imputao via Aprendizado: Similaridade

Comparao: t =1 e t = 3 Valor Imputado = 0
Presente Perfil (t) 1 2 3 Atributo1 Atributo2 Manipulveis Atributo3 Atributo4

1 0 1

0 1

0
1 1 xi3(1) xi3(3)

0
0

0
xi2(1) = xi2(3)

I[ xi2(1) , xi2(3)] x I[ xi3(1) , xi3(3)]=0

Imputao via Aprendizado: Similaridade

Comparao: t =1 e t = 3 Valor Imputado = 0
Presente Perfil (t) 1 2 3 Atributo1 Atributo2 Manipulveis Atributo3 Atributo4

1 0 1

0 1

0
1 1

0
0 xi4(1) xi4(3)

0
xi2(1) = xi2(3)

I[ xi2(1) , xi2(3)] x I[ xi4(1) , xi4(3)]=0

Imputao via Aprendizado: Similaridade

Comparao: t =2 e t = 3 Valor Imputado = 0
Presente Perfil (t) 1 2 3 Atributo1 Atributo2 Manipulveis Atributo3 Atributo4

1 0 1 xi1(2) xi1(3)

0 1

0
1 1

0
0

0
xi2(2) xi2(3)

I[ xi1(2) , xi1(3)] x I[ xi2(2) , xi2(3)]=0

Imputao via Aprendizado: Similaridade

Comparao: t =2 e t = 3 Valor Imputado = 0
Presente Perfil (t) 1 2 3 Atributo1 Atributo2 Manipulveis Atributo3 Atributo4

1 0 1

0 1

0
1 1 xi3(2) =xi3(3)

0
0

0
xi2(2) xi2(3)

I[ xi2(2) , xi2(3)] x I[ xi3(2) , xi3(3)]=0

Imputao via Aprendizado: Similaridade

Comparao: t =2 e t = 3 Valor Imputado = 0
Presente Perfil (t) 1 2 3 Atributo1 Atributo2 Manipulveis Atributo3 Atributo4

1 0 1

0 1

0
1 1

0
0 xi4(1) =xi4(3)

0
xi2(1) xi2(3)

I[ xi2(1) , xi2(3)] x I[ xi4(1) , xi4(3)]=0

Imputao via Aprendizado: Parmetro de influncia: Coincidncias

Valor Imputado = 0
Presente Perfil (t) 1 2 3 Atributo1 Atributo2 Manipulveis Atributo3 Atributo4

[0;1]

1 0 1 xi1(1) = xi1(3) 21
2

0 1

0
1 1

0
0

0
xi2(1) = xi2(3) 2
2

Similaridade Influncia (t1-t3)= 2

Nmero de coincidncias:

Ni2(3,0) = 21 + 2

Imputao via Aprendizado: Parmetro de influncia: Coincidncias

Valor Imputado = 1
Presente Manipulveis

[0;1]
Atributo2 Atributo3 Atributo4

Perfil (t) 1 2 3

Atributo1

1 0 1

0 1

1
1 1
xi3(2) = xi3(3) 23

1
0

1
xi2(2) = xi2(3) 2

Similaridade Influncia (t2-t3)= 1

Nmero de coincidncias:

Ni2(3,1) = 2 + 23

Imputao via Aprendizado: Probabilidade

Presente Perfil (t) 1 2 3 Atributo1 Atributo2 Manipulveis Atributo3 Atributo4

1 0 1
Presente Atributo1

0 1

0
1 1
Atributo3

Ni2(3,0) = 21 + 2
P [ x '2 (3) = 0 ] = (2 + 2 ) 2 21 2 2 ( 2 + 21 ) + ( 2 + 23 )

0
0
Atributo4

0
Atributo2

Manipulveis

Perfil (t) 1 2 3

1 0 1

0 1

1
1 1

Ni2(3,1) = 2 + 23
P [ x ' 0 ( 3 ) = 1] =

1
0

Ser imputado aquele nvel que apresentar a maior probabilidade de ocorrncia

Suponha:

2 + 23 ( + 2 ) + ( 2 + 23 ) 21
2 2

21=0,3 2=0,2

23=0,7
(0,2 + 0,7) P[ x'0 (1) = 1] = = 0,874 2 2 (0,2 + 0,3 ) + (0,2 + 0,7)

(0,2 2 + 0,32 ) P[ x'0 (0) = 1] = = 0,126 2 2 (0,2 + 0,3 ) + (0,2 + 0,7)

H uma probabilidade maior de que o nvel 1 seja imputado.

Formulao Geral
Nmero de Coincidncias
Informao a priori
N ij ( t * , l * ) = N ij ( 0 , l )
*

Similaridade entre Perfis e atributos

+ ( (i (t j ,t 'j)') I [ x 'ij ( t ), x ij ( t ' )]

t'

t 1

j ' =1, j ' j

t 1

t t ' i ( j , j ')

I [ x ij ' ( t ), x ij ' ( t ' )] I [ x 'ij ( t ), x ij ( t ' )])

Probabilidade de imputao de um nvel:

* 1, se rij (t ) = 1 e x'ij (t ) = l j * * P[ x'ij (t ) = l j ] = 0, se rij (t ) = 1 e x'ij (t ) l j * N ij (t , l j ) N ij (t ,0) + N ij (t ,1)

Perfil potencial
P[ x'ij (t ) = Z k ] = P[ x'ij (t ) = l j ]
j =1 J

Formulao Geral: Modelo Bayesiano

Funo de Verossimilhana
2J 1 { i (t )}2 L( i , j , ' j , i , i , , yi ) = exp 2 2 P[ x'i (t ) = Z K ] k =1 2 2 t =1 i i
T 2 i

Prioris

j =1 i (t ) = i i (t 1) + ui (t )

Termo auto- regressivo (t ) = y (t ) + [ x' (t ) + ' r (t )]

J i i i ij ij ij ij

Estimao:
Procedimento Bayesiano MCMC; Pacote BRugs do R e Winbugs;

1 Sugerido pelos autores

Aplicao Prtica

Aplicao: Motivao no Trabalho

Motivao: A motivao de um indivduo ao desempenhar uma tarefa fruto de sua persistncia, vontade e satisfao com que ela realizada Robbins (2002).
Maior valor Maior valor agregado agregado empresa empresa

Funcionrio Funcionrio Motivado Motivado

Objetivo: Comparar diferentes mtodos de imputao em um estudo sobre preferncias no ambiente de trabalho, bem como estudar a percepo dos indivduos quanto s caracterstivas de um emprego visando identificar o perfil motivacional de uma equipe.

Aplicao: Seleo dos atributos

Teorias Motivacionais:

Aplicao: Seleo dos atributos

Desafios: Freqentes Raros Exposio: Horizontal Vertical Horas de trabalho: De 40 a 50 horas semanais trabalho: Acima de 50 horas semanais Remunerao: Sem aumento no salrio anual Aumento de 20% no salrio anual Reconhecimento: Colegas Gestor Gestor: Omisso Gestor: Omisso Participativo Clima na rea: Colaborativo entre os colegas rea: Competitivo
7 atributos com 7 atributos com 2 nveis cada 2 nveis cada

128 possveis 128 possveis estmulos estmulos

Delineamento Delineamento Fatorial Fatorial Fracionrio Fracionrio

20 estmulos 20 estmulos 16 estimao 16 estimao + + 4 validao 4 validao

Planejamento
Delineamento Completo: Todos atributos presentes na descrio do estmulo

Planejamento
Delineamento Incompleto 1 Omisso

Planejamento
Delineamento Completo:
Atividade Sem aumento na remunerao anual Atividade Sem aumento na remunerao anual Trabalho reconhecido pelos colegas Trabalho reconhecido pelos colegas Exposio vertical Exposio vertical Jornada de 40 a 50 horas semanais Jornada de 40 a 50 horas semanais Gestor omisso Gestor omisso Clima competitivo entre os colegas Clima competitivo entre os colegas Atividade Sem aumento na remunerao anual Atividade Sem aumento na remunerao anual Trabalho reconhecido pelos colegas Trabalho reconhecido pelos colegas Jornada de 40 a 50 horas semanais Jornada de 40 a 50 horas semanais Gestor omisso Gestor omisso Clima competitivo entre os colegas Clima competitivo entre os colegas Atividade Sem aumento na remunerao anual Atividade Sem aumento na remunerao anual Trabalho reconhecido pelos colegas Trabalho reconhecido pelos colegas Jornada de 40 a 50 horas semanais Jornada de 40 a 50 horas semanais Gestor omisso Gestor omisso

Incompleto 1 Omisso:
Exposio

Incompleto 2 Omisses:
Exposio Clima da rea

Planejamento
Detalhes da pesquisa: Amostra: Empregados do setor bancrio; Realizao em duas etapas espaadas em 30 dias (Cross-over); Apresentao dos estmulos sob forma de pargrafo; Escala de medida mtrica (0 a 100); Nova emisso de questionrios ( via email); Estimao via rotina BRugs do R: 100.000 repeties e perodo=15;

Nmero de questionrios respondidos por fase

Omisses Completo 1 Omisso 2 Omisses

Fase 1 30 27 12

Fase 2 Total 18 9 10 48 36 22

Modelos estimados
Perfis: Completos X Incompletos Modelos: a) Padro b) Com termo indicativo de presena do atributo Omisses: 1 e 2 omisses simultneas Formas de imputao: a) Valor Padro b) Recncia c) Aprendizado Prioris Utilizadas:

Softwares
R 2.2.0.lnk

Consideraes Alternativa de estimao: Software livre; Estimao bayesiana -> maior flexibilidade na modelagem; Rotina complexas: alto tempo de processamento;

1 Omisso
lnL AIC

Medidas de diagnstico de ajuste

Completo V. Padro V.Padro+'

Muitos Parmetros Recncia Recncia+ ' Aprendizado

-2,91 186,11 7,69 15,55 116,59 439,21 0,77 0,09

-2,97 190,21 9,90 29% 18,36 18% 204,83 76% 500,61 14% 0,79 0,19

-2,96 331,86 10,36 35% 13,35 -14% 204,80 76% 322,59 -27% 0,74 0,18

-2,93 187,52 8,47 10% 15,97 3% 136,65 17% 381,76 -13% 0,81 0,18

-3,01 337,57 10,78 40% 14,87 -4% 217,92 87% 335,45 -24% 0,78 0,18

-2,26 307,50 6,58 -14% 15,19 -2% 140,52 21% 384,02 -13% 0,90 0,10
Alta correlao

EAM ESTIMA % VALIDA % EQM ESTIMA % VALIDA % Corr

Utilidades Parciais
1 Omisso
Modelo de Imputao Remunerao
Completo Valor Padro V.Padro+' Recncia Recncia+ ' Aprendizado
Mdia d.p. Mdia d.p. Mdia d.p. Mdia d.p. Mdia d.p. Mdia d.p.

Reconhecimento

Exposiao

Jornada de Trabalho

Gesto

Clima na rea Desafios

Intercepto

22,76
16,13

-2,44
13,13

5,90
6,62

-4,47
13,15

11,37
10,47

2,79
12,97

9,29
4,70

28,46
18,60

24,02
15,34

-1,32
5,57

9,06
10,36

-5,58
12,64

4,65
9,09

13,86
7,42

10,98
6,91

28,36
14,08

24,17
11,23

-2,47
1,21

5,99
4,61

-10,37
2,52

7,69
1,57

8,93
2,12

9,67
5,44

8,72
7,51

22,56
15,95

0,07
6,37

8,76
9,97

-3,81
9,98

11,00
8,38

10,92
9,65

12,19
7,86

21,69
13,09

23,18
9,89

-2,10
1,55

7,19
3,64

-5,94
1,57

10,61
2,54

8,44
4,36

7,11
2,83

7,06
4,15

20,92
17,62

-0,23
3,78

7,48
7,71

-6,02
9,66

8,50
7,60

10,47
8,73

11,10
7,93

8,72
7,51

Reconhecimento do Reconhecimento do trabalho feito pelo gestor trabalho feito pelo gestor mais importante do que mais importante do que pelos colegas de trabalho pelos colegas de trabalho

Rejeio a jornada de Rejeio a jornada de trabalho acima de 50h trabalho acima de 50h semanais semanais

Resultados similares so encontrados quando estmulos com duas omisses so avaliados Resultados similares so encontrados quando estmulos com duas omisses so avaliados

Utilidades Parciais (termo )

1 Omisso
Modelo de Imputao
Completo Aprendizado ' V.Padro ' Recncia '
Mdia d.p. Mdia d.p. Mdia d.p. Mdia d.p. Mdia d.p. Mdia d.p. Mdia d.p.

Remunerao

Reconhecimento

Exposiao

Jornada de Trabalho

Gesto

Clima na rea Desafios

Intercepto

22,76
16,13

-2,44
13,13

5,90
6,62

-4,47
13,15

11,37
10,47

2,79
12,97

9,29
4,70

28,46
18,60

20,92
17,62

-0,23
3,78

7,48
7,71

-6,02
9,66

8,50
7,60

10,47
8,73

11,10
7,93

8,72
7,51

4,54
5,19

6,33
4,59

2,47
3,43

6,00
5,20

3,02
5,24

24,17
11,23

-2,47
1,21

5,99
4,61

-10,37
2,52

7,69
1,57

8,93
2,12

9,67
5,44

8,72
7,51

6,15
1,17

15,02
1,70

2,50
1,31

5,60
0,78

2,20
2,11

23,18
9,89

-2,10
1,55

7,19
3,64

-5,94
1,57

10,61
2,54

8,44
4,36

7,11
2,83

7,06
4,15

4,16
1,75

8,73
2,11

4,01
0,86

6,43
1,38

4,34
1,85

Os erros padres para as estimativas com o termo mostram-se menores nos modelos Os erros padres para as estimativas com o termo mostram-se menores nos modelos cuja imputao feita atravs do nvel padro ou pela recncia. cuja imputao feita atravs do nvel padro ou pela recncia. Resultados similares so encontrados quando estmulos com duas omisses so avaliados Resultados similares so encontrados quando estmulos com duas omisses so avaliados

Modelo de Aprendizado
35%

Importncia Relativas
30,3%
30%

27,8%

25%

20%

15%

1 ,5% 1
10%

1 2,0% 9,0% 4,9%

1 2,9%1 2,8%

1 3,5%1 2,9% 1 ,4% 1

1 4,2% 1 ,5% 1

1 5,4%

A Remunerao o A Remunerao o atributo de maior atributo de maior importncia relativa importncia relativa

5%

0%

Remunerao Reconhec.

Exposiao Completo

Jornada de Trabalho

Gesto Aprendizado

Clima

Desafios

Recncia
40%
34,8%

35%
30,3%

Importncia Relativa(%)

30% 25% 20% 15% 10% 5% 0%

3,4% 11,5% 9,0% 12,9% 10,7% 9,5% 17,0% 13,5% 13,6% 11,4% 11,5%11,0%

Remunerao Reconhec.

Completo

Exposiao Jornada de Trabalho

Gesto
Recncia

Clima

Desafios

Resultados Importncia Relativas

Identificao de Grupos Similares quanto preferncia
45% 40% 35% 30% 25% 20% 15% 10% 5% 0% Remun. Reconh. Grupo 1 Exposio Grupo 2 Jornada Grupo 3 Gesto Clima Desafios Grupo 4

Grupo 1: Remunerao Grupo 1: Remunerao Grupo 2: Jornada de Trabalho Grupo 2: Jornada de Trabalho Grupo 3: Clima da rea Grupo 3: Clima da rea Grupo 4: Gesto Grupo 4: Gesto

Consideraes Finais
H muito o que explorar... ousar.... e contribuir com a sociedade.

Consideraes Finais
Desafio na aplicao da APC na rea de RH; Modelagem pouco restritiva. Os respondentes sentem dificuldade em mensurar sua preferncia quando o objeto sob avaliao no um produto fsico; Os respondentes percebem a ausncia de um atributo quando este for de sua grande importncia; Modelo de aprendizado: Resultados satisfatrios porm grande tempo de processamento; Modelo de Recncia: Boa relao de custo X benefcio;

Perguntas

Agradecimentos

Conjoint Analysis
Karina Pretto prettok@yahoo.com.br