Strukturalna ekwiwalencja ∏aƒcuchów Ęrodków

Zeszyty
Naukowe nr
680
2005
Akademii Ekonomicznej w Krakowie
Adam Sagan
Katedra Analizy Rynku i Badaƒ
Marketingowych
Strukturalna ekwiwalencja
∏aƒcuchów Êrodków-celów
1. Zało˝enia modelu Êrodków-celów
Podejście środków-celów w badaniach zachowania konsumenta jest bardzo
popularne w jakościowych badaniach marketingowych. Założenia teoretyczne tej
metody wywodzą się z teorii konstruktów osobowych Kellyʼego, teorii wartości
Rokeacha oraz teorii atrybucji i struktur poznawczych Scotta. W marketingu idee
tego podejścia znajdują się w koncepcjach łańcuchów i struktur korzyści Younga
i Feigena i Myersa1. Najbardziej dojrzałą postać podejście to znajduje w pracy
Reynoldsa i Gutmana2.
Koncepcyjny model środków-celów pozwala na identyfikację struktury
poznawczej i motywacyjnej konsumentów. Integruje wiele perspektyw metodologicznych w badaniach konsumenta kładących nacisk na poznawczą organizację
i kategoryzację produktów przez konsumentów. Podejście środków-celów, wychodząc z wieloatrybutowej teorii postaw Rosenberga i Fishbeina, podkreśla także
hierarchiczną organizację celowych działań konsumenta. Podstawowe założenia
teorii środków-celów są następujące:
1) postępowanie konsumenta na rynku ma charakter celowy wynikający z działań nakierowanych na zaspokajanie potrzeb i rozwiązywanie problemów;
2) działania konsumenta mają charakter świadomego i wolnego wyboru;
1
S. Young, B. Feigen, Using the Benefit Chain for Improved Strategy Formulation, „Journal
of Marketing” 1975, nr 39, s. 72–74; J.M. Myers, The Benefit Structure Analysis: A New Tool for
Product Planning, „Journal of Marketing” 1976, nr 40, s. 23–32.
2
T.J. Reynolds, J. Gutman, Laddering Theory. Method, Analysis and Interpretation, „Journal
of Advertising Research” 1988, nr 2, 11–31.
106
Adam Sagan
3) najważniejszymi kryteriami wolnego i świadomego wyboru w procesie
decyzyjnym są oczekiwane doświadczenia i konsekwencje wynikające z alternatyw wyboru;
4) zaspokajanie potrzeb związane jest z wyborami rynkowymi produktów,
które stanowią doświadczane lub potencjalne korzyści bądź konsekwencje rozwiązywanych problemów;
5) konsekwencje mogą mieć charakter pozytywny – tych konsument poszukuje,
lub negatywny – tych konsument unika;
6) konsekwencje i korzyści płynące z wyboru produktów są podstawowym
układem odniesienia dla konsumentów;
7) konsumenci wybierają produkty, które maksymalizują pozytywne i minimalizują negatywne konsekwencje tych wyborów;
8) produkty są rozumiane jako zespoły konkretnych i abstrakcyjnych charakterystyk dostarczających konsumentom określonych korzyści, będące środkami
osiągania celów;
9) osiągane cele mają charakter hierarchiczny i sekwencyjny, tworząc układy
środków-celów.
Hierarchia środków-celów występuje na trzech podstawowych poziomach:
– identyfikacyjnym, związanym z sytuacyjnie zdefiniowanymi zachowaniami
konsumpcyjnymi i podstawowymi funkcjonalnymi, psychologicznymi i społecznymi korzyściami (konsekwencjami) wynikającymi z używania produktu w danych
sytuacjach;
– motywacyjnym, dotyczącym ostatecznych celów i realizowanych wartości
dzięki podejmowanym działaniom;
– operacyjnym, odnoszącym się do planu działań i posiadanego przez konsumenta poznawczego schematu zachowania wynikającego z postrzeganych konkretnych i abstrakcyjnych cech produktu.
Punktem wyjścia tej koncepcji jest założenie, że konsumenci traktują produkty
jako zbiory charakteryzujących je atrybutów. Są to, z jednej strony, obiektywne,
bezpośrednio mierzalne fizyczne cechy konkretne (np. kolor, kształt, materiał),
które są bezpośrednio postrzegane przez konsumentów, a z drugiej – również
obiektywne i już w mniejszym stopniu mierzalne funkcjonalne własności i właściwości znajdujące się na wyższym poziomie abstrakcji (np. komfort, jakość,
trwałość). Atrybuty te określają subiektywne, niemierzalne bezpośrednio cechy
abstrakcyjne produktu (takie jak np. styl czy image). Wielowymiarowość produktu
i sposób postrzegania produktu przez konsumentów powoduje, że produkty są
nabywane nie dla nich samych, lecz dla konsekwencji związanych z ich użyciem
i służą jako środki rozwiązywania różnorakich problemów (w tym i symbolicznych) w drodze ich konsumpcji. Konsekwencje te również są wielopoziomowe.
Najogólniej można wyróżnić konsekwencje funkcjonalne, związane z bezpośred-
Strukturalna ekwiwalencja łańcuchów środków-celów
107
nimi korzyściami fizjologicznymi i utylitarnymi, psychologiczne – istotne dla
zaspokojenia potrzeb psychicznych, emocjonalnych czy hedonistycznych w drodze
ich konsumpcji, oraz społeczne – ważne dla realizacji ról, które konsumenci pełnią
w życiu społecznym.
Ostatecznym odniesieniem dla nich są instrumentalne i ostateczne wartości,
które stanowią trwałe i centralne przekonania o pożądanych sposobach postępowania. Najczęściej przyjmuje się w badaniach tego poziomu listę wartości
M. Rokeacha RVS .
Połączenie podstawowych cech oraz funkcjonalnych korzyści produktu oraz
bezpośrednich i pośrednich konsekwencji psychospołecznych, jak również wartości, które są podzielane przez konsumentów, tworzy hierarchiczny łańcuch celów-środków w ich strukturze wiedzy.
2. Identyfikacja ekwiwalencji strukturalnej łaƒcuchów
Êrodków-celów
Jednym z podejść w analizie środków-celów jest identyfikacja ekwiwalentnych
struktur powiązań między elementami łańcucha środków-celów w kontekście
analizy sieci społecznych3. W przeprowadzonych jakościowych badaniach empirycznych w celu identyfikacji map poznawczych cech chipsów ziemniaczanych
zastosowano technikę sortowania kart4. Wyodrębnione w trakcie dyskusji grupowych cechy chipsów, konsekwencje ich wyboru oraz wartości wyróżnione na
podstawie listy wartości LOV zostały zaprezentowane badanym w formie zestawu
kart. W kolejnym kroku zadaniem badanych było łączenie kolejno najbardziej
podobnych kart opisujących cechy, konsekwencje lub wartości aż do momentu,
w którym połączone zostaną dwie ostatnie pary kart w jeden wspólny stos. Na
każdym etapie łączenia kart badani rozdzielali je tzw. kartą kierunkową określającą kierunek relacji przyczynowych między daną cechą, konsekwencją a wartością. Uzyskana struktura łańcuchów środków-celów na każdym etapie wywiadu
pogłębionego była weryfikowana dwoma typami kart – kartą „konsekwencji”
(wskazującą na związki przyczynowe między cechami a konsekwencjami) oraz
kartą typu „wyjaśnienia” (wskazującą na relacje zwrotne zachodzące między np.
konsekwencjami a cechami).
W analizie struktur poznawczych konsumentów wyodrębnianych na podstawie analizy środków-celów ważną rolę odgrywa pojęcie ekwiwalencji pozycji
w strukturze sieci relacji. Wyróżnić można trzy podstawowe rodzaje ekwiwa3
Zob. A. Sagan, Metody sieciowe w analizie łańcuchów środków-celów z wykorzystaniem
programu UCINET, Zeszyty Naukowe AE w Krakowie, nr 558, Kraków 2001.
4
Badaniami objęto grupę 26 studentów.
Adam Sagan
108
lencji: strukturalną, automorficzną i regularną. Ekwiwalencja strukturalna jest
związana z podobieństwem wzorów relacji między elementami sieci, stąd dwie
pozycje są wzajemnie ekwiwalentne, jeżeli mają te same relacje ze wszystkimi
innymi pozycjami (np. jeżeli A prowadzi do C oraz B prowadzi do C, to A i B są
strukturalnie ekwiwalentne – zastępowalne). Ekwiwalencja automorficzna odnosi
się do zastępowalności położenia danych pozycji w strukturze sieci – jeżeli bez
zmian własności sieci jako całości A może zmienić się położeniem z B, to A
i B są amorficznie strukturalne. Regularna ekwiwalencja dotyczy podobieństwa
profili powiązań z innymi pozycjami, które są także regularnie ekwiwalentne
(jeżeli A ma taki sam profil powiązań jak B, to A i B są regularnie ekwiwalentne).
Najważniejszym rodzajem ekwiwalencji jest ekwiwalencja strukturalna – pozycje
strukturalnie ekwiwalentne są także ekwiwalentne automorficznie i regulanie.
Analiza ekwiwalencji strukturalnej łańcuchów środków-celów, czyli podobieństwa relacji danych elementów sieci zależności między cechami, konsekwencjami
a wartościami w strukturze łańcuchów środków-celów, może być dokonywana na
wiele sposobów: a priori na podstawie z góry przyjętych charakterystyk konsumentów lub identyfikować nieobserwowalne bezpośrednio układy ekwiwalentne
na podstawie prawdopodobieństw a posteriori przynależności określonych elementów łańcucha do danej klasy ukrytej. Prawdopodobieństwa a posteriori można
szacować na podstawie metody największej wiarygodności opartej na algorytmie
EM (expectation maximization) lub estymacji bayesowskiej (losowanie Gibbsa),
która zostanie wykorzystana w analizie.
Ekwiwalencja
strukturalna
Modele deterministyczne
a priori
Stochastyczne
modele a priori
Metoda największej
wiarygodności – EM
Estymacja bayesowska
– próbkowanie Gibbsa
Rys. 1. Rodzaje analiz ekwiwalencji strukturalnej
Źródło: opracowanie własne.
Analiza ekwiwalencji strukturalnej w podejściu a priori polega na identyfikacji podobnych pozycji z punktu widzenia ich powiązań z innymi elementami
Strukturalna ekwiwalencja łańcuchów środków-celów
109
układu. Stopień podobieństwa jest najczęściej mierzony na podstawie określonych
miar zgodności (positive matches) i przedstawiany za pomocą metod hierarchicznej analizy skupisk (diagram drzewkowy)5. Wynik wstępnej oceny strukturalnej
ekwiwalencji łańcuchów środków-celów w ujęciu deterministycznym dla badań
chipsów ziemniaczanych jest zaprezentowany na rys. 2.
1,000 0,967 0,900 0,876 0,831 0,800 0,778 0,767 0,754 0,706 0,544 0,519 0,497 0,408
4
3
9
10
8
1
2
7
5
6
11
12
13
14
15
16
17
Rys. 2. Ocena ekwiwalencji strukturalnej a priori łańcucha środków-celów
Objaśnienia: 1 – cienki, 2 – mały, 3 – mniej słony, 4 – brak konserwantów, 5 – falisty, 6 – w pudełku, 7
– małe opakowanie, 8 – łatwe w przełykaniu, 9 – zdrowsze, 10 – łatwe w użyciu, 11 – smaczne, 12
– dobre na prywatkę, 13 – dobre samopoczucie, 14 – miła atmosfera, 15 – luz, 16 – zabawa,
17 – poczucie przynależności
Źródło: opracowanie własne (wydruk programu UCINET).
Z rys. 2 wynika, że wyróżnić można pewne układy ekwiwalentnych pozycji
w łańcuchu środków-celów chipsów ziemniaczanych. Najbardziej ekwiwalentne są
pozycje nr 5, 6, 7 (cechy), 3, 4, 9 (cechy i ich konsekwencja funkcjonalna) oraz 13,
14, 15, 16, 17 (konsekwencje psychospołeczne i wartości), które charakteryzują się
identycznymi relacjami z pozostałymi elementami w strukturze łańcucha. Należy
również zwrócić uwagę na szczególną rolę pozycji 12 (dobre na prywatkę), która
stanowi odrębną konsekwencję psychospołeczną konsumpcji chipsów.
5
S.P. Borgatti, M.G. Everett, L.C. Freeman, Ucinet for Windows: Software for Social Network
Analysis, Analytic Technologies, Harvard 2002.
Adam Sagan
110
W ocenie ekwiwalencji strukturalnej wyróżnia się nie tylko pojedyncze elementy, lecz także pewne bloki cech, konsekwencji i wartości, które są wzajemnie zastępowalne. Tę własność w podejściu a priori można silniej wyodrębnić
wykorzystując w podejściu deterministycznym model CONCOR (convergence of
iterated correlations). Jest to model iteracyjnych korelacji pozwalających na ocenę
stopnia podobieństwa wektorów podobieństw pozycji X to wektora podobieństw
pozycji Y. Podstawą oceny jest macierz korelacji między elementami łańcucha
środków-celów, w której w sposób iteracyjny korelowane są poszczególne wiersze macierzy, aż uzyskana zostanie zbieżność korelacji na poziomie +1 lub –1.
W następnym kroku na podstawie współczynników korelacji następuje podział
danych na 2 podzbiory i powtarza się cykl iteracyjny, aż wszystkie pozycje macierzy znajdą się w osobnych podzbiorach. Generalnie dla n podziałów uzyskiwanych
jest 2n bloków danych (dla 2 podziałów – 4 bloki danych, dla 4 podziałów – 8 bloków itd.)6. Strukturę ekwiwalentnych bloków relacji przedstawia tabela 1.
Tabela 1. Struktura grup ekwiwalentnych pozycji w modelu CONCOR
1
2
7
6
5
10
11
12
13
8
3
4
9
14
15
16
17
1
1 2 7 6 5 0
1 1 1
1 2 3 8
1
1
1
1
1
1
1
1
1
1
3
4
9
1 1 1 1
4 5 6 7
1
1
1
1
1
1
1
1 1
1 1
1 1
1 1
1 1 1 1
1
1
1
1 1
1
1
1
1
1
1 1 1
1
1
1 1
1
Objaśnienia jak do rys. 2
Źródło: opracowanie własne na podstawie programu UCINET VI.
6
R.A. Hanneman, Social Network Analysis. On-Line Textbook, http://wizard.ucr.edu,
21.12.2001.
Strukturalna ekwiwalencja łańcuchów środków-celów
111
Przy zastosowaniu dwóch podziałów danych zostały wyodrębnione 4 bloki
pozycji. Elementy na głównych przekątnych wskazują na silną ekwiwalencję
zachodzącą w ramach poszczególnych bloków danych (szczególnie w obrębie bloku
drugiego i czwartego). Elementy pozaprzekątniowe wskazują na zachodzące relacje
między blokami. Jest to widoczne w relacjach między cechami chipsów i opakowania i konsekwencją funkcjonalną „łatwość w użyciu” (blok) a konsekwencjami
psychologicznymi „dobre na prywatkę” i „dobre samopoczucie” (pozycje 12, 13),
i funkcjonalnymi „łatwe w przełykaniu” i „smaczne” (8, 11).
3. Model stochastycznych struktur blokowych
w identyfikacji ekwiwalencji strukturalnej a posteriori
Model struktur blokowych estymowany jest w oparciu o podejście bayesowskie,
w którym prawdopodobieństwa a posteriori przynależności do klas ukrytych szacowane są a posteriori na podstawie losowania Gibbsa. Estymowane są: parametry określające prawdopodobieństwo istnienia relacji między elementami łańcucha
środków-celów, jeżeli dany element łańcucha znajduje się w danej klasie ukrytej,
oraz prawdopodobieństwo występowania danej klasy ukrytej. Przewidywanie klas
odbywa się na podstawie obserwowalnych relacji między elementami. Losowanie
Gibbsa ma charakter iteracyjny i odbywa się w tzw. sekwencjach Gibbsa zmierzających do osiągnięcia stacjonarnego rozkładu prawdopodobieństwa. Sekwencje te
umożliwiają określenie prawdopodobieństw a posteriori przynależności elementów łańcucha do klas ukrytych definiowanych ze względu na podobieństwo relacji.
Rozkład tych relacji jest lokalnie niezależny względem danej klasy ukrytej.
Wybór liczby klas ukrytych jest dokonywany na podstawie oceny wskaźników
przyrostu informacji Iy oraz przejrzystości struktury klas ukrytych Hx. Pierwszy
określa stopień przyrostu dodatkowej informacji związanej ze znajomością kolejnych klas ukrytych. Im niższa wartość tego współczynnika, tym pełniej obserwowalne relacje są wyjaśniane przez klasy ukryte. Drugi współczynnik wskazuje
prawdopodobieństwo, z jakim dane elementy należą do jednej klasy ukrytej. Im
niższa wartość współczynnika Hx, tym wyższe prawdopodobieństwo przynależności elementów do danej klasy ukrytej7. Wyniki analizy współczynników dla
sześciu klas ukrytych przy zastosowaniu w estymacji trzech sekwencji Gibbsa
przedstawia rys. 3.
7
K. Nowicki, T.A.B. Snijders, Estimation and Prediction for Stochastic Blockstructures,
„Journal of the American Statistical Association” 2001, nr 96, 1077–1087.
Adam Sagan
112
0,65
Hx
0,60
0,55
ly
0,50
0,45
0,40
0,35
0,30
0,25
1 LC
2 LC
3 LC
4 LC
ly1
ly2
ly3
5 LC
6 LC
Hx1
Hx2
Hx3
Rys. 3. Wykres osypiska wartości współczynników Iy, Hx
Źródło: opracowanie własne na podstawie programu StOCNET.
Biorąc pod uwagę wykres zdecydowano się wybrać model 3 – klasowy, ponieważ dalsze zwiększanie liczby klas ukrytych nie poprawi już wartości współczynników Iy, Hx. Dla modelu tego występuje także najsilniejszy spadek wskaźnika Iy.
Oszacowane parametry a posteriori przynależności relacji do danej klasy
ukrytej w modelu trójklasowym są przedstawione w tabeli 2.
Tabela 2. Prawdopodobieństwa przynależności relacji do danych klas ukrytych
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
1
94
66
62
93
92
93
90
60
80
91
0
5
19
13
16
14
94
67
64
93
92
93
89
61
80
91
0
5
21
14
18
16
2
66
67
87
66
66
67
62
89
56
62
0
28
41
43
44
42
3
62
64
87
64
64
63
57
84
52
59
0
26
45
46
47
46
4
93
93
66
64
94
94
87
59
80
88
0
5
22
15
18
16
5
92
92
66
64
94
93
86
60
80
88
0
5
22
15
19
16
6
93
93
67
63
94
93
87
61
81
88
0
5
21
14
18
16
7
90
89
62
57
87
86
87
61
84
91
4
10
15
12
14
15
8
60
61
89
84
59
60
61
61
59
63
2
32
38
44
43
46
9
80
80
56
52
80
80
81
84
59
84
10
16
15
13
14
16
1
0
91
91
62
59
88
88
88
91
63
84
2
9
17
14
16
16
1
1
0
0
0
0
0
0
0
4
2
10
2
64
1
1
0
1
1
2
5
5
28
26
5
5
5
10
32
16
9
64
24
31
28
30
1
3
19
21
41
45
22
22
21
15
38
15
17
1
24
88
89
87
1
4
13
14
43
46
15
15
14
12
44
13
14
1
31
88
90
93
Źródło: opracowanie własne na podstawie programu StOCNET.
1
5
16
18
44
47
18
19
18
14
43
14
16
0
28
89
90
91
1
6
14
16
42
46
16
16
16
15
46
16
16
1
30
87
93
91
1
7
Strukturalna ekwiwalencja łańcuchów środków-celów
113
W tabeli 2 wyróżniono pozycje sieci relacji środków-celów, które mają względnie
wysokie prawdopodobieństwa a posteriori przynależności do tej samej klasy ukrytej.
Z tabeli wynika, że relacje między cechami fizycznymi chipsów, ich opakowaniem
oraz łatwością użycia i smakiem są wyjaśniane przynależnością do tej samej klasy
ukrytej. Również relacje między konsekwencjami psychospołecznymi a wartościami
charakteryzują się wysokimi prawdopodobieństwami przynależności do klasy.
Analiza prawdopodobieństw przynależności do klas jest uzupełniona o identyfikację
struktury i klarowności separacji klas ukrytych. Jest to przedstawione w tabeli 3.
Tabela 3. Struktura separacji klas ukrytych
A/C/V
Klasa
Min prob.
Max prob.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
1
1
out
out
1
1
1
1
out
out
1
2
out
3
3
3
3
0,904
0,888
0,219
0,219
0,869
0,865
0,873
0,865
0,219
0,216
0,219
0,219
0,876
1,000
0,219
0,219
0,866
0,883
0,893
0,866
0,186
0,219
0,219
0,219
Źródło: opracowanie własne na podstawie programu StOCNET.
Tabela 3 przedstawia syntezę wyników analiz separacji klas. W kolejnych iteracjach znajdowano taki element łańcucha środków-celów, po usunięciu którego
następowała dalsza poprawa przejrzystości uzyskanej struktury klas. Z tabeli
wynika, że struktura separacji jest względnie klarowna i stabilna. Relacje między
cechami a konsekwencjami funkcjonalnymi należą do klasy nr 1, klasa ukryta
nr 2 to relacje konsekwencji społecznej „dobre na prywatkę”, a klasa ukryta nr 3
to głównie relacje w przekroju konsekwencji psychospołecznych i wartości osobowych. Minimalne prawdopodobieństwa przynależności tych pozycji do danej
klasy są wysokie (powyżej 0,85), a maksymalne prawdopodobieństwo, że pozycje
te należą do różnych klas, jest niskie (poniżej 0,22). Generalnie przyjmuje się, że
różnica między prawdopodobieństwami powinna być większa od 0,6, aby uznać
proces analizy separacji klas za zakończony8. Stąd wniosek, że po usunięciu pozycji 3, 4, 9, 10 i 13 struktura klas ukrytych jest stabilna i przejrzysta.
8
P. Boer, M. Huisman, T.A.B. Snijders, E.P.H. Zeggelink, StOCNET. An Open System for Advanced Statistical Analysis of Social Networks, Version 1.4, ProGAMMA/ICS, Groningen 2003.
Adam Sagan
114
Ostatnim etapem analizy jest obliczenie macierzy struktur blokowych. Ukazuje
ona charakter powiązań w wyodrębnionych klasach ukrytych. Macierz struktur
blokowych jest przedstawiona w tabeli 4.
Tabela 4. Macierz struktur blokowych
1
1
2
3
4
5
6
7
8
9
10
11
..
1
12
..
13
14
15
16
17
1
2
1
1
1
1
3
1
1
1
3
3
.
3
..
1
.
3
..
1
1
1
1
1
1
1
1
3
4
5
1
1
1
1
1
..
..
..
..
6
1
1
7
1
1
8
4
4
1
1
1
1
1
1
1
1
1
1
.
3
..
1
.
3
..
1
.
3
..
3
.
3
..
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
9
1
0
..
..
..
..
1
1
4
1
.
.
.
.
1
2
4
4
.
.
.
.
1
1
1
4
.
.
.
.
4
4
4
4
.
.
.
.
.
3
..
.
.
.
..
4
.
..
.
.
.
..
1
1
1
1
.
.
.
.
3
1
1
1
.
.
.
.
1
3
..
..
1
4
1
1
1
5
1
1
1
6
1
1
1
7
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
.
4
..
1
.
1
..
1
.
1
..
1
.
1
..
4
4
1
1
4
4
3
3
1
1
3
3
Źródło: opracowanie własne na podstawie programu StOCNET.
Tabela 4 przedstawia charakter relacji zachodzących w obrębie poszczególnych
klas ukrytych. W pierwszym wyróżnionym bloku dominują relacje symetryczne
(0;0 oznaczone kodem 1) oznaczające brak oddziaływań i ekwiwalentny charakter
cech chipsów. Występują także relacje asymetryczne (0;1/1;0 oznaczone odpowiednio kodami 3 i 4) dotyczące związków między pozycjami 1–8, 2–8, 1–11
i 8–11. Drugi blok stanowią relacje asymetryczne pozycji nr 12 z cechami produktu, które w większości mają charakter ekwiwalentny (wszystkie cechy służą
lepszemu samopoczuciu na prywatkach). Trzeci blok określa relacje symetryczne
(0;0) między cechami a wartościami, a ostatni, czwarty blok relacji stanowią asymetryczne powiązania przyczynowe między konsekwencjami psychospołecznymi
a wartościami osobowymi. Warto zauważyć również brak występowania zwrotnych relacji symetrycznych (1;1) w strukturze sieci.
4. Podsumowanie
Analiza ekwiwalencji strukturalnej łańcucha środków-celów jest szczególnie
ważnym podejściem w eksploracji złożonych sieci łańcuchów środków-celów
z występującymi sprzężeniami zwrotnymi. Umożliwia ona uzyskanie przejrzystej
Strukturalna ekwiwalencja łańcuchów środków-celów
115
struktury ekwiwalentnych (i tym samym zastępowalnych) sieci relacji zachodzących w złożonych łańcuchach środków-celów. Wprowadzenie metodologii klas
ukrytych w identyfikacji tych złożonych struktur rozszerza istotnie metodologię
badań nad łańcuchami środków-celów i pozwala na dotarcie do nieobserwowalnych bezpośrednio powiązań między cechami produktów, ich konsekwencjami
i wartościami.
Literatura
Boer P., Huisman M., Snijders T.A.B., Zeggelink E.P.H., StOCNET. An Open System for
Advanced Statistical Analysis of Social Networks, Version 1.4, ProGAMMA/ICS, Groningen, 2003.
Borgatti S.P., Everett M.G., Freeman L.C., Ucinet for Windows: Software for Social
Network Analysis, Analytic Technologies, Harvard 2002.
Hanneman R.A., Social Network Analysis. On-Line Textbook, http://wizard.ucr.edu.
Myers J.M., The Benefit Structure Analysis: A New Tool for Product Planning, „Journal
of Marketing” 1976, nr 40, s. 23–32.
Nowicki K., Snijders T.A.B., Estimation and Prediction for Stochastic Blockstructures,
„Journal of the American Statistical Association” 2001, nr 96, 1077–1087.
Reynolds T.J., Gutman J., Laddering Theory. Method, Analysis and Interpretation, „Journal
of Advertising Research” 1988, nr 2.
Sagan A., Metody sieciowe w analizie łańcuchów środków-celów z wykorzystaniem programu UCINET, Zeszyty Naukowe AE w Krakowie, nr 558, Kraków 2001.
Young S., Feigen B., Using the Benefit Chain for Improved Strategy Formulation, „Journal
of Marketing” 1975, nr 39.
Structural Equivalence of Means-end Chains
This article is devoted to the issue of identifying equivalent means-end chains based on
qualitative laddering. The author discusses the basic methods and techniques of collecting
and analysing means-end chains and places particular focus on an analysis of structural
equivalence. An estimate of equivalence involves using social network theory to analyse
data. The author identifies the structural equivalence of chains using deterministic methods
(the CONCOR model) and the stochastic block-structures model (UCINET and StOCNET
programs).