Powered by OpenAIRE graph
Found an issue? Give us feedback
addClaim

Diseño de escenarios para la obtención de preferencias declaradas

Authors: Soler Martínez, María;

Diseño de escenarios para la obtención de preferencias declaradas

Abstract

Treball final de Màster Universitari en Matemàtica Computacional. Codi: SIQ027. Curs acadèmic 2015-2016 El objetivo principal del presente trabajo final de máster (TFM) es el diseño efectivo de encuestas para obtener preferencias sobre tratamientos, estas serán medidas mediante un experimento de elección discreta. Las herramientas utilizadas serán, programación en Excel (Visual Basic), método de elección discreta (discrete choice) y diseño factorial. Se pretende estudiar las preferencias de las características que son valoradas por el consumidor a la hora de comprar un tratamiento para la cura o mejora de su enfermedad, o las características que valoran los médicos a la hora de recetar un tratamiento o medicamento (en este estudio generalizaremos la utilidad, ya que así podemos obtener una perspectiva mucho más amplia). Para ello se utilizarán encuestas, las cuales estarán diseñadas con el número óptimo de preguntas de elección, y el diseño del experimento deberá cumplir unas premisas para garantizar que se trata de un buen modelo de escenarios de elección discreta. De este modo se podrán obtener resultados fiables sobre las preferencias de los consumidores. A lo largo del trabajo veremos cómo programar en Visual Basic una calculadora Excel (Macros) que constará de dos partes. La primera, en la cual introduciendo el número de atributos (características del tratamiento a valorar) y sus niveles (categorías de cada una de las características), nos muestra el número de escenarios óptimo. Por otro lado, la segunda parte de la calculadora, nos mostrará un posible diseño de estos (este no es único). Para ello estudiaremos, en la sección 1, los experimentos de elección discreta, en búsqueda de indicaciones para encontrar el mejor diseño de escenarios para realizar dichos experimentos (Discrete choice), además introduciremos el modelo probabilístico que se esconde detrás de un Discrete choice. Por otra parte, veremos el diseño factorial, ya que será el método más eficiente para el estudio del efecto de cada atributo sobre la variable respuesta, en nuestro caso, las preferencias (de este modo, se puede estudiar eficientemente las preferencias de los encuestados sobre los tratamientos). Utilizaremos una variante de este, llamado diseños factoriales fraccionados, con el propósito de buscar el número mínimo de dimensiones capaces de explicar el máximo de información. Otro problema al que nos enfrentaremos será, además de obtener las pautas para la minimización y el diseño eficiente de escenarios de calidad para estudiar las preferencias, la programación de nuestros objetivos en el lenguaje BASIC. Veremos que se trata de un lenguaje sencillo, que mediante el uso de bucles y su conjunto de herramientas nos facilitará la construcción de instrucciones necesarias para nuestro propósito. Por lo tanto, este estudio se centrará en intentar encontrar las claves para el diseño de un buen experimento de elección discreta, en el que se tendrá en cuenta tanto la carga cognitiva como la configuración de conjuntos de elección con un buen diseño.

Country
Spain
Related Organizations
Keywords

Master's Degree in Computational Mathematics, Màster Universitari en Matemàtica Computacional, Máster Universitario en Matemática Computacional

  • BIP!
    Impact byBIP!
    selected citations
    These citations are derived from selected sources.
    This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    0
    popularity
    This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
    Average
    influence
    This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    Average
    impulse
    This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
    Average
    OpenAIRE UsageCounts
    Usage byUsageCounts
    visibility views 50
    download downloads 665
  • 50
    views
    665
    downloads
    Powered byOpenAIRE UsageCounts
Powered by OpenAIRE graph
Found an issue? Give us feedback
visibility
download
selected citations
These citations are derived from selected sources.
This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Citations provided by BIP!
popularity
This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
BIP!Popularity provided by BIP!
influence
This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Influence provided by BIP!
impulse
This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
BIP!Impulse provided by BIP!
views
OpenAIRE UsageCountsViews provided by UsageCounts
downloads
OpenAIRE UsageCountsDownloads provided by UsageCounts
0
Average
Average
Average
50
665
Green