In fast jeder ökonomischen Entscheidung sind mehrere Zielsetzungen simultan zu berücksichtigen. In der Praxis werden hierfür häufig Verfahren der multiattributiven Nutzentheorie (MAUT) benutzt, insbesondere die einfach zu handhabende Nutzwertanalyse. Bei diesen Verfahren müssen Präferenzen hinsichtlich der einzelnen Zielsetzungen immer unabhängig voneinander erhoben werden. Diese vorausgesetzte Präferenzunabhängigkeit impliziert also, dass die Bewertung einer Zielsetzung unabhängig von den Ausprägungen der anderen Zielsetzungen ist. Demzufolge würde beispielsweise bei der Bewertung einer Mahlzeit die Präferenz für mögliche Speisen, z. B. Rinder- oder Fischfilets, unabhängig von der Präferenz für mögliche Weine, z. B. Dornfelder oder Riesling, erhoben. In der Praxis hat man es aber häufig mit Zielsystemen zu tun, die wie in dem Mahlzeit-Beispiel präferenzabhängig sind. Für diese sind daher die Verfahren der MAUT nicht geeignet.
In dieser Arbeit wird eine völlig neuartige Modellwelt der MAUT konzipiert, die ohne die Prämisse der Präferenzunabhängigkeit auskommt. Das Gesamtnutzenfaktor-Modell (GNF-Modell) bildet die Präferenzen mithilfe von Faktoren ab, deren Produkt die Präferenzaggregation abbildet. Mathematisch fundiert wird der GNF mithilfe einer Taylorentwicklung als Summe ökonomisch interpretierbarer Terme dargestellt. Durch eine einfach zu handhabende Gewichtung dieser Terme kann der Entscheidungsträger seine Präferenzen und deren Interaktion abbilden.
Anders als die traditionelle MAUT erlaubt das GNF-Modell eine in sich konsistente Modellierung präferenzunabhängiger und präferenzabhängiger Zielsysteme. Der multiplikative Ansatz des GNF-Modells führt zu einer ökonomisch einfacheren und dem menschlichen Entscheidungsverhalten angemesseneren Interpretation des Entscheidungskriteriums als die traditionelle MAUT. Daher erscheint das GNF-Modell der traditionellen MAUT konzeptionell überlegen.
Aktualisiert: 2019-10-03
> findR *
MEHR ANZEIGEN
Bücher zum Thema Multiattributive Entscheidung
Sie suchen ein Buch über Multiattributive Entscheidung? Bei Buch findr finden Sie eine große Auswahl Bücher zum
Thema Multiattributive Entscheidung. Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr
hat zahlreiche Bücher zum Thema Multiattributive Entscheidung im Sortiment. Nehmen Sie sich Zeit zum Stöbern und finden Sie das
passende Buch für Ihr Lesevergnügen. Stöbern Sie durch unser Angebot und finden Sie aus unserer großen Auswahl das
Buch, das Ihnen zusagt. Bei Buch findr finden Sie Romane, Ratgeber, wissenschaftliche und populärwissenschaftliche
Bücher uvm. Bestellen Sie Ihr Buch zum Thema Multiattributive Entscheidung einfach online und lassen Sie es sich bequem nach
Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch.
Multiattributive Entscheidung - Große Auswahl Bücher bei Buch findr
Bei uns finden Sie Bücher beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher zum
Thema Multiattributive Entscheidung, die Ihre Fantasie anregen und Bücher, die Sie weiterbilden und Ihnen wissenschaftliche
Fakten vermitteln. Ganz nach Ihrem Geschmack ist das passende Buch für Sie dabei. Finden Sie eine große Auswahl
Bücher verschiedenster Genres, Verlage, Autoren bei Buchfindr:
Sie haben viele Möglichkeiten bei Buch findr die passenden Bücher für Ihr Lesevergnügen zu entdecken. Nutzen Sie
unsere Suchfunktionen, um zu stöbern und für Sie interessante Bücher in den unterschiedlichen Genres und Kategorien
zu finden. Unter Multiattributive Entscheidung und weitere Themen und Kategorien finden Sie schnell und einfach eine Auflistung
thematisch passender Bücher. Probieren Sie es aus, legen Sie jetzt los! Ihrem Lesevergnügen steht nichts im Wege.
Nutzen Sie die Vorteile Ihre Bücher online zu kaufen und bekommen Sie die bestellten Bücher schnell und bequem
zugestellt. Nehmen Sie sich die Zeit, online die Bücher Ihrer Wahl anzulesen, Buchempfehlungen und Rezensionen zu
studieren, Informationen zu Autoren zu lesen. Viel Spaß beim Lesen wünscht Ihnen das Team von Buchfindr.