Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 5

first rewind previous Page / 1 next fast forward last

Search results

help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1
Publication available in full text mode
Content available

Gary Stanley Becker. Ekonomia jako sztuka najlepszego wykorzystywania życia

100%
Domurat A.
Decyzje
|
2020
|
issue 34
95-103
2
Publication available in full text mode
Content available

Complaining Decreases the Efficiency of Dialogue as a Method of Social Influence

84%
Białek M., Domurat A.
Management and Business Administration. Central Europe
|
2015
|
issue 1
32-48
EN
Purpose: The aim of the paper is to examine the efficiency of complaining as a method of social influence (Doliński, 2005). In Polish culture, complaining seems to be an efficient technique for initiating a dialogue, potentially increasing the effectiveness of persuasive messages expressed in a conversation. Methodology: The hypothesis was tested in two natural experiments. In the first one, a random sample of persons (n=246) were asked to let the experimenter through to the checkout counter at a supermarket. The request was preceded either by (1) a dialogue, (2) a complaint, or (3) no prior contact. It was either substantially or seemingly justified. In the second study, customers in a shop (n=46) were invited to pursue conversation initiated with (1) a positive statement or (2) a complaint regarding an extensive range of products. Findings: Study 1 proved that a seemingly justified request preceded by complaining is less effective (65.6 per cent) than a request preceded by a dialogue (93.8 per cent); this result is similar to the result of the control group (53.1 per cent). When the request was substantially justified, both dialogue and complaining seemed equally effective (86 per cent and 90 per cent respectively) – more effective than the results of the control group (46 per cent). In Study 2, positive and negative remarks initiating a conversation triggered similar responses in terms of willingness to pursue the dialogue (73.1 per cent and 78.3 per cent respectively). Constraints to research: Natural experiments presented in the paper were not controlled for such variables as environmental factors or individual differences. Originality: Complaining has never been subject to systematized examination as a method of social influence.
3
Publication available in full text mode
Content available

Niepewność i niejasność jako uwarunkowania decyzji ekonomicznych

84%
Domurat A., Zieliński T.
Decyzje
|
2013
|
issue 20
21-48
PL
W klasycznym podziale warunków decyzji (pewność, niepewność, ryzyko) niepewność definiuje się jako nieznajomość prawdopodobieństwa. Badania D. Ellsberga wskazały na konieczność wyodrębnienia niejasności jako czwartego rodzaju uwarunkowań decyzji, pośredniego między niepewnością a ryzykiem. Niepewność jest jednak pojęciem bardziej złożonym, jest ona powszechnie doświadczana w odniesieniu do ważnych kwestii innych niż całkowity lub częściowy brak wiedzy o prawdopodobieństwie. W artykule wyróżniono wiele kategorii niepewności, ilustrując je przykładami z dziedzin, takich jak: zachowania konsumenckie, oszczędzanie, inwestowanie i przedsiębiorczość. Na koniec pokazano niektóre sposoby radzenia sobie z różnymi rodzajami niepewności.
4
Publication available in full text mode
Content available

Dowodzenie hipotez za pomocą zzynnika bayesowskiego (bayes factor): przykłady użycia w badaniach empirycznych

84%
Domurat A., Białek M.
Decyzje
|
2016
|
issue 26
EN
Statistical tests are used in science in order to support research hypotheses (theory, model). The Bayes Factor (BF) is a method that weighs evidence and shows which out of two hypotheses is better supported. Adopting the BF in statistical inference, we can show whether data provided stronger support for the null hypothesis, the alternative hypothesis or whether it is inconclusive and more data needs to be collected to provide more decisive evidence. Such a symmetry in interpretation is an advantage of the Bayes Factor over classical null hypothesis signifi cance testing (NHST). Using NHST, a researcher draws conclusions indirectly, by rejecting or not rejecting the null hypothesis. The discrepancy between these decisions and the researcher’s needs, often leads to misinterpretation of signifi cance test results, e.g. by concluding that non-signifi cant p-values are evidence for the absence of differences between groups or that variables are independent.In this work we show the main differences between the Bayesian and the frequential approach to the understanding of probability and statistical inference. We demonstrate how to verify hypotheses using the BF in practice and provide concrete examples of how it modifi es conclusions about empirical fi ndings based on the NHST procedure and the interpretation of p-values. We discuss the advantages of the BF – particularly the validation of a null hypothesis. Additionally, we provide some guidelines on how to do Bayesian statistics using the freeware statistical program JASP 0.8.
PL
Testów statystycznych używa się w nauce po to, żeby wesprzeć zaproponowane hipotezy badawcze (teorie, modele itp.). Czynnik bayesowski (Bayes Factor, BF) jest metodą bezpośrednio wskazującą tę z dwóch hipotez, która lepiej wyjaśnia uzyskane dane. Jego wykorzystanie we wnioskowaniu statystycznym prowadzi do jednego z trzech wniosków: albo badanie bardziej wspiera hipotezę zerową, albo alternatywną, albo wyniki nie wspierają żadnej w sposób rozstrzygający i są niekonkluzywne. Symetria tych wniosków jest przewagą metody czynnika bayesowskiego nad testami istotności. W powszechnie używanych testach istotności nie formułuje się wniosków wprost, lecz albo się odrzuca hipotezę zerową, albo się jej nie odrzuca. Rozdźwięk między taką decyzją a potrzebami badacza często jest powodem nadinterpretacji wyników testów statystycznych. W szczególności wyniki nieistotne statystycznie są często nadinterpretowane jako dowód braku różnic międzygrupowych lub niezależności zmiennych.W naszej pracy omawiamy założenia teoretyczne metody BF, w tym różnice między bayesowskim a częstościowym rozumieniem prawdopodobieństwa. Przedstawiamy sposób weryfi kacji hipotez i formułowania wniosków według podejścia bayesowskiego. Do jego zalet należy m.in. możliwość gromadzenia dowodów na rzecz hipotezy zerowej. Wykorzystanie metody w praktyce ilustrujemy przykładami bayesowskiej reinterpretacji wyników kilku opublikowanych badań empirycznych, w których wykonywano tradycyjne testy istotności. Do obliczeń wykorzystaliśmy darmowy program JASP 0.8, specjalnie dedykowany bayesowskiej weryfi kacji hipotez statystycznych.
5
Publication available in full text mode
Content available

Czy istnieje ogólna skłonność jednostki do ryzyka?

84%
Tyszka T., Domurat A.
Decyzje
|
2004
|
issue 2
PL
W teorii decyzji zakłada się indywidualny stosunek decydenta do ryzyka. Chciałoby się zatem umieć określać (mierzyć) ten stosunek. Jednakże pomiar stosunku jednostki do ryzyka, dokonywany za pomocą różnych technik, okazuje się niezgodny. Pojawia się dalsze pytanie, czy stosunek do ryzyka u tej samej osoby jest taki sam, czy różny w rozmaitych sferach życia. Prezentowane badanie pokazuje, że stosunek ten jest zróżnicowany. Okazało się także, że skłonność do ryzyka, w zależności od dziedziny, różni takie grupy społeczno-demograficzne jak: grupy dochodowe, narodowe czy mężczyzn i kobiety.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.