We present a Bayesian approach for the analysis of rating data when a scaling component is taken into account. Model-based probability effect measures for comparing distributions of several groups, adjusted for explanatory variables affecting both location and scale components, are computed. Markov Chain Monte Carlo techniques are implemented to obtain parameter estimates and the mentioned measures. An analysis on students’ evaluation of a university orientation service is carried out to assess the performance of the method and make more valuable the decision making process of university players (stakeholders).

Il contributo presenta un approccio bayesiano per l’analisi dei dati rating quando una componente di variabilit`a nei dati `e presente. Sono calcolate misure di probabilit`a basate su modelli per confrontare le distribuzioni di diversi gruppi, con- dizionate alle variabili esplicative che influenzano sia la componente di posizione che di variabilit`a del tratto latente. Tecniche Markov Chain Monte Carlo sono im- plementate per ottenere le stime dei parametri e le misure menzionate. Al fine di valutare la proposta metodologica e contributire al processo decisionale degli at- tori universitari (stakeholder), viene riportata un’analisi sulla valutazione da parte degli studenti di un servizio di orientamento universitario.

Modelling scale effects via a Bayesian approach: an application to decision making in public sector = Modellazione degli effetti di scala tramite un approccio bayesiano: un’applicazione al processo decisionale nel settore pubblico / M. Iannario, C. Tarantola - In: Book of short papers / [a cura di] R. Lombardo, I. Camminatiello, V. Simonacci. - [s.l] : PKE Srl, 2022. - ISBN 9788894593358. - pp. 243-248 (( convegno IES2022 tenutosi a Napoli nel 2022.

Modelling scale effects via a Bayesian approach: an application to decision making in public sector = Modellazione degli effetti di scala tramite un approccio bayesiano: un’applicazione al processo decisionale nel settore pubblico

C. Tarantola
2022

Abstract

We present a Bayesian approach for the analysis of rating data when a scaling component is taken into account. Model-based probability effect measures for comparing distributions of several groups, adjusted for explanatory variables affecting both location and scale components, are computed. Markov Chain Monte Carlo techniques are implemented to obtain parameter estimates and the mentioned measures. An analysis on students’ evaluation of a university orientation service is carried out to assess the performance of the method and make more valuable the decision making process of university players (stakeholders).
Il contributo presenta un approccio bayesiano per l’analisi dei dati rating quando una componente di variabilit`a nei dati `e presente. Sono calcolate misure di probabilit`a basate su modelli per confrontare le distribuzioni di diversi gruppi, con- dizionate alle variabili esplicative che influenzano sia la componente di posizione che di variabilit`a del tratto latente. Tecniche Markov Chain Monte Carlo sono im- plementate per ottenere le stime dei parametri e le misure menzionate. Al fine di valutare la proposta metodologica e contributire al processo decisionale degli at- tori universitari (stakeholder), viene riportata un’analisi sulla valutazione da parte degli studenti di un servizio di orientamento universitario.
Heterogeneity of variances; MCMC; ordinal responses; ordinal superiority measures; scale effects
Settore SECS-S/01 - Statistica
2022
Book Part (author)
File in questo prodotto:
File Dimensione Formato  
Iannario_Tarantola.pdf

accesso riservato

Tipologia: Publisher's version/PDF
Dimensione 345.73 kB
Formato Adobe PDF
345.73 kB Adobe PDF   Visualizza/Apri   Richiedi una copia
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2434/1074428
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact