A Análise de Preferência Conjunta (APC) é uma metodologia estatística bastante utilizada em estudos de comportamento do consumidor e do mercado em geral. Ela possibilita a realização de estudos sobre julgamentos individuais, tais como a aceita-bilidade e preferência por um determinado produto no momento da sua aquisição (ver Artes, 1991 e Friedmann, 1998). Em um estudo de preferência conjunta, são apresentadas configurações hipotéticas de um mesmo produto, que devem ser avaliadas segundo a preferência do respondente. O julgamento de um estímulo é denominado de valor de preferência que nada mais é do que a quantificação da preferência do indivíduo por um estímulo. Quanto maior o número de atributos e níveis utilizados na caracterização de um produto, mais real será sua descrição. No entanto, a complexidade dos estímulos e o número de configurações possíveis aumenta exponencialmente a cada novo atributo ou nível acrescentado, podendo comprometer a qualidade dos resultados de uma pesquisa. Este problema é contornado através da utilização de estímulos gerados através de planejamentos fracionários combinado na omissão de um ou mais atributos nos diferentes estímulos, conhecidos como perfis incompletos. Neste trabalho, pretende-se testar o efeito da ausência de atributos na classificação de estímulos e diferentes formas de imputação da informação faltante em uma aplicação sobre o efeito de características do emprego na satisfação do funcionário. / Conjoint Analysis is a statistic technique used in many behavior studies, product management and marketing researches. The conjoint method involves presenting customers with a test set of hypothetical products profiles and collecting their preferences. It\'s task is to identify some within a set of attributes those ones that are the most important for the research participants. Conjoint Analysis works better when the test set of profiles is small and the number of attributes is not so large. When a large number of attributes are considered in a conjoint study, the final number of possible profiles increase a lot. In this cases, fractional designs and incomplete profiles can be used to solve this problem. In this study will be tested the missing information efect in a conjoint study and will be compared some diferent imputations methods.

A Análise de Preferência Conjunta (APC) é uma metodologia estatística bastante utilizada em estudos de comportamento do consumidor e do mercado em geral. Ela possibilita a realização de estudos sobre julgamentos individuais, tais como a aceita-bilidade e preferência por um determinado produto no momento da sua aquisição (ver Artes, 1991 e Friedmann, 1998). Em um estudo de preferência conjunta, são apresentadas configurações hipotéticas de um mesmo produto, que devem ser avaliadas segundo a preferência do respondente. O julgamento de um estímulo é denominado de valor de preferência que nada mais é do que a quantificação da preferência do indivíduo por um estímulo. Quanto maior o número de atributos e níveis utilizados na caracterização de um produto, mais real será sua descrição. No entanto, a complexidade dos estímulos e o número de configurações possíveis aumenta exponencialmente a cada novo atributo ou nível acrescentado, podendo comprometer a qualidade dos resultados de uma pesquisa. Este problema é contornado através da utilização de estímulos gerados através de planejamentos fracionários combinado na omissão de um ou mais atributos nos diferentes estímulos, conhecidos como perfis incompletos. Neste trabalho, pretende-se testar o efeito da ausência de atributos na classificação de estímulos e diferentes formas de imputação da informação faltante em uma aplicação sobre o efeito de características do emprego na satisfação do funcionário. / Conjoint Analysis is a statistic technique used in many behavior studies, product management and marketing researches. The conjoint method involves presenting customers with a test set of hypothetical products profiles and collecting their preferences. It\'s task is to identify some within a set of attributes those ones that are the most important for the research participants. Conjoint Analysis works better when the test set of profiles is small and the number of attributes is not so large. When a large number of attributes are considered in a conjoint study, the final number of possible profiles increase a lot. In this cases, fractional designs and incomplete profiles can be used to solve this problem. In this study will be tested the missing information efect in a conjoint study and will be compared some diferent imputations methods.