A fogyasztói preferenciák vizsgálata több kutatási területen belül elterjedt témát képvisel. Ehhez kiváló lehetőséget nyújtanak a feltárt preferencia (SP) jellegű adatokon alapuló eljárások, melyek közül igen sokat alkalmazott a diszkrét választási kísérlet (DCE). A módszer felmérés kontextusában vizsgálja az egyén választásait, így szolgáltatva adatot a döntések modellezéséhez. A Daniel McFadden nevéhez köthető multinomiális logit (MNL) modelltípus még manapság is gyakorta alkalmazott, azonban a homogén preferenciák feltételezésének következtében a legtöbb esetben további specifikációk becslése is szükséges. Ezen korlátozást az elemzők diszkrét vagy folytonos eloszlások alkalmazásán keresztül is kezelhetik. Értekezésem célkitűzései a preferencia-heterogenitást kezelni képes modelltípusok összehasonlításán alapultak. Ehhez három diszkrét választási kísérlet (margarinra, tradicionális mangalicakolbászra, szeletelt csomagolt kolbászra vonatkozó fogyasztói preferenciákat vizsgáló) adatait modelleztem. Kapott eredményeim alapján azokat a következtetéseket tettem, hogy a preferencia-heterogenitás kezelése szükséges (az MNL-hez képest minden modelltípus jobban teljesít, amely kezeli az ízlésbeli különbségeket); az MNL és RPL modellek interakciókkal történő kibővítése nem eredményez egyértelműen – minden információs kritérium (Pszeudo R^2, log-likelihood (végső), Akaike-féle információs kritérium, Bayesi információs kritérium) által alátámasztottan – jobban illeszkedő modellt; az LC és RPL modellek közötti sorrend felállítása további összehasonlításokat igényel; a diszkrét és folytonos eloszlások együttes alkalmazása (RLC modell becslése) egyértelműen jobban illeszkedő modellt eredményez az LC és RPL modellekhez képest. Mindezeken túl dolgozatomban rámutatok arra, hogy az MNL specifikáció esetében a fizetési hajlandóság (WTP) értékekben nem mutatkozik jelentős eltérés függetlenül attól, hogy direkt (modellbecslés a WTP-térben) vagy indirekt (származtatott WTP) módon kalkuláljuk azokat. Ebből következően a WTP-térben történő becslés a szakirodalomban elterjedt random paraméteres eseteken túl az MNL modellezésnél is kiválóan alkalmazható, elkerülve ezáltal a standard hibák számításakor felmerülő további módszerek alkalmazásának szükségességét. Disszertációm olvasásán keresztül a módszer irányába érdeklődést mutató kutatók iránymutatást nyerhetnek több szempontból is. Egyfelől komplex képet kaphatnak a teljes folyamatról (ideértve a kísérleti elrendezés megtervezésének minden aspektusát, a kísérlet megvalósítását, az eredmények feldolgozását és értelmezését), másfelől pedig információhoz juthatnak a becsülni kívánt modell megválasztását illetően.

The examination of consumer preferences is a widespread topic within several research areas. Procedures based on stated preference (SP) data, of which discrete choice experiment (DCE) is very common, provide an excellent opportunity for this. The method examines individuals’ choices in the context of a survey, thus providing data for choice modelling. The multinomial logit (MNL) model type associated with the name of Daniel McFadden is still widely used today, however, due to the assumption of homogeneous preferences, it is necessary in most cases to estimate additional specifications. Analysts can also adress this constraint through the use of discrete or continuous distributions. The objectives of my dissertation were based on a comparison of model types that able to handling preference heterogeneity. For this, I modeled data from three discrete choice experiments (examining consumer preferences for margarine, traditional mangalica sausage, sliced packaged sausage). Based on my results, I concluded that treatment of preference heterogeneity is necessary (compared to MNL all model types perform better, that handle taste differences); the extension of the MNL and RPL models with interactions does not result in a clearly – supported by all information criteria (Pseudo R^2, log-likelihood (final), Akaike information criterion, Bayesian information criterion) – better-fitting model; establishing the order between the LC and RPL models requires further comparisons; the combined application of discrete and continuous distributions (estimation of the RLC model) results in a clearly better fit model compared to LC and RPL models. In my dissertation, I also point out that in the case of the MNL specification, there is no significant difference in the willingness to pay (WTP) values regardless of whether they are calculated directly (model estimation in WTP space) or indirectly (derived WTP). Consequently, WTP-space estimation is excellent for MNL modelling in addition to the random parameter cases prevalent in the literature, thus avoiding the need to use additional methods for calculating standard errors. Through reading my dissertation, researchers with an interest to the method can gain guidance in several ways. On the one hand, they can get a complex picture of the whole process (including all aspects of the experimental design, the implementation of the experiment, processing and interpretation of the results), and on the other hand, they can get information about choosing the model to be estimated.