✖


Jump to content

Выбор моделирования

Моделирование выбора пытается смоделировать процесс принятия решений отдельного человека или сегмента посредством выявленных предпочтений или заявленных предпочтений, сделанных в определенном контексте или контекстах. Как правило, он пытается использовать дискретный выбор (А вместо Б; Б вместо А, В и С), чтобы сделать вывод о положении предметов (А, В и С) на некоторой соответствующей скрытой шкале (обычно это « полезность » в экономике и различных связанные поля). Действительно, существует множество альтернативных моделей в эконометрике , маркетинге , социометрике и других областях, включая полезности максимизацию , оптимизацию, применяемую к теории потребителей , и множество других стратегий идентификации, которые могут быть более или менее точными в зависимости от данных , выборки , гипотезы и конкретных условий. моделируемое решение. Кроме того, моделирование выбора считается наиболее подходящим методом оценки готовности потребителей платить за повышение качества по многим параметрам. [ 1 ]

[ редактировать ]

Существует ряд терминов, которые считаются синонимами термина «моделирование выбора». Некоторые из них точны (хотя обычно зависят от конкретной дисциплины или континента), а некоторые используются в промышленных приложениях, хотя в научных кругах считаются неточными (например, совместный анализ). [ 2 ]

К ним относятся следующие:

  1. Моделирование дискретного выбора заявленных предпочтений
  2. Дискретный выбор
  3. Выбор эксперимента
  4. Исследования заявленных предпочтений
  5. Совместный анализ
  6. Контролируемые эксперименты

Хотя разногласия в терминологии сохраняются, примечательно, что академический журнал, призванный предоставить междисциплинарный источник новых и эмпирических исследований в этой области, называется «Журнал моделирования выбора». [ 3 ]

Теоретическая основа

[ редактировать ]

Теория моделирования выбора была разработана независимо экономистами и математическими психологами. Истоки моделирования выбора можно проследить до исследования Терстоуна пищевых предпочтений в 1920-х годах и теории случайной полезности . [ 4 ] В экономике теория случайной полезности была затем разработана Дэниелом Макфадденом. [ 5 ] и в математической психологии, прежде всего, Дунканом Люсом и Энтони Марли. [ 6 ] По сути, моделирование выбора предполагает, что полезность (выгода или ценность), которую человек извлекает из предмета A по сравнению с предметом B, является функцией частоты, с которой он выбирает предмет A вместо предмета B при повторяющихся выборах. Из-за использования нормального распределения Терстоун не смог обобщить этот бинарный выбор в структуру полиномиального выбора (которая требовала полиномиальной логистической регрессии, а не функции пробит-связи), поэтому метод томился более 30 лет. Однако в 1960-1980-х годах этот метод был аксиоматизирован и применялся в различных типах исследований.

Различие между исследованиями выявленных и заявленных предпочтений

[ редактировать ]

Моделирование выбора используется как в исследованиях выявленных предпочтений (RP), так и в исследованиях заявленных предпочтений (SP). В исследованиях РП используются решения, уже сделанные людьми, для оценки ценности, которую они приписывают предметам - они «раскрывают свои предпочтения - и, следовательно, ценности (полезности) - посредством своего выбора». В исследованиях СП для оценки этих значений используются решения, сделанные людьми в экспериментальных условиях: они «заявляют о своих предпочтениях посредством своего выбора». Макфадден успешно использовал выявленные предпочтения (сделанные в ходе предыдущих транспортных исследований) для прогнозирования спроса на систему скоростного транспорта в районе залива (BART) до ее строительства. Люси и Марли ранее аксиоматизировали теорию случайной полезности, но не использовали ее в реальных приложениях; [ 7 ] более того, они потратили много лет на тестирование этого метода в исследованиях СП с участием студентов-психологов.

История

[ редактировать ]

Работа Макфаддена принесла ему Нобелевскую премию по экономике. [ 8 ] в 2000 году. Однако большая часть работ по моделированию выбора в течение почти 20 лет продолжалась в области заявленных предпочтений. [ 9 ] [ 10 ] Такая работа возникла в различных дисциплинах, первоначально в транспорте и маркетинге, из-за необходимости прогнозирования спроса на новые продукты, производство которых было потенциально дорогостоящим. Эта работа в значительной степени опиралась на области совместного анализа и планирования экспериментов , чтобы:

  1. Представлять потребителям товары или услуги, которые определялись конкретными характеристиками (атрибутами), имеющими уровни, например, «цена» с уровнями «10 долларов США, 20 долларов США, 30 долларов США»; «Последующее обслуживание» с уровнями «без гарантии, гарантия 10 лет»;
  2. Представьте конфигурации этих товаров, которые минимизируют количество вариантов выбора, необходимых для оценки функции полезности потребителя (правило принятия решения).

В частности, цель заключалась в том, чтобы представить минимальное количество пар/тройок и т. д. (например) мобильных/сотовых телефонов, чтобы аналитик мог оценить ценность, которую потребитель получил (в денежных единицах) от каждой возможной функции телефона. В отличие от большей части работы по совместному анализу, нужно было делать дискретный выбор (A против B; B против A, B и C), а не оценивать по шкалам категорийных рейтингов ( шкалы Лайкерта ). Дэвиду Хеншеру и Джордану Лувьеру приписывают первые модели выбора с заявленными предпочтениями. [ 10 ] Они оставались ключевыми фигурами вместе с другими, включая Жоффра Суэйта и Моше Бен-Акиву, и в течение следующих трех десятилетий в области транспорта и маркетинга помогали разрабатывать и распространять эти методы. [ 11 ] [ 12 ] Однако многие другие деятели, преимущественно работающие в области экономики и маркетинга транспорта, внесли свой вклад в теорию и практику и способствовали широкому распространению этой работы. [ 13 ]

Связь с конджойнт-анализом

[ редактировать ]

Моделирование выбора с самого начала страдало отсутствием стандартизации терминологии, и для его описания использовались все приведенные выше термины. Однако самое большое разногласие оказалось географическим: в Америке, согласно отраслевой практике, термин «совместный анализ на основе выбора» стал доминировать. Это отражало желание, чтобы моделирование выбора (1) отражало структуру атрибутов и уровней, унаследованную от совместного анализа, но (2) показывало, что дискретный выбор, а не числовые рейтинги, может использоваться в качестве меры результата, получаемой от потребителей. В других странах мира термин «эксперимент с дискретным выбором» стал доминировать практически во всех дисциплинах. [ 2 ] Лувьер (маркетинг и транспорт) и его коллеги из области экономики окружающей среды и здравоохранения пришли к дезавуированию американской терминологии, заявив, что она вводит в заблуждение и скрывает фундаментальное отличие экспериментов с дискретным выбором от традиционных совместных методов: эксперименты с дискретным выбором имеют проверяемую теорию человеческого решения. создавая их основу (теорию случайной полезности), в то время как совместные методы представляют собой просто способ разложения ценности товара с использованием статистических расчетов на основе числовых рейтингов, которые не имеют психологической теории, объясняющей, что означают числа рейтинговой шкалы. [ 2 ]

Разработка модели выбора

[ редактировать ]

Разработка модели выбора или эксперимента дискретного выбора (DCE) обычно состоит из следующих шагов:

  1. Определение товара или услуги, которые необходимо оценить;
  2. Принятие решения о том, какие атрибуты и уровни полностью описывают товар или услугу;
  3. Построение экспериментального плана , подходящего для этих атрибутов и уровней, либо из каталога проектов, [ 14 ] или через программное обеспечение; [ 15 ]
  4. Построение опроса, замена проектных кодов (номеров) соответствующими уровнями атрибутов;
  5. Проведение опроса выборки респондентов в любом из нескольких форматов, включая бумагу и ручку, но все чаще посредством веб-опросов;
  6. Анализ данных с использованием соответствующих моделей, часто начиная с модели полиномиальной логистической регрессии , учитывая ее привлекательные свойства с точки зрения соответствия теории экономического спроса. [ 5 ]

Определение товара или услуги, которые будут оценены

[ редактировать ]

Часто это самая простая задача, обычно определяемая следующим образом:

  • исследовательский вопрос в академическом исследовании или
  • потребности клиента (в контексте потребительского товара или услуги)

Принятие решения о том, какие атрибуты и уровни полностью описывают товар или услугу.

[ редактировать ]

Товар или услуга, например мобильный (сотовый) телефон, обычно описывается рядом атрибутов (функций). Телефоны часто описываются по форме, размеру, объему памяти, торговой марке и т. д. Атрибуты, которые должны варьироваться в DCE, должны быть всеми теми, которые представляют интерес для респондентов. Пропуск ключевых атрибутов обычно заставляет респондентов делать выводы (догадки) о тех, которые отсутствуют в DCE, что приводит к проблемам с пропущенными переменными. Уровни обычно должны включать все доступные в настоящее время уровни и часто расширяются, включая те, которые возможны в будущем – это особенно полезно при разработке продукта.

Построение экспериментального проекта, подходящего для этих атрибутов и уровней, либо из каталога проектов, либо с помощью программного обеспечения.

[ редактировать ]

Сильная сторона DCE и совместного анализа заключается в том, что они обычно представляют собой подмножество полного факториала. Например, телефон двух марок, трех форм, трех размеров и четырех объемов памяти имеет 2x3x3x4=72 возможных конфигурации. Это полный факториал, и в большинстве случаев он слишком велик, чтобы его можно было использовать респондентам. Подмножества полного факториала могут быть получены различными способами, но в целом они преследуют следующую цель: обеспечить оценку определенного ограниченного числа параметров, описывающих товар: основные эффекты (например, ценность, связанная с брендом, содержащая все остальное равные), двусторонние взаимодействия (например, ценность, связанная с этим брендом и наименьшим размером, этим брендом и наименьшим размером) и т. д. Обычно этого достигают путем преднамеренного смешения взаимодействий более высокого порядка с взаимодействиями более низкого порядка. Например, двусторонние и трехсторонние взаимодействия можно путать с основными эффектами. Это имеет следующие последствия:

  • Количество профилей (конфигураций) значительно уменьшено;
  • Коэффициент регрессии для данного основного эффекта является несмещенным тогда и только тогда, когда смешанные члены (взаимодействия более высокого порядка) равны нулю;
  • Коэффициент регрессии смещен в неизвестном направлении и с неизвестной величиной, если члены смешанного взаимодействия не равны нулю;
  • Никакая поправка при анализе для решения проблемы не может быть сделана, если смешанные члены не равны нулю.

Таким образом, исследователей неоднократно предупреждали, что проектирование предполагает принятие важных решений относительно того, будут ли двусторонние взаимодействия и взаимодействия более высокого порядка ненулевыми; ошибка на этапе проектирования фактически делает результаты недействительными, поскольку гипотеза о ненулевых взаимодействиях более высокого порядка не поддается проверке. [ 11 ]

Проекты доступны из каталогов и статистических программ. Традиционно они обладали свойством ортогональности , при котором все уровни атрибутов можно оценивать независимо друг от друга. Это обеспечивает нулевую коллинеарность и может быть объяснено на следующем примере.

Представьте себе автосалон, который продает как роскошные автомобили, так и подержанные автомобили бюджетного класса. Используя принцип максимизации полезности и предполагая модель MNL, мы предполагаем, что решение купить автомобиль в этом автосалоне представляет собой сумму индивидуального вклада каждого из следующих участников в общую полезность.

  • Цена
  • Марка (БМВ, Крайслер, Мицубиси)
  • Происхождение (немецкое, американское)
  • Производительность

Однако использование полиномиальной регрессии данных о продажах не скажет нам того, что мы хотим знать. Причина в том, что большая часть данных коллинеарна, поскольку автомобили в этом автосалоне либо:

  • высокие характеристики, дорогие немецкие автомобили
  • низкая производительность, дешевые американские автомобили

Информации недостаточно и никогда не будет достаточно, чтобы сказать нам, покупают ли люди автомобили потому, что они европейцы, потому что это BMW или потому, что они обладают высокими характеристиками. Это основная причина, почему данные RP часто не подходят и почему требуются данные SP. В данных RP эти три атрибута всегда встречаются одновременно и в данном случае идеально коррелируют . То есть: все BMW производятся в Германии и отличаются высокими характеристиками. Эти три атрибута: происхождение, марка и производительность называются коллинеарными или неортогональными. Только в экспериментальных условиях, с помощью данных SP, производительность и цену можно изменять независимо друг от друга – их эффекты разлагаются.

Экспериментальный план (ниже) в эксперименте выбора представляет собой строгую схему контроля и представления гипотетических сценариев или наборов вариантов выбора респондентам . Для одного и того же эксперимента можно было использовать разные конструкции, каждая с разными свойствами. Оптимальный дизайн зависит от целей учений.

Именно экспериментальный дизайн определяет эксперимент и максимальные возможности модели. В открытом доступе существует множество очень эффективных проектов, которые позволяют проводить почти оптимальные эксперименты.

Например латинский квадрат 16 17 конструкция позволяет оценить все основные эффекты продукта, которые могут иметь до 16 17 (приблизительно 295, за которыми следуют восемнадцать нулей). Более того, этого можно было достичь в рамках выборки, состоящей всего лишь из 256 респондентов.

Ниже приведен пример гораздо меньшего дизайна. Это 3 4 дизайн основных эффектов.

0 0 0 0
0 1 1 2
0 2 2 1
1 0 1 1
1 1 2 0
1 2 0 2
2 0 2 2
2 1 0 1
2 2 1 0

Такая конструкция позволит оценить полезность основных эффектов из 81 (3 4 ) возможные конфигурации продукта при условии, что все взаимодействия более высокого порядка равны нулю . Выборка из примерно 20 респондентов смогла смоделировать основные эффекты всех 81 возможных конфигураций продукта со статистически значимыми результатами.

Некоторые примеры других часто используемых экспериментальных планов:

  • Сбалансированные конструкции с неполными блоками (BIBD)
  • Случайный дизайн
  • Основные эффекты
  • Проекты взаимодействия более высокого порядка
  • Полный факториал

Совсем недавно были созданы эффективные конструкции. [ 16 ] [ 17 ] Обычно они минимизируют функции дисперсии (неизвестных, но оцененных) параметров. Общей функцией является D-эффективность параметров. Целью этих планов является уменьшение размера выборки, необходимого для достижения статистической значимости оцениваемых параметров полезности. Такие конструкции часто включают в себя байесовские априорные значения параметров для дальнейшего повышения статистической точности. [ 18 ] Высокоэффективные модели стали чрезвычайно популярными, учитывая затраты на набор большего числа респондентов. Однако ключевые фигуры в разработке этих проектов предупреждали о возможных ограничениях, в первую очередь следующих. [ 16 ] Эффективность дизайна обычно максимизируется, когда товар A и товар B максимально различаются: например, каждый атрибут (функция), определяющая телефон, различается для A и B. Это вынуждает респондента торговать в зависимости от цены, бренда, размера, памяти и т. д.; ни один атрибут не имеет одинакового уровня как в A, так и в B. Это может налагать когнитивную нагрузку на респондента, заставляя его/ее использовать упрощающие эвристики («всегда выбирать самый дешевый телефон»), которые не отражают его/ее истинную функцию полезности (решение правило). Недавние эмпирические исследования подтвердили, что респонденты действительно используют разные правила принятия решений при выборе менее эффективного плана по сравнению с высокоэффективным. [ 19 ]

Более подробную информацию об экспериментальных проектах можно найти здесь . Однако стоит повторить, что небольшие проекты, оценивающие основные эффекты, обычно делают это путем намеренного смешивания взаимодействий более высокого порядка с основными эффектами. Это означает, что, если на практике эти взаимодействия не равны нулю, аналитик получит смещенные оценки основных эффектов. Более того, у него нет (1) возможности проверить это и (2) нет возможности исправить это в анализе. Это подчеркивает решающую роль дизайна в DCE.

Создание опроса

[ редактировать ]

Построение опроса обычно включает в себя:

  • Выполнение «найти и заменить», чтобы коды экспериментального проектирования (обычно числа, как указано в примере выше) были заменены уровнями атрибутов рассматриваемого товара.
  • Включение полученных конфигураций (например, типов мобильных/сотовых телефонов) в более широкий опрос, который может включать вопросы, относящиеся к социально-демографическим характеристикам респондентов. Это может помочь сегментировать данные на этапе анализа: например, мужчины могут отличаться от женщин своими предпочтениями.

Проведение опроса выборки респондентов в любом из нескольких форматов, включая бумагу и ручку, но все чаще посредством веб-опросов.

[ редактировать ]

Традиционно DCE вводились с помощью бумаги и ручки. С развитием Интернета интернет-опросы становятся нормой. Они имеют преимущества с точки зрения стоимости, рандомизации респондентов для разных версий опроса и использования скрининга. Примером последнего может быть достижение гендерного баланса: если ответило слишком много мужчин, их можно отсеять, чтобы количество женщин совпадало с количеством мужчин.

Анализ данных с использованием соответствующих моделей, часто начиная с модели полиномиальной логистической регрессии , учитывая ее привлекательные свойства с точки зрения соответствия теории экономического спроса.

[ редактировать ]

Анализ данных из DCE требует от аналитика принятия определенного типа правила принятия решения – или функциональной формы уравнения полезности, с точки зрения экономистов. Обычно это продиктовано проектом: если использовался план с основными эффектами, то в модель нельзя включить условия двустороннего взаимодействия и взаимодействия более высокого порядка. Затем обычно оцениваются регрессионные модели. Они часто начинаются с модели условной логит-модели, которую разработчики моделей выбора традиционно, хотя и немного ошибочно, называют моделью полиномиальной логистической регрессии (MNL). Модель MNL преобразует наблюдаемые частоты выбора (которые представляют собой оцененные вероятности в шкале отношений) в оценки полезности (в интервальной шкале) с помощью логистической функции. Полезность (ценность), связанную с каждым уровнем атрибута, может быть оценена, что позволяет аналитику построить общую полезность любой возможной конфигурации (в данном случае автомобиля или телефона). Однако в качестве альтернативы можно использовать DCE для оценки нерыночных экологических выгод и издержек. [ 20 ]

Сильные стороны

[ редактировать ]
  • Заставляет респондентов рассматривать компромиссы между атрибутами;
  • Делает систему координат понятной для респондентов посредством включения множества атрибутов и альтернатив продуктов;
  • Позволяет оценивать неявные цены для атрибутов;
  • Позволяет оценить влияние на благосостояние для нескольких сценариев;
  • Может использоваться для оценки уровня потребительского спроса на альтернативный «сервисный продукт» в неденежном выражении; и
  • Потенциально снижает стимулы для респондентов вести себя стратегически. [ 21 ]

Слабые стороны

[ редактировать ]
  • Дискретный выбор предоставляет только порядковые данные , которые предоставляют меньше информации, чем данные соотношения или интервала;
  • Выводы на основе порядковых данных для получения оценок по шкале интервалов/отношений требуют предположений о распределении ошибок и правиле принятия решения респондентом (функциональная форма функции полезности);
  • Дробные факторные планы, используемые на практике, намеренно смешивают двусторонние взаимодействия и взаимодействия более высокого порядка с оценками более низкого порядка (обычно основных эффектов), чтобы сделать план небольшим: если взаимодействия более высокого порядка ненулевые, то основные эффекты являются смещенными, никоим образом не чтобы аналитик знал или исправлял это постфактум;
  • Невероятностное (детерминистическое) принятие решений человеком нарушает теорию случайной полезности: в модели случайной полезности оценки полезности становятся бесконечными.
  • Существует одна фундаментальная слабость всех моделей с ограниченными зависимыми переменными, таких как логит- и пробит-модели: средние значения (истинные позиции) и дисперсии на скрытой шкале совершенно смешаны . Другими словами, их невозможно разделить.

Смешение средней дисперсии

[ редактировать ]

Ятчев и Гриличес первыми доказали, что средние значения и дисперсии смешиваются в моделях с ограниченными зависимыми переменными (где зависимая переменная принимает любой из дискретного набора значений, а не непрерывного , как в традиционной линейной регрессии). [ 22 ] Это ограничение становится острым при моделировании выбора по следующей причине: большая оценка бета из модели регрессии MNL или любой другой модели выбора может означать:

  1. Респонденты помещают этот пункт выше на латентной шкале (они высоко его ценят), или
  2. Респонденты не ставят этот пункт на первое место по шкале, НО они очень уверены в своих предпочтениях, последовательно (часто) предпочитая этот пункт другим, представленным рядом, или
  3. Некоторая комбинация (1) и (2).

Это имеет существенные последствия для интерпретации результатов регрессионной модели. Все статистические программы «решают» проблему средней дисперсии, устанавливая дисперсию равной константе; все расчетные бета-коэффициенты фактически представляют собой расчетную бета, умноженную на расчетную лямбду (обратную функцию дисперсии). Это побуждает аналитика игнорировать проблему. Однако он должен учитывать, отражает ли набор больших бета-коэффициентов сильные предпочтения (большая истинная бета) или последовательность в выборе (большая истинная лямбда), или некоторую комбинацию того и другого. Деление всех оценок друг на друга (обычно на оценку ценовой переменной) устраняет запутанный лямбда-член из числителя и знаменателя. [ 23 ] Это решает проблему, а также дает экономистам возможность платить за каждый уровень атрибутов. Однако вывод о том, что результаты, оцененные по «полезному пространству», не совпадают с результатами, оцененными по «готовности платить за пространство», [ 24 ] [ 25 ] предполагает, что проблема смешивания не решается с помощью этого «трюка»: отклонения могут быть специфичными для атрибута или какой-либо другой функцией переменных (что могло бы объяснить несоответствие). Это предмет текущих исследований в этой области.

По сравнению с традиционными совместными методами, основанными на рейтингах

[ редактировать ]

Основные проблемы с вопросами о рейтингах, которые не возникают при использовании моделей выбора, заключаются в следующем:

  • никакой информации о компромиссах. Риск рейтингов заключается в том, что респонденты склонны не делать различий между воспринимаемыми «хорошими» качествами и оценивать их все как привлекательные.
  • вариант персональных весов. Разные люди по-разному оценивают цифру «2» по шкале от 1 до 5. Агрегирование частот каждой из мер шкалы не имеет теоретической основы.
  • никакой относительной меры. Как аналитик сравнивает что-то с рейтингом 1 с чем-то с рейтингом 2? Один в два раза лучше другого? Опять же, не существует теоретического способа агрегирования данных.

Другие типы

[ редактировать ]

Рейтинг

[ редактировать ]

Рейтинги действительно имеют тенденцию вынуждать человека указывать относительные предпочтения интересующих его предметов. Таким образом, как и в случае с DCE, обычно можно оценить компромиссы между ними. Однако модели ранжирования должны проверять, оценивается ли одна и та же функция полезности на каждой глубине ранжирования: например, одни и те же оценки (вплоть до шкалы дисперсии) должны быть получены из данных нижнего ранга, как и из данных верхнего ранга.

Лучшее/худшее масштабирование

[ редактировать ]

Шкала «лучшее-худшее» (BWS) — это широко известная альтернатива рейтингам и ранжированию. Он просит людей выбрать наиболее и наименее предпочтительные варианты из ряда альтернатив. Путем вычитания или интегрирования вероятностей выбора можно оценить показатели полезности для каждой альтернативы по интервальной шкале или шкале отношений для отдельных лиц и/или групп. Люди могут использовать различные психологические модели для получения наилучших и худших данных, включая модель MaxDiff .

Использование

[ редактировать ]

Моделирование выбора особенно полезно для:

  • Прогнозирование внедрения и усовершенствование разработки новых продуктов
  • Оценка подразумеваемой готовности платить (ГП) за товары и услуги
  • Тестирование жизнеспособности продукта или услуги
  • Оценка влияния характеристик продукта на потребительский выбор
  • Вариации атрибутов продукта
  • Понимание ценности и предпочтений бренда, в том числе в отношении таких продуктов, как колледжи. [ 26 ] [ 27 ]
  • Оценка спроса и оптимальное ценообразование
  • Спрос на перевозки
  • Расследование и прогнозирование эвакуации и стихийных бедствий

В разделе «Приложения» по дискретному выбору представлена ​​дополнительная информация о том, как этот тип моделирования может применяться в различных областях.

Модель профессионального выбора

[ редактировать ]

В экономике модель выбора профессии — это модель, которая пытается ответить, почему люди выбирают разные профессии. [ 28 ] . [ 29 ]

В модели в каждый момент человек решает, работать ли ему как по предыдущей профессии, по какой-то другой профессии или не трудоустроиться. В некоторых версиях модели человек выбирает ту профессию, для которой текущая стоимость его ожидаемого дохода максимальна. [ 30 ] Однако в других версиях неприятие риска может заставить людей работать по той же профессии, что и раньше. [ 31 ]

См. также

[ редактировать ]

Ссылки

[ редактировать ]
  1. ^ 2001 - Центр международной экономики - Обзор методологий готовности платить
  2. ^ Перейти обратно: а б с Лувьер, Джордан Дж; Флинн, Терри Н; Карсон, Ричард Т. (1 января 2010 г.). «Эксперименты с дискретным выбором не являются совместным анализом» . Журнал моделирования выбора . 3 (3): 57–72. дои : 10.1016/S1755-5345(13)70014-9 . hdl : 10453/15890 .
  3. ^ Журнал моделирования выбора . Проверено 5 ноября 2015 г. {{cite book}}: |website= игнорируется ( помогите )
  4. ^ Терстон (1994). «Закон сравнительного суждения» . АПА PsycNET . Проверено 8 декабря 2017 г.
  5. ^ Перейти обратно: а б Зарембка, Павел (1974). Границы в эконометрике . Нью-Йорк: Академическая пресса. стр. 105–142.
  6. ^ Люс, Р. Дункан (1959). Условный логит-анализ качественного выбора поведения . Нью-Йорк: Джон Уайли и сыновья.
  7. ^ Марли, AAJ (1 июня 1968 г.). «Некоторые вероятностные модели простого выбора и ранжирования» . Журнал математической психологии . 5 (2): 311–332. дои : 10.1016/0022-2496(68)90078-3 .
  8. ^ Экономика 2000
  9. ^ Лувьер, Джордан Дж.; Вудворт, Джордж (1 ноября 1983 г.). «Разработка и анализ моделирования потребительского выбора или экспериментов по распределению: подход, основанный на агрегированных данных». Журнал маркетинговых исследований . 20 (4): 350–367. дои : 10.2307/3151440 . JSTOR   3151440 .
  10. ^ Перейти обратно: а б Лувьер, Джордан Дж.; Хеншер, Дэвид А. (1 января 1982 г.). «ПРОЕКТИРОВАНИЕ И АНАЛИЗ МОДЕЛИРОВАННЫХ ЭКСПЕРИМЕНТОВ ВЫБОРА ИЛИ РАСПРЕДЕЛЕНИЯ ПРИ МОДЕЛИРОВАНИИ ВЫБОРА ПУТЕШЕСТВИЙ» . Отчет о транспортных исследованиях (890). ISSN   0361-1981 .
  11. ^ Перейти обратно: а б «Методы заявленного выбора» . Издательство Кембриджского университета . Проверено 4 ноября 2015 г.
  12. ^ Дискретный анализ выбора . Транспортные исследования. 18 декабря 1985 г. ISBN.  9780262022170 . Проверено 4 ноября 2015 г. {{cite book}}: |website= игнорируется ( помогите )
  13. ^ Балтас, Джордж; Дойл, Питер (1 февраля 2001 г.). «Случайные полезные модели в маркетинговых исследованиях: обзор» . Журнал бизнес-исследований . 51 (2): 115–125. дои : 10.1016/S0148-2963(99)00058-2 . ISSN   0148-2963 .
  14. ^ «Ортогональные массивы» . support.sas.com . Проверено 4 ноября 2015 г.
  15. ^ «ChoiceMetrics | Ngene | Возможности» . www.choice-metrics.com . Проверено 4 ноября 2015 г.
  16. ^ Перейти обратно: а б Роуз, Джон М.; Блимер, Мишель Си Джей (1 сентября 2009 г.). «Построение эффективных экспериментальных планов с заявленным выбором». Обзоры транспорта . 29 (5): 587–617. дои : 10.1080/01441640902827623 . ISSN   0144-1647 . S2CID   111072085 .
  17. ^ Стрит, Дебора Дж .; Берджесс, Леони (20 июля 2007 г.). Построение экспериментов с оптимальным заявленным выбором: теория и методы . Джон Уайли и сыновья. ISBN  9780470148556 .
  18. ^ [Росси П., Алленби Г., Маккаллох Р. (2009) Байесовская статистика и маркетинг. Уайли]
  19. ^ Флинн, Терри Н. (март 2016 г.). «Является ли эффективный дизайн, используемый в экспериментах с дискретным выбором, слишком сложным для некоторых респондентов? Тематическое исследование, выявляющее предпочтения в отношении ухода за пожилыми людьми». Фармакоэкономика . 34 (3): 273–284. дои : 10.1007/s40273-015-0338-z . ПМИД   26589411 . S2CID   207492460 .
  20. ^ Университет Джеффа Беннета Квинсленда https://www.epa.qld.gov.au/publications?id=1585. Архивировано 19 августа 2008 г. в Wayback Machine.
  21. ^ 2001 - Центр международной экономики - обзор методологии готовности платить
  22. ^ Ятчев, Адонис; Гриличес, Цви (1985). «Ошибка спецификации в пробит-моделях» . Обзор экономики и статистики . 67 (1): 134. дои : 10.2307/1928444 . JSTOR   1928444 .
  23. ^ Хеншер, Дэвид; Лувьер, Иордания; Суэйт, Жоффр (26 ноября 1998 г.). «Объединение источников данных о предпочтениях». Журнал эконометрики . 89 (1–2): 197–221. дои : 10.1016/S0304-4076(98)00061-X . HDL : 2123/19028 .
  24. ^ Поезд, Кеннет (2005). Применение методов моделирования в экономике окружающей среды и ресурсов . Доредрехт. стр. 1–16.
  25. ^ Соннье, Гарретт; Эйнсли, Эндрю С.; Выдра, Томас (2007). «Распределение неоднородности готовности платить в моделях выбора» . дои : 10.2139/ssrn.928412 . S2CID   154620696 . {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
  26. ^ Ирвин, Нил (4 сентября 2014 г.). «Почему у колледжей с четко выраженной направленностью есть скрытое преимущество» . Итог . Нью-Йорк Таймс . Проверено 9 мая 2023 г.
  27. ^ Селинго, Джеффри Дж. (23 сентября 2015 г.). «Когда у студентов есть выбор среди лучших колледжей, какой из них они выбирают?» . Вашингтон Пост . Проверено 9 мая 2023 г.
  28. ^ Блау, Питер; Густад, Джон; Джессор, Ричард; Парнс, Герберт; Уилкок, Ричард (1956). «Выбор профессии: концептуальная основа» . Обзор ИЛР . 9 (4): 531–543. дои : 10.1177/001979395600900401 . S2CID   158449519 . Проверено 18 апреля 2021 г.
  29. ^ МакКолл, Брайан П. (1991). «Динамическая модель профессионального выбора» . Журнал экономической динамики и контроля . 15 (2): 387–408. дои : 10.1016/0165-1889(91)90019-W . Проверено 18 апреля 2021 г.
  30. ^ Беневиц, Морис; Цукер, Альберт (1968). «Человеческий капитал и выбор профессии: теоретическая модель» . Южный экономический журнал . 34 (3): 406–409. дои : 10.2307/1055503 . JSTOR   1055503 .
  31. ^ Ланг, Кевин (август 2018 г.). «ОПРЕДЕЛЯЮЩИЕ ПРОФЕССИОНАЛЬНЫЙ ВЫБОР УЧИТЕЛЯ» . Серия рабочих документов NBER . 24883 . Проверено 18 апреля 2021 г.
[ редактировать ]
Retrieved from "https://en.wikipedia.org/w/index.php?title=Choice_modelling&oldid=1197761231"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: d6dd6183df1ca682b4289bf8cf2ddd25__1705860360
URL1:https://arc.ask3.ru/arc/aa/d6/25/d6dd6183df1ca682b4289bf8cf2ddd25.html
Заголовок, (Title) документа по адресу, URL1:
Choice modelling - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)