複製鏈接
請複製以下鏈接發送給好友

離散選擇法

鎖定
離散選擇法(Discrete choice approach,縮寫DCA,也作Discrete choice model,即“離散選擇模型”)屬於多重變量分析的方法之一,是社會學、生物統計學、數量心理學、市場營銷等統計實證分析的常用方法。
中文名
離散選擇法
外文名
Discrete choice approach
縮    寫
DCA

離散選擇法簡介

離散選擇法Discrete choice approach,縮寫DCA,也作Discrete choice model,即“離散選擇模型”)屬於多重變量分析的方法之一,是社會學、生物統計學、數量心理學、市場營銷統計實證分析的常用方法。 [1] 
離散選擇法的目標是通過(特定個體的或者特定類別的)協變量解釋所觀察到的在離散對象中進行的抉擇。

離散選擇法臨界值模型的假設

個體行為能夠通過一個不可觀察的(隱藏)變量yn來調控
yn線性依賴於協變量
二元變量假定依賴於yn的水平
不可觀察的臨界值c在識別基礎o.B.d.A上設為0
分佈函數F(·)是邏輯正態分佈或者正態分佈

離散選擇法隨機效用模型的假設

  • 存在r≥2個未排序的對象,在其中個體中於該時點選出一個
  • 每個對象有自己的效用
  • 效用不能完整的觀察,

離散選擇法應用領域舉例

  • 與一組實行安慰劑治療的對照組(Control group)進行比較,看治療方法是否成功
  • 解釋婦女的工作行為
  • 選擇某一專業學習
  • 在一攬子商品中對某一商品的購買決策
  • 情景條件下的市場份額建模
  • 根據“回憶者”(表現出來)的特徵衡量廣告活動的成功
  • 解釋顧客價值概念(分類模型)
  • 顧客滿意度研究(分類模型)

離散選擇法多變量統計分析

多變量統計分析Multivariate Statistical Analysis多元統計分析,簡稱多變量分析,為統計學的一支,常用於管理科學社會科學生命科學等領域中。多變量分析主要用於分析擁有多個變數的資料,探討資料彼此之間的關聯性或是釐清資料的結構,而有別於傳統統計方法所着重的參數估計以及假設檢定。由於多變量分析方法需要複雜且大量的計算,因此多借助電腦來進行運算,常用的統計套裝軟件有SASSPSSStatistica等。

離散選擇法常見分析方法

  • 主成分分析(Principal Component Analysis, PCA)
  • 因素分析(Factor Analysis)
  • 判別分析(Discriminant Analysis)
  • 聚類分析(Cluster Analysis)
  • 典型相關分析(Canonical Correlation Analysis, CCA)
  • 結構方程式模式(Structural Equation Model, SEM)
  • 線性結構相關模式(Linear Structure Relation, LISREL)- 為SEM成員
參考資料
  • 1.    曉羣, 統計學. 現代統計分析方法與應用[M]. 中國人民大學出版社, 1998.