Roselinde Kessels ，博士，安特卫普大学应用经济学博士后研究员 roselinde.kessels0
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-FkN2o1ODE6oDxRI95zvuiXw9ERce0G9lw400h300r862', 'FkN2o1ODE6oDxRI95zvuiXw9ERce0G9l', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"400px","height":"300px"});
（在我的视频中查看）
离散选择实验（DCEs），也称为陈述或联合选择实验，被广泛用于量化人们在经济，营销，交通，健康，心理学，环境规划以及社会，政治和传播科学等领域的偏好。给定产品或项目的一组预定义属性，DCE识别那些最重要的属性并指出每个属性最具吸引力的级别。通常，DCE涉及受访者选择在选择集中呈现的假设（偶尔真实的）替代项目，其中替代方案（也称为简档）是不同属性级别的组合。在大多数研究中，属性的数量很大（松散地说，超过五个）。为了弥合配置文件中许多属性的合并与在配置文件之间选择时增加的认知负担之间的差距，我们建议使用部分配置文件设计。与完整轮廓设计相反，完整轮廓设计改变了选择集的轮廓中的所有属性的级别，部分轮廓设计仅改变属性的子集的级别。使用真实的DCE案例研究，我们展示了如何通过JMP中推荐的贝叶斯设计方法构建完整和部分轮廓设计。我们将展示如何在聚合级别（通过汇集数据）和单个级别上分析所得到的选择数据，此时每个响应者评估的选择集数量允许这样做。
