Salut tout le monde!
Il y a quelques semaines, j'ai fait une expérience pilote de choix parmi 20 consommateurs au Kenya. Maintenant, je voudrais utiliser ces informations comme "antérieurs" pour ma dernière expérience de choix que je conçois dans JMP. Cependant, je ne sais pas comment/où remplir quelles données.
Voici mes attributs et niveaux :
Ce sont les priors (de l'étude pilote):
Mais je ne sais pas comment les remplir dans la conception finale de l'expérience de choix.Lorsque je veux les remplir dans le tableau 'Prior Mean' (voir capture d'écran 3) je ne sais pas quelles informations remplir où. Par exemple : où dois-je remplir l'estimation 'prix 100 KES' de 0,178, correspond-elle au prix 1, 2 ou 3 ? Peut-être ça peu importe si je le remplis sous le prix 1, 2 ou 3 ?
Je suis confus et j'espère que quelqu'un pourra m'aider avec ceci 
Merci d'avance!
Salut @Mafi ,
Bienvenue dans la Communauté
Vous pouvez trouver un exemple de conception Choice utilisant les informations préalables dans l'aide de JMP :
Concevoir l'expérience du choix final à l'aide des informations préalables (jmp.com)
Et pour analyser les données a priori : Analyser les données de l'étude pilote (jmp.com)
Pour votre cas d'utilisation, il y a plusieurs choses à savoir :
- Selon l'ordre des niveaux pour chaque facteur, vous pourrez saisir directement la valeur d'estimation trouvée auparavant : Par exemple, "Prix 2" correspond dans votre plan à l'estimation de "Prix[120]" dans votre étude initiale , car le niveau 2 de votre nouveau design correspond au niveau portant le nom "120 KES".
- Si vous ne disposez pas directement de la valeur estimée d'un niveau, vous pouvez très simplement la calculer. Par exemple, vous n'avez pas directement l'estimation de Price[130] nécessaire comme moyenne préalable pour Price 1 dans votre nouvelle conception. Pas de problème, cette estimation peut être calculée à partir des estimations des autres niveaux, de sorte que la combinaison des estimations L1 + L2 + L3 + L4 = 0.
Donc Price[130]a une valeur d'estimation de 0 - Price[100] - Price[110] - Price[120] = -0,2465682.
- Vous pouvez également ajouter dans votre conception des informations sur les variances antérieures si vous disposez des estimations d'erreur standard pertinentes nécessaires pour les niveaux de votre conception ; pour ce faire, vous devez entrer dans la diagonale la valeur au carré de votre estimation d'erreur std (variance = std²) pour chaque niveau de facteur correspondant. Vous avez besoin du même ordre dans vos niveaux de facteurs entre l'étude pilote et l'étude de conception de choix afin de pouvoir compléter complètement votre diagonale avec les valeurs de variance de niveau de facteur correspondantes.
J'ai fait l'exercice avec vos données si vous voulez jeter un coup d'œil (mais les niveaux de commande pour les facteurs peuvent être différents, de sorte que je peux avoir toutes les estimations de paramètres et les valeurs d'estimation d'erreur Sdt nécessaires (sans calcul) pour la moyenne antérieure et antérieure panneaux d'écarts) :
- Entrez les facteurs, les niveaux et les estimations des moyennes a priori :
- Calcule les variances a priori en mettant au carré les valeurs des estimations d'erreur Std pour chaque niveau de facteurs de l'étude pilote, et entre les estimations de variances a priori :
Il vous reste ensuite à définir enfin les détails pour la génération du design : nombre d'attributs pouvant changer dans un ensemble de choix, nombre de profils par ensemble de choix, etc...
Voici un exemple de script d'un design généré :
DOE(
Choice Design,
{Add Factor(
Categorical,
{"100 KES", "110 KES", "120 KES", "130 KES"},
"Price",
0
), Add Factor(
Categorical,
{"No food loss", "Moderate food loss", "Large food loss"},
"Food Loss",
0
), Add Factor(
Categorical,
{"Good", "Decent", "Poor"},
"Working conditions",
0
), Add Factor(
Categorical,
{"Conventional", "Organic", "Transitional"},
"Production method",
0
), Set Random Seed( 10688 ), Add Term( {1, 1} ), Add Term( {2, 1} ),
Add Term( {3, 1} ), Add Term( {4, 1} ),
Set Prior Mean Choice(
[0.1777 0.077 -0.0083 -0.48452 0.2595 0.319 0.0466 -0.3897 0.27]
), Set Prior Variance Matrix(
[0.062 0 0 0 0 0 0 0 0,
0 0.0424 0 0 0 0 0 0 0,
0 0 0.045796 0 0 0 0 0 0,
0 0 0 0.04644025 0 0 0 0 0,
0 0 0 0 0.03118 0 0 0 0,
0 0 0 0 0 0.04783 0 0 0,
0 0 0 0 0 0 0.0340483 0 0,
0 0 0 0 0 0 0 0.0376 0,
0 0 0 0 0 0 0 0 0.05754]
), Set Number of Attributes( 4 ), Set Number of Profiles( 2 ),
Set Number of Choice Sets( 16 ), Set Number of Surveys( 1 ),
Set Expected Number of Respondents( 1 ), Make Design,
Choice Design Table Output( Combined ), Simulate Responses( 0 )}
)
Et si vous êtes plus familier avec datatable, vous pouvez également le trouver ici (cliquez sur le script "DOE Dialog" pour modifier les paramètres dans le panneau de génération de conception et recréer une nouvelle conception en fonction de vos besoins).
J'espère que cette réponse vous aidera,
Salut Viktor,
Merci beaucoup pour votre aide, c'était exactement ce dont j'avais besoin pour pouvoir continuer
