ローズリンデ・ケッセルアントワープ大学応用経済学博士研究員 roselinde.kessels0
<script>LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-FkN2o1ODE6oDxRI95zvuiXw9ERce0G9lw400h300r966', 'FkN2o1ODE6oDxRI95zvuiXw9ERce0G9l', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"400px","height":"300px"});（マイビデオで見る）
記述選択または結合選択実験とも呼ばれる離散選択実験（DCE）は、経済学、マーケティング、運輸、健康、心理学、環境計画、社会、政治およびコミュニケーション科学などのさまざまな分野で人々の好みを定量化するために広く使用されます。製品またはアイテムの一連の事前定義された属性が与えられると、DCEは最も重要なそれらの属性を識別し、それぞれに対して最も魅力的なレベルを示します。通常、DCEでは、選択肢とも呼ばれる選択肢が異なる属性のレベルの組み合わせである場合に、回答者が選択セットに表示された仮想的な（場合によっては実際の）代替アイテムを選択する必要があります。ほとんどの研究では、属性の数は多くなっています（大まかに言って、5つ以上）。プロファイルへの多数の属性の組み込みとプロファイル間の選択における増加した認知負荷との間のギャップを埋めるために、部分プロファイル設計を使用することをお勧めします。選択セットのプロファイル内のすべての属性のレベルを変えるフルプロファイル設計とは対照的に、部分プロファイル設計は属性のサブセットのみのレベルを変えます。実際のDCEケーススタディを使用して、JMPで推奨されているベイズ設計アプローチを使用して、完全および部分プロファイル設計を構築する方法を示します。各回答者によって評価された選択肢セットの数がそれを可能にするときに、（データをプールすることによって）集計レベルと個々のレベルの両方で、結果の選択肢データを分析する方法を示します。
