チャールズ書きました：
私は最近、最適な特性を決定するためにWebバナー広告を評価した実験的デザインについてのHarvard Business Reviewの記事を読みました。たとえば、ある会社が複数の異なる広告を掲載し、それぞれが異なるサイズで、色、価格、プロモーションオファーがそれぞれ異なっていました。要因設計を通じて、彼らはこれらの機能の組み合わせでいくつかの広告を掲載し、どういうわけか各広告の最適な特性を決定することができました。
これはどうでしたか。JMPでできますか？
ありがとうございました！
Inge Liekens 書きました：
どのようにしてop-outシナリオを取り入れることができますか？例：両方の選択肢のどちらも、属性が常に固定されている場合はどちらですか？
あなたの例をありがとう、しかし私は絵を見ることができません....あなたは再び上がることができますか？ありがとうございました！
僕の以前のブログ投稿ラップトップコンピューターの選択実験の設計における問題をカバーしました。 目標は、機能と価格の間のトレードオフをモデル化することでした。 この投稿では、選択実験を設計する方法を示します。
JMP8のDOEメニューからアクセスするChoiceDesign機能は、選択実験を設計します。 このプラットフォームはによって開発されましたブラッドリージョーンズ、からの助けを借りてクリス・ゴトワルト。
最初の仕事は、実験に要素を入力することです。 因子を追加してレベルを指定すると、ウィンドウは次のようになります。
DOEファクター
次に、モデルを指定します。 これは小さな実験である必要があるため、デフォルトの主効果モデルを使用します。
ラップトップモデル仕様
次に、事前仕様書に記入します。 から覚えておいてください私の前の投稿最適な設計は答えが何であるかによって異なり、私たちは答えを知りません。 実際、私たちはすでに選択肢について多くのことを知っています。 人々が大きなディスク、より高速、より長いバッテリー寿命、そしてより低い価格を望んでいることはすでに知っています。
実験では、これらの特性の相対的な強さを測定します。トレードオフ、特に価格と機能の間のトレードオフを測定します。 応答は前向きな方向、実用性です。 すべての因子レベルは、最も望ましくないレベルが最初で、最も望ましいレベルが最後になるように順序付けられていることに注意してください。
これで、これらのレベルの方向がわかっていることを設計者に伝えることができます。 これを行うには、事前の平均を入力します。 80ギガ（GB）は、40ギガ以上の1ユーティリティユニットの価値があると言います。 2.0 GHzCPUは1.5GHzを超える1ユーティリティユニットの価値があると言います。もちろん、これらの大きさは実際にはわかりません。その不確実性は、対角線上に1を付けて事前分散行列で表されます。 慣例では、最初のレベルがあまり望ましくない場合は、ここで行うように、負の値を入力します。 ユーティリティの昇順で3つのレベルがある場合は、負の値を入力してから0を入力します。 実際には、レベル間で順序が一貫している限り、パラメーター化の正しい順序でレベルを入力するかどうかは問題ではありません。
ラップトップの事前
この事前仕様は、このような実験では重要です。このような実験では、すべての要因に既知の選好方向があり、目標はトレードオフを測定することです。 これを指定しなかった場合、一方の選択肢にすべてのより良い因子レベルが含まれ、もう一方の選択肢にすべてのより悪い因子レベルが含まれる選択肢セット項目を簡単に取得できます。このような場合、選択の応答は自明であり、実行は無駄になります。
次に、必要な残りの実験を指定します。
ラップトップの追加モデルの仕様
選択調査を行うために16人の被験者が並んでいるとします。 私たちは、各被験者が6つの比較を行う忍耐力を持っていると考えています。 各選択セットは2つのプロファイルになります—より多くの中から選択するように人々に求めることができますが、それは主題にとってより多くの作業です—2つが標準です。 2つの調査セットを実行することを選択します。 これは、全員に同じ質問をすることと、別々に設計された選択肢セットを使用して全員に独自の調査を行うことの間の妥協点です。 被験者の総数は、最後の2つの仕様（2 * 8 = 16）の積です。 選択応答の総数は、最後の3つの仕様（6 * 2 * 8 = 96）の積です。
ここには2つのレベルの設計データがあります。 それぞれの選択セットを作成するためのプロファイルがあります。 選択肢セットごとに2つのプロファイル×調査ごとに6つの選択肢セット×2つの調査があり、（2 * 6 * 2）24の一意の選択肢プロファイルのテーブルを作成します。
ラップトッププロファイルテーブル
これにより、調査の原材料を準備できるように、因子レベルのデータが構造化されます。
次に、回答の被験者レベルのデータがあり、どの被験者がどの調査を取得したかを示し、各選択試行の回答を入力するためのスロットがあります。 これが最初の2つの主題の行です。 最初の科目は調査1を受講し、2番目の科目は調査2を受講しています。
ノートパソコンの応答表
Choice1とChoice2の値は、Choice SetIDと一致するProfilesテーブルのChoiceID値にインデックスを付けます。 たとえば、行10では、Choice1は調査2の選択肢セット10の選択肢ID 1であり、プロファイルテーブル（80ギガ、1.5 GHz、4時間、$ 1,000）の行19であり、他の選択肢はの次のプロファイルです。行20（40ギガ、2.0 GHz、4時間、$ 1,500）。
なぜ1つではなく2つのテーブルがあるのですか？ 1つまたは2つのテーブルを選択できることがわかりました。
1つまたは2つのテーブルを選択するためのラジオボタン
この設計がガイドラインに従っているかどうかを見てみましょう。 すべての選択は、望ましい選択肢のトレードオフでなければなりません。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 1 |
1 |
1 |
40ギグ |
1.5 GHz |
6時間 |
1,500ドル |
| 1 |
1 |
2 |
40ギグ |
2.0 GHz |
4時間 |
1,200ドル |
これは、速度を犠牲にしなければならない場合でも、さらに2時間のバッテリー寿命を得るために、さらに300ドルを支払う意思があるかどうかをテストします。 300ドルのトレードオフとバッテリー寿命の速度。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 1 |
2 |
1 |
40ギグ |
1.5 GHz |
6時間 |
1,000ドル |
| 1 |
2 |
2 |
80ギグ |
1.5 GHz |
4時間 |
1,500ドル |
500ドルのトレードオフとハードディスクに対するバッテリー寿命。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 1 |
3 |
1 |
80ギグ |
1.5 GHz |
6時間 |
1,200ドル |
| 1 |
3 |
2 |
40ギグ |
2.0 GHz |
4時間 |
1,000ドル |
200ドルのトレードオフと、ディスクとバッテリーの寿命に対する速度。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 1 |
4 |
1 |
80ギグ |
1.5 GHz |
4時間 |
1,500ドル |
| 1 |
4 |
2 |
40ギグ |
1.5 GHz |
4時間 |
1,200ドル |
ディスクの300ドルのトレードオフ。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 1 |
5 |
1 |
80ギグ |
2.0 GHz |
4時間 |
1,200ドル |
| 1 |
5 |
2 |
40ギグ |
1.5 GHz |
6時間 |
1,000ドル |
300ドルとバッテリーの速度とディスクのトレードオフ。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 1 |
6 |
1 |
80ギグ |
2.0 GHz |
4時間 |
1,500ドル |
| 1 |
6 |
2 |
80ギグ |
1.5 GHz |
6時間 |
1,200ドル |
300ドルとバッテリーの速度のトレードオフ。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 2 |
7 |
1 |
80ギグ |
2.0 GHz |
6時間 |
1,200ドル |
| 2 |
7 |
2 |
40ギグ |
1.5 GHz |
4時間 |
1,000ドル |
ディスク、速度、バッテリー寿命のトレードオフは200ドルです。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 2 |
8 |
1 |
40ギグ |
2.0 GHz |
6時間 |
1,200ドル |
| 2 |
8 |
2 |
80ギグ |
1.5 GHz |
4時間 |
1,000ドル |
速度とバッテリーの200ドルとディスクのトレードオフ。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 2 |
9 |
1 |
40ギグ |
1.5 GHz |
6時間 |
1,500ドル |
| 2 |
9 |
2 |
40ギグ |
2.0 GHz |
4時間 |
1,000ドル |
500ドルとバッテリーの速度のトレードオフ。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 2 |
10 |
1 |
80ギグ |
1.5 GHz |
4時間 |
1,000ドル |
| 2 |
10 |
2 |
40ギグ |
2.0 GHz |
4時間 |
1,500ドル |
500ドルとディスクの速度のトレードオフ。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 2 |
11 |
1 |
80ギグ |
1.5 GHz |
4時間 |
1,200ドル |
| 2 |
11 |
2 |
40ギグ |
2.0 GHz |
6時間 |
1,500ドル |
300ドルとディスクの速度とバッテリーのトレードオフ。
| 調査 |
チョイスセット |
選択肢ID |
ハードディスク |
速度 |
バッテリー寿命 |
価格 |
| 2 |
12 |
1 |
40ギグ |
1.5 GHz |
4時間 |
1,000ドル |
| 2 |
12 |
2 |
80ギグ |
2.0 GHz |
4時間 |
1,500ドル |
ディスクと速度の500ドルのトレードオフ。
退化した選択肢はありますか（つまり、選択肢が等しい場合）？ いいえ、それは良いことです。
各因子について、その因子が一定である（支配的な因子が他の因子の測定を妨げることができないようにする）選択肢がありますか？ うーん、ダメ。価格は選択肢セットごとに常に異なるため、価格が完全に支配的である場合、他の効果を測定することはできません。 これが懸念される場合は、[デザイン生成]フィールドに戻り、[選択セット内で変更できる属性の数]を4から3に変更する必要があります。
ラップトップの代替仕様
極性の質問はどうですか？ 極性因子は常に極性が混在している必要があります。 つまり、すべてが良いかすべてが悪いかだけでなく、トレードオフは常に意味のあるものでなければなりません。 これは、事前仕様がうまく機能する場所です。 すべての選択肢は、関心のある値を測定するためにかなり懸命に働いています。 選択の余地は面白くないです。
これで実験計画ができました。 おかげでブラッド・ジョーンズこの例では。
ジョーンへ！あなたの答えに感謝します、しかし私は始めるために同じ問題を抱えています。 健康に関するDCEを作成したいと思います。 私は4つの要素を追加しましたが、常に-4つの要素です。「0」レベルは「1」よりも優れたオプションです。 特殊効果を含めるにはどうすればよいですか？ 写真を送ってください。
具体的には、完全な要素ではなく、各要素のレベルごとの相対的な強さを求めています（前に送信した写真を参照してください）。 JMPでそれを行う方法を教えていただけますか？
