選擇實驗的優化設計 - JMP博客中寫道：
[...]之前的博客文章涵蓋了筆記本電腦選擇實驗設計中的問題。目標是模擬[...]
瑞安凱利中寫道：
你好約翰，
我試圖找出為什麼JMP不能/容易地處理簡單的蒙特卡羅模擬，其中變量是相關的，這樣已知的相關性被輸入到模型中，使得MC模擬將從聯合分佈中採樣。為什麼不能通過JMP中的菜單輕鬆完成？是否有現成的JSL腳本來執行此操作？這似乎是JMP的一個缺點。
謝謝，
Ryan- kellyeng@cox.net
筆記本電腦供應商需要知道筆記本電腦重視哪些功能，以及有多少客戶願意為此付費。製造商可以通過一種稱為選擇實驗。這篇文章涵蓋了實驗設計使用JMP 8進行選擇實驗。
但是首先，我必須歸功於應收賬款。這裡使用的R＆D和示例都是布拉德利·瓊斯和克里斯·高特沃爾特，他們在JMP 8中實現了這些技術。
因此，讓我們設計一個選擇實驗，以了解許多功能對客戶的價值。我們尤其關注以下方面：
| 因子 |
等級 |
|---|
| 速度 |
快，慢 |
| 磁碟大小 |
大，小 |
| 電池壽命 |
長短 |
| 價錢 |
便宜，昂貴 |
在實驗中，受試者必須在兩種配置之間進行選擇，選擇最吸引人的配置。例如，一種選擇可能是在昂貴但功能齊全的筆記本電腦與廉價但功能受損的筆記本電腦之間。
| 選擇 |
速度 |
磁碟大小 |
電池壽命 |
價錢 |
|---|
| 一種 |
快速 |
大 |
長 |
昂貴 |
| b |
慢 |
小 |
短 |
便宜的 |
假設我們在選擇實驗中使用了普通的實驗設計。在傳統設計中，可以像塊一樣指定每個選擇。那是個好主意嗎？
考慮在a和b之間進行以下選擇：
| 選擇 |
速度 |
磁碟大小 |
電池壽命 |
價錢 |
|---|
| 一種 |
快速 |
小 |
長 |
昂貴 |
| b |
快速 |
小 |
長 |
昂貴 |
這些運行中的因子具有相同的值。這裡沒有真正的選擇。由於選擇是任意的，因此無法獲得任何信息。因此，我們有選擇實驗的第一個規則：
準則：在選擇實驗中，沒有塊內重複，即，測試的替代方法必須不同才能學習一些東西。
例如，這與工業響應曲面設計完全不同，在工業響應曲面設計中，複製對於以更高的精度估算因子，在獲得更精確的實驗誤差估算以及在缺乏擬合檢驗的情況下獲得純誤差估算方面非常有價值。因此，選擇設計與實驗設計不同。
現在，讓我們考慮一種選擇勝過所有其他選擇的情況。如果相對於情況，一個因素中的因素水平分佈比另一因素中的因素水平分佈大得多，則很容易發生這種情況。例如，假設高價如此之高，以至於儘管有任何其他因素值，但沒人能選擇它。現在考慮運行典型的經典設計，在該設計中，所有因素在同一塊內都不同。假設給每個主題三個選擇題，每個問題都有兩個選擇。
| 組 |
選擇 |
速度 |
磁碟大小 |
電池壽命 |
價錢 |
|---|
| 1個 |
一種 |
慢 |
大 |
長 |
便宜的 |
| 1個 |
b |
快速 |
小 |
短 |
昂貴 |
| 2 |
一種 |
慢 |
小 |
長 |
昂貴 |
| 2 |
b |
快速 |
大 |
短 |
便宜的 |
| 3 |
一種 |
快速 |
小 |
短 |
昂貴 |
| 3 |
b |
慢 |
大 |
長 |
便宜的 |
這種設計可以告訴我們很多主要因素，例如價格。它還能顯示其他內容嗎？如果價格主導決策，則用戶甚至不必查看其他因素值即可做出決策。除了小於價格效應之外，其他因素甚至無法測量。您會犧牲對其他因素的了解。為了解決這個問題，我們需要在某些試驗的選擇集中保持某些因素不變。
準則：您必須擁有一個選擇集，其中對於每個因子，一個因子在整個選擇集中都是恆定的。
還有一個原因是，您不能在一個選擇集中改變太多因素：當受試者在評估權衡時有兩個不同之處時，他們會感到困惑和疲勞。如果兩個選擇非常不同，那麼選擇看起來就像是兩個非常不同的事物之間的選擇。我們說這就像在比較蘋果和橘子-它們各自有好有壞，彼此之間並沒有真正的比較。
指導原則：在一個選擇集中，最多不要超過三個或四個因素。
普通設計還有另一個問題。考慮為筆記本電腦設置以下選項：
| 選擇 |
速度 |
磁碟大小 |
電池壽命 |
價錢 |
|---|
| 一種 |
快速 |
大 |
長 |
便宜的 |
| b |
慢 |
小 |
短 |
昂貴 |
對於該主題而言，此選擇將很容易。沒有權衡取捨。筆記本電腦實驗是為權衡而建立的，因為所有因素都具有自然優先級。總是優先於快而不是慢。始終首選較大的磁盤，而不是較小的磁盤。始終建議電池壽命長而不是電池壽命短。在其他條件相同的情況下，便宜的價格總是比便宜的價格更可取。該實驗具有所有極性因素。因此，此選擇集不會告訴我們任何我們不知道的信息。這個選擇集是對受試者的侮辱。然而，傳統的實驗設計將產生這樣的運行。
準則：極性因素應始終混合有極性。選擇集內的所有極性因子均不得設置在同一方向上。
一些調查還存在其他問題：
- 一些調查提出了太多問題，旨在提供“完整個人資料”詳細信息，使您可以估計每個人的不同模型。但是人們厭倦了太長的調查。他們會儘早停止任何挑戰他們耐心的調查，除非您實際付款。我們可以從志願者調查中看到大約15個問題。
- 有些調查並沒有足夠多的因素來影響。極端地，假設任何選擇集中只有一個因素發生變化。在這種情況下，只有主要影響是可估計的；無法評估任何互動。您無法很好地評估權衡，因為從未測試過各個因素之間的相對權衡。
- 如果您在權衡取捨和互動的需求與不問太多問題的需求之間取得平衡，您應該意識到調查需要向不同的人提出不同的問題集以實現這兩個目標。儘管這使調查的應用更加複雜，但這不是真正的問題，因為調查是計算機生成的。
回想起來，所有這些規則聽起來都很明顯，對吧？具有諷刺意味的是，通常不會遵循這些考慮因素，尤其是最後幾個方面。市場研究人員通常將用於工業實驗的相同實驗設計（DOE）軟件用於選擇實驗，他們認為DOE是一個抽象的通用概念，在每種情況下都是相同的。不一樣 選擇實驗很難設計得好。
滿足每個選擇實驗非常特定需求的一種好方法是使用最佳實驗設計工具，但要適應選擇實驗的特定需求和每種情況下的特定需求。
通常，最佳設計技術會在運行中安排因子設置，以便從給定的運行次數中學到最多的知識。在學習模型中，最優安排與實際參數值無關，因此情況很簡單。
事實證明，適合於特殊類型的邏輯回歸的選擇模型在參數上不是線性的，因此最優設計取決於參數的真實值，而未知數。因此，參數的某個範圍或先驗分佈用於表示您需要考慮的範圍。為此，對設計進行優化是相當困難的，包括整合先前的密度以創建最佳設計。 [Chaloner，K。和Verdinelli，I。（1995）。貝葉斯實驗設計：重述，《統計科學》 10：273-304。]但是JMP能夠將它在非線性DOE中學到的知識應用到Choice設計中[Gotwalt，C.，Jones，B.和Steinberg，D.（2009）快速計算設計，對於Technometrics接受的非線性設置，其參數不確定性具有魯棒性。]
因此，選擇實驗的良好實驗設計與其他實驗不同，最佳設計技術可以最好地處理它們。
在我的下一篇文章中，我們將了解筆記本電腦實驗的實際設計和運行方式。
