Was hat diesen Wunschwunsch ausgelöst?
Ich verwende derzeit eine JMP-Studentenlizenz (Version 19), um ein Discrete-Choice-Experiment mit der Choice-Design-Plattform von DOE zu entwerfen. Dabei nutze ich sowohl die von der Plattform bereitgestellten Funktionen für A-priori-Mittelwerte als auch für A-priori-Varianzen.
Ich möchte verhindern, dass bestimmte Kombinationen von Attributausprägungen gemeinsam auftreten, um unlogische Kombinationen im Rahmen meines Experiments zu vermeiden und die Ermüdung der Befragten zu reduzieren. Meines Wissens bietet die Plattform zur Versuchsplanung diese Möglichkeit nicht.
Mir ist bekannt, dass die Plattform für benutzerdefiniertes Design die Möglichkeit bietet, bestimmte Kombinationen auszuschließen, aber man kann keine vorherigen Mittelwerte/Verteilungen verwenden, wie es bei der Plattform für Wahldesign möglich wäre.
Welche Verbesserung würden Sie sich wünschen?
Ich würde mir wünschen, dass die Möglichkeit, Kombinationen zu verbieten, in die Choice Design Plattform integriert wird, so wie es in der Plattform für benutzerdefinierte Experimente der Fall ist, damit Benutzer Designs erstellen können, die gleichzeitig Bayes'sche Priors, partielle Profile und die Möglichkeit, Kombinationen zu verbieten, nutzen.
Warum ist diese Idee wichtig?
Ich habe mich aufgrund der Art und Weise, wie JMP partielle Profile und Bayes'sche Priors handhabt – im Vergleich zu anderen DCE-Programmen –, für die Entwicklung meines Versuchsdesigns entschieden. Überraschenderweise bot es jedoch keine Möglichkeit, Kombinationen auszuschließen. Andere DCE-Designprogramme ermöglichen dies zwar, arbeiten aber nicht so effizient mit partiellen Profilen wie JMP. Daher scheint es derzeit keine optimale Lösung zu geben. Da das Ausschließen von Kombinationen bei der Entwicklung eines DCE-Designs sehr wichtig sein kann, wäre die Integration dieser Funktion in JMP äußerst vorteilhaft, da sie Nutzern die Erstellung komplexerer Designs ermöglicht.
Aktuell kann ich zwar unzulässige Kombinationen manuell aus den von JMP generierten Auswahlmengen entfernen, befürchte aber, dass dies die statistischen Eigenschaften der Bayes'schen Priors beeinflussen könnte. Zwar wirkt sich das Ausschließen von Kombinationen generell auf die Effizienz eines Versuchsdesigns aus, doch die Integration dieser Funktion in die Plattform würde diese Bedenken hinsichtlich der manuellen Vorgehensweise mindern.
@jlynn21 Vielen Dank für die Weiterleitung an den technischen Support von JMP und für die Einreichung dieser Anfrage.
