離散選擇法

離散選擇法（Discrete choice approach，縮寫DCA，也作Discrete choice model，即“離散選擇模型”）屬於多重變數分析的方法之一，是社會學、生物統計學、數量心理學、市場行銷等統計實證分析的常用方法。

基本介紹

• 中文名：離散選擇法
• 外文名：Discrete choice approach
• 縮寫：DCA
• 屬於：多重變數分析

簡介

離散選擇法（Discrete choice approach，縮寫DCA，也作Discrete choice model，即“離散選擇模型”）屬於多重變數分析的方法之一，是社會學、生物統計學、數量心理學、市場行銷等統計實證分析的常用方法。

離散選擇法的目標是通過（特定個體的或者特定類別的）協變數解釋所觀察到的在離散對象中進行的抉擇。

臨界值模型的假設

個體行為能夠通過一個不可觀察的（隱藏）變數y_n來調控

y_n線性依賴於協變數

二元變數假定依賴於y_n的水平

不可觀察的臨界值c在識別基礎o.B.d.A上設為0

分布函式F(·)是邏輯常態分配或者常態分配

Logit模型：

隨機效用模型的假設

• 存在r≥2個未排序的對象，在其中個體中於該時點選出一個
• 每個對象有自己的效用
• 效用不能完整的觀察，

套用領域舉例

• 與一組實行安慰劑治療的對照組（Control group）進行比較，看治療方法是否成功
• 解釋婦女的工作行為
• 選擇某一專業學習
• 在一攬子商品中對某一商品的購買決策
• 情景條件下的市場份額建模
• 根據“回憶者”（表現出來）的特徵衡量廣告活動的成功
• 解釋顧客價值概念（分類模型）
• 顧客滿意度研究（分類模型）

多變數統計分析

多變數統計分析（Multivariate Statistical Analysis),又稱多元統計分析，簡稱多變數分析，為統計學的一支，常用於管理科學、社會科學和生命科學等領域中。多變數分析主要用於分析擁有多個變數的資料，探討資料彼此之間的關聯性或是釐清資料的結構，而有別於傳統統計方法所著重的參數估計以及假設檢定。由於多變數分析方法需要複雜且大量的計算，因此多藉助電腦來進行運算，常用的統計套裝軟體有SAS、SPSS、Statistica等。

常見分析方法

• 主成分分析（Principal Component Analysis, PCA）
• 因素分析（Factor Analysis）
• 判別分析（Discriminant Analysis）
• 聚類分析（Cluster Analysis）
• 典型相關分析（Canonical Correlation Analysis, CCA）
• 結構方程式模式（Structural Equation Model, SEM）
• 線性結構相關模式（Linear Structure Relation, LISREL）- 為SEM成員