离散选择法

离散选择法（Discrete choice approach，缩写DCA，也作Discrete choice model，即“离散选择模型”）属于多重变量分析的方法之一，是社会学、生物统计学、数量心理学、市场营销等统计实证分析的常用方法。

目标

离散选择法的目标是通过（特定个体的或者特定类别的）协变量解释所观察到的在离散对象中进行的抉择。

应用领域举例

• 与一组实行安慰剂治疗的对照组（Control group）进行比较，看治疗方法是否成功
• 解释妇女的工作行为
• 选择某一专业学习
• 在一揽子商品中对某一商品的购买决策
• 情景条件下的市场份额建模
• 根据“回忆者”（表现出来）的特征衡量广告活动的成功
• 解释顾客价值概念（分类模型）
• 顾客满意度研究（分类模型）

临界值模型的假设

• 个体行为能够通过一个不可观察的（隐藏）变量y_n^*来调控
• y_n^*线性依赖于协变量
• 二元变量假定依赖于y_n^*的水平
• 不可观察的临界值c在识别基础o.B.d.A上设为0
• 分布函数F(·)是逻辑正态分布或者正态分布
• Logit模型：<math>\mathrm{P}(y_n=1|x_n)=\frac{\exp(b_0+b_1X_1+\dots+b_kX_k)}{1+\exp(b_0+b_1X_1+\dots+b_kX_k)}</math>
• Probit模型：

随机效用模型的假设

• 存在r≥2个未排序的对象，在其中个体中于该时点选出一个
• 每个对象有自己的效用
• 效用不能完整的观察，

参见

• 多重变量分析

外部链接

{{#ifexpr:1836>3000|{{safesubst:#switch:

{{safesubst:#if: 
 | {{{demospace}}}    
 | {{safesubst:#ifeq:|
   | {{safesubst:#if:

| other | main }}

   | other
   }} 
 }}

| main = | other | #default = }}}}