[論文レビュー] A step-by-step guide to design, implement, and analyze a discrete choice experiment

Daniel Pérez-Troncoso|arXiv (Cornell University)|Sep 23, 2020

Economic and Environmental Valuation参考文献 16被引用数 10

ひとこと要約

この論文は、Rを用いて実験的設計、データ管理、条件付きロジットおよびミックスドロジットモデルの推定を含む、離散選択実験（DCE）の設計・実装・分析について、フリー・ソフトウェアに依存する包括的なガイドを提供する。研究者が商業的ソフトウェアに依存せずに、支払い意思図を推定し、好みの多様性を評価できるようにし、各ステップに対して完全に再現可能なコードを提供する。

ABSTRACT

Discrete Choice Experiments (DCE) have been widely used in health economics, environmental valuation, and other disciplines. However, there is a lack of resources disclosing the whole procedure of carrying out a DCE. This document aims to assist anyone wishing to use the power of DCEs to understand people's behavior by providing a comprehensive guide to the procedure. This guide contains all the code needed to design, implement, and analyze a DCE using only free software.

研究の動機と目的

• フリー・ソフトウェアのみを用いた離散選択実験（DCE）を実施するためのアクセス可能で包括的なリソースの不足に対処すること。
• 健康経済学、環境評価、関連分野の研究者向けに、段階的で再現可能なワークフローを提供すること。
• Rを用いて条件付きロジットおよびミックスドロジットモデルを用いて、支払い意思図の推定と好みの多様性の検出を可能にすること。
• すべてのDCE実装段階に対して完全なRコードを提供することで、高価な商業ソフトウェアへの依存を減らすこと。
• 属性選定、パイロットスタディ、dエラー最適化を用いた効率的実験的設計を含む、DCE設計におけるベストプラクティスの標準化

提案手法

• dエラー最小化を用いてRで効率的な実験的設計を生成し、限られた選択セットから最大の情報を得ることを保証する。
• ベースラインとして全要因設計を採用し、その後最適化を適用して選択セットの数を削減しながら統計的効率性を維持する。
• dplyrを用いてデータをワイドフォーマットからロングフォーマットに変換し、モデル推定に適した設計行列との統合を可能にする。
• survival::clogit関数を用いて条件付きロジットモデル（CLM）を適用し、基準カテゴリの除外レベルコーディングを実施する。
• mlogitパッケージを用いてミックスドロジットモデル（XLM）を推定し、ランダム係数を許容し、好みの多様性の検証を可能にする。
• Halton系列とモンテカルロ統合（R=100）を用いて、ミックスドロジット推定の収束性と正確性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 研究者はどのようにして、フリー・ソフトウェアのみを用いて統計的に効率的な離散選択実験を設計できるか？
• RQ2 精度と被験者の理解の両立を考慮した場合、属性と水準を最適に選択する方法は何か？
• RQ3 データをどのように構造化し、設計行列と統合することで、選択モデルの妥当な推定が可能になるか？
• RQ4 DCEにおける条件付きロジットモデルとミックスドロジットモデルの解釈の違いと統計的性質の違いは何か？
• RQ5 係数比を用いて、DCEの結果から支払い意思図をどのように推定できるか？

主な発見

• 条件付きロジットモデルの推定結果では、'1か月に1回'投与が最高の効用（係数 = 2.93951）を示したのに対し、'100％効果'が基準レベルとして係数2.3711を示した。
• 「投与量」属性は、最高水準と最低水準の間で最大の効用差（5.27）を示しており、最も影響力のある属性であった。
• 支払い意思図は、ある水準の係数を価格係数で割ることで算出され、非市場的属性の金銭的評価が可能になった。
• ミックスドロジットモデルの結果、いくつかの係数（例：Var11, Var12）に有意な標準偏差が認められ、被験者間での好みの多様性が顕著に示された。
• 「投与経路」属性では、経口投与への強い好ましさ（係数 = 2.02899）が認められ、注射が基準レベルであった。
• dエラー最適化手順により、全要因設計時の選択セット数5778から、実行可能な数に削減され、情報損失を伴わずに調査の実行可能性が向上した。