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。

简介离散选择法（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。1

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。

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yn来调控

yn线性依赖于协变量

二元变量假定依赖于yn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：

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，

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）

多变量统计分析多变量统计分析（Multivariate Statistical Analysis),又称多元统计分析，简称多变量分析，为统计学的一支，常用于管理科学、社会科学和生命科学等领域中。多变量分析主要用于分析拥有多个变数的资料，探讨资料彼此之间的关联性或是厘清资料的结构，而有别于传统统计方法所着重的参数估计以及假设检定。由于多变量分析方法需要复杂且大量的计算，因此多借助电脑来进行运算，常用的统计套装软件有SAS、SPSS、Statistica等。

常见分析方法主成分分析（Principal Component Analysis, PCA）

因素分析（Factor Analysis）

判别分析（Discriminant Analysis）

聚类分析（Cluster Analysis）

典型相关分析（Canonical Correlation Analysis, CCA）

结构方程式模式（Structural Equation Model, SEM）

线性结构相关模式（Linear Structure Relation, LISREL）- 为SEM成员

本词条内容贡献者为:

曹慧慧 - 副教授 - 中国矿业大学