Efficient and Accessible Discrete Choice Experiments: The DCEtool Package for R
高效且易用的离散选择实验：R 包 DCEtoolAI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接讨论离散选择实验的高效设计与离散选择模型估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
高效且易用的离散选择实验：R 包 DCEtool
- 研究问题
- 离散选择实验的非线性模型需要高效实验设计，如何让缺少商业工具的研究者也能方便地构建、解码和分析这些设计？
- 方法与思路
- 作者介绍带 Shiny 图形界面的 R 包 DCEtool，围绕降低 D-error 的高效设计，支持序贯实验、灵活设置和选择模型估计。
- 材料陈述的贡献
- 摘要称软件将实验设计构建、解码和分析整合于易用界面，支持序贯离散选择实验，并提高先进设计技术的可及性。
- 阅读关注点
- 应核对支持的选择模型与设计约束、D-error 的计算和优化方式，以及序贯设计如何使用已有信息更新后续实验。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核验；摘要未给出优化算法、效率基准或软件适用模型的完整清单。
原文摘要
Discrete Choice Experiments (DCEs) are widely used to elicit preferences for products or services by analyzing choices among alternatives described by their attributes. The quality of the insights obtained from a DCE heavily depends on the properties of its experimental design. While early DCEs often relied on linear criteria such as orthogonality, these approaches were later found to be inappropriate for discrete choice models, which are inherently non-linear. As a result, statistically efficient design methods, based on minimizing the D-error to reduce parameter variance, have become the standard. Although such methods are implemented in several commercial tools, researchers seeking free and accessible solutions often face limitations. This paper presents DCEtool, an R package with a Shiny-based graphical interface designed to support both novice and experienced users in constructing, decoding, and analyzing statistically efficient DCE designs. DCEtool facilitates the implementation of serial DCEs, offers flexible design settings, and enables rapid estimation of discrete choice models. By making advanced design techniques more accessible, DCEtool contributes to the broader adoption of rigorous experimental practices in choice modelling.