ツールの使い方
属性ごとに名前と水準（1 行に 1 つ）を入力し、タスクあたりのコンセプト数、回答者あたりのタスク数、バージョン数、シードを設定します。必要に応じて「どれも選ばない」選択肢、禁止組み合わせ、固定ホールドアウトタスク、再テストタスクを追加し、「実験計画を生成」を押してください。「サンプルデータを使う」をクリックすると、コンジョイント分析ツールのサンプルと同じワイヤレスイヤホンの属性が読み込まれます。
実験計画ファイルはコンセプト 1 つにつき 1 行で、バージョン、タスク、タスクの種類、コンセプト番号、属性ごとの列を含みます。これは調査プラットフォームが CBC 用に取り込む形式です。回答テンプレートには、回答者ごとに割り当てるバージョンが入ります。実査後は、回答者 1 人につき 1 行、タスクごとに選ばれた選択肢を示す列を持つエクスポートを「実際の回答を結合」パネルで開くと、コンジョイント分析ツールでそのまま開けるロング形式のファイルが得られます。ホールドアウトタスクは推定から自動的に除外されます。
実査の前には、シミュレーション回答をダウンロードしてください。ランダムな部分効用値から同じロジットモデルで生成した選択データです。これを分析すると、実験計画が部分効用値を再現できるか、どの程度の精度が見込めるかを確認できます。あくまでテスト用のデータで、実在の人の回答ではありません。
手法：最小オーバーラップ、バランス型オーバーラップ、禁止組み合わせ、ホールドアウト
最小オーバーラップは、各タスク内で水準ができるだけ均等に現れるようにし、コンセプト数が水準数を上回る場合にだけ同じ水準を重複させます。実験計画全体では、使用回数の少ない水準と水準の組を優先して選ぶため、水準バランスと 2 元バランスが高くなります。バランス型オーバーラップは同じバランスを目標にしますが、1 つのタスク内で水準がもう 1 回まで重複することを許します。ランダムはすべての水準を無作為に抽出し、比較の基準になります。
禁止組み合わせは、1 つのコンセプト内で同時に現れてはならない水準の組です（たとえば低価格帯にプレミアムブランドを組み合わせない）。禁止組み合わせは必ず効率を下げるため、現実にありえない組み合わせだけに限定してください。固定ホールドアウトタスクはすべてのバージョンで同じ内容を提示し、推定から除外して予測精度の検証に使います。再テストタスクは最後に最初のホールドアウトをコンセプトの順序を逆にして繰り返し、回答の一貫性を測ります。
- バージョンは調査票のバリエーションで、回答者は各バージョンに均等に割り振られます。
- 同じ設定とシードからは常に同じ実験計画が得られるため、実査で使った実験計画をいつでも再現できます。
D 効率と標準誤差の計算式
D エラー = det(M)^(−1/p)、M = (1/V) Σᵥ Σₜ (1/C) Σⱼ (xⱼ − x̄ₜ)(xⱼ − x̄ₜ)ᵀ。xⱼ はコンセプト j のエフェクトコーディングされた水準（属性ごとに L − 1 列、最後の水準は −1）、C はタスクあたりのコンセプト数、V はバージョン数、p は部分効用パラメーターの数 Σ (L − 1) です。和は各バージョンの計画タスク全体にわたります。
相対 D 効率 = 同じ規模のランダムな実験計画 10 個の平均 D エラー ÷ この実験計画の D エラー × 100。回答者 n 人の場合の標準誤差は、すべての部分効用値を 0 としたときの √(M⁻¹ の対角要素 ÷ n) です。「どれも選ばない」選択肢は属性水準を持たないため、D エラーと標準誤差の計算には含めません。
計算例
サンプルはワイヤレスイヤホンの属性（ブランド 4 水準、バッテリー持続時間 3 水準、ノイズキャンセリング 2 水準、価格 4 水準）を使い、3 コンセプトと「どれも選ばない」を 10 タスク、30 バージョンで提示します。最小オーバーラップでは各ブランドがそれぞれ 225 回提示され、同じタスク内でブランドが重複することはなく、2 元バランス（組の提示回数の最小 ÷ 最大）は 0.95 以上に保たれます。ノイズキャンセリングは 3 コンセプトに対して水準が 2 つしかないため、すべてのタスクで必ずオーバーラップします。
この実験計画の D エラーは、パラメーター 9 個に対して 0.2293 で、ランダムな実験計画の 0.3143 と比べた相対 D 効率は 137% です。バランス型オーバーラップは 121%、同じシードで作ったランダム方式の実験計画は 102% で、その 2 元バランスの最小値は 0.55 です。
回答者 300 人の場合、部分効用値の予想標準誤差は最小オーバーラップで 0.019〜0.034、ランダム方式で 0.022〜0.040 です。主効果に関するジョンソンの経験則では、回答者は少なくとも 67 人必要です。
向いているケースと向いていないケース
このツールは、事前値 0 の主効果モデルを前提とした CBC 実験計画のためのものです。
- 調査票をプログラミングする前に、選択型コンジョイント調査を計画する場合。
- 予定しているタスク数、コンセプト数、回答者数で部分効用値を十分な精度で推定できるか確認する場合。
- 最小オーバーラップ、バランス型オーバーラップ、ランダムの実験計画を比べたり、禁止組み合わせによる効率の損失を確かめたりする場合。
- 事前値、交互作用、選択肢固有の属性を扱う実験計画。このツールは事前値 0 の主効果を対象としています。
- インタビュー中にタスクを作成するアダプティブ CBC やメニュー型コンジョイント。
- フルプロファイルの一部実施要因計画を使う評価型コンジョイント。直交計画を使ってください。
結果の解釈
D エラーは小さいほど良く、相対 D 効率が 100% を超えていれば、同じ規模のランダムな実験計画より高い精度が得られます。水準バランスが 1 に近く、水準数から避けられない分を超えるオーバーラップが少なければ、主効果の実験計画として健全です。禁止組み合わせ、少ないバージョン数、非常に少ないタスク数は効率を下げます。バージョンを増やす効果は、回答者あたりのタスク数が少ないときに特に大きくなります。標準誤差はすべての部分効用値を 0 と仮定しているため、集計ロジットの精度の下限として扱ってください。