Using a combination of the signific

Using a combination of the significantly preferred attributes
(see Table 1) from both pilot surveys, the main survey was
designed using Ngene (version 1.0.1, ChoiceMetrics, Sydney,
Australia), to produce a D-efficient Bayesian design (Jaeger and
Rose, 2008). We chose this design type as it maximises statistical
efficiency in estimating preference parameters by minimising D
error over the prior distribution of the parameters while accounting
for uncertainty (Jaeger and Rose, 2008). To allow for uncertainty,
we used 500 Halton draws from normal distributions for
each parameter prior distribution. We then compared the mean
Bayesian Dp error of over 50,000 Bayesian designs, selecting the
one with the lowest error at 0.171. This design had 12 choice sets,
one of which is shown in Fig. 1. The design was attribute balanced,

ผลลัพธ์ (ไทย) 1:

ใช้แอตทริบิวต์ที่ต้องการอย่างมาก(ดูตารางที่ 1) จากการสำรวจนำร่องทั้งสอง สำรวจหลักถูกออกแบบโดยใช้ Ngene (เวอร์ชัน 1.0.1, ChoiceMetrics ซิดนีย์ออสเตรเลีย), การผลิตแบบ D มีประสิทธิภาพทฤษฎี (Jaeger และกุหลาบ 2008) เราเลือกออกแบบชนิดนี้เป็นวัสดุทางสถิติประสิทธิภาพในการประมาณพารามิเตอร์การตั้งค่าตาม D กับลดข้อผิดพลาดผ่านพารามิเตอร์ในขณะที่บัญชีกระจายก่อนสำหรับความไม่แน่นอน (Jaeger และโรส 2008) เพื่อให้ความไม่แน่นอนเราใช้วาด Halton 500 จากการกระจายปกติสำหรับแต่ละพารามิเตอร์ก่อนแจกจ่าย เราแล้วเปรียบเทียบค่าเฉลี่ยDp ทฤษฎีข้อผิดพลาดของการออกแบบทฤษฎีกว่า 50000 เลือกหนึ่ง มีข้อผิดพลาดต่ำที่ 0.171 ออกแบบนี้มี 12 ชุดทางเลือกที่จะแสดงใน Fig. 1 แอตทริบิวต์ที่สมดุล มีการออกแบบ

ผลลัพธ์ (ไทย) 2:

ใช้การรวมกันของคุณลักษณะที่ต้องการอย่างมีนัยสำคัญ
(ดูตารางที่ 1) จากการสำรวจทั้งนักบินสำรวจหลักที่
ออกแบบโดยใช้ Ngene (เวอร์ชั่น 1.0.1, ChoiceMetrics, ซิดนีย์,
ออสเตรเลีย) ในการผลิตการออกแบบคชกรรม D ที่มีประสิทธิภาพ (Jaeger และ
โรส 2008) เราเลือกประเภทการออกแบบนี้มันเพิ่มทางสถิติ
อย่างมีประสิทธิภาพในการประมาณค่าพารามิเตอร์การตั้งค่าโดยการลด D
ข้อผิดพลาดในช่วงก่อนการกระจายของพารามิเตอร์ในขณะที่บัญชี
สำหรับความไม่แน่นอน (Jaeger และโรส 2008) เพื่อให้ความไม่แน่นอน
ที่เราใช้ 500 Halton ดึงออกมาจากการแจกแจงปกติสำหรับ
แต่ละพารามิเตอร์กระจายก่อน จากนั้นเราเมื่อเทียบกับค่าเฉลี่ย
ความผิดพลาดแบบเบย์ Dp กว่า 50,000 ออกแบบคชกรรมเลือก
หนึ่งที่มีข้อผิดพลาดต่ำสุดที่ 0.171 การออกแบบนี้มี 12 ชุดทางเลือก
หนึ่งซึ่งจะแสดงในรูปที่ 1. การออกแบบที่เป็นคุณลักษณะที่สมดุล

ผลลัพธ์ (ไทย) 3:

โดยใช้การรวมกันของ
คุณลักษณะทางที่ต้องการ ( ดูจากตารางที่ 1 ) ทั้งนักบินสำรวจ สำรวจ ออกแบบโดยใช้หลัก
ngene ( choicemetrics รุ่น 1.0.1 , ออสเตรเลีย , ซิดนีย์ ,
) เพื่อผลิต d-efficient เบย์การออกแบบ ( Jaeger และ
กุหลาบ , 2008 ) เราเลือกประเภทของการออกแบบนี้เป็นสถิติที่เพิ่มประสิทธิภาพในการลดประมาณค่า
D
โดยข้อผิดพลาดมากกว่าการกระจายก่อนของตัวแปรในขณะที่บัญชี
สำหรับความไม่แน่นอน ( Jaeger และกุหลาบ , 2008 ) เพื่อให้ความไม่แน่นอน
เราใช้ 500 Halton วาดจากการแจกแจงปกติ
แต่ละพารามิเตอร์การแจกแจงก่อน . เราเปรียบเทียบค่าเฉลี่ย
แบบ DP ข้อผิดพลาดมากกว่า 50 , 000 แบบ การออกแบบ การเลือกหนึ่งที่มีความผิดพลาดน้อยที่สุด
ที่ 0.171 . การออกแบบนี้มี 12 ชุดทางเลือก
หนึ่ง ซึ่งจะแสดงในรูปที่ 1 การออกแบบคุณลักษณะที่สมดุล