ich versuche mich gerade an der Kodierung der Daten für ein DCE. Ich habe ein paar Studien gefunden, welche für die Kodierung "effect coding" verwendet haben. Dementsprechend habe ich das auch getan. Jedoch bin ich verwirrter als vorher. Im Allgemeinen geht es hier um die Ermittlung von Nutzenwerten für Attribute dieser Auswahlentscheidungen.
1. verwende ich dummy coding, sind alle Koeffizienten (mean) der Attribute signifikant. Verwende ich effect coding sind einige Koeffizienten nicht mehr signifikant. Wie lässt sich sowas erklären?
2. Habe ich starke Probleme mit der Interpretation der Koeffizienten. Verwende ich dummy coding habe ich eine Referenzklasse (bei Kategorien). Der Koeffizient steht also in Relation mit dieser Referenz. Verwende ich effects coding steht der Koeffizient in Relation mit allen Klassen(grand mean), soweit ich das verstanden habe. Somit kann ich alle Klassen direkt mit den Koeffizienten miteinander vergleichen (?). Habe ich nur zwei Klassen (z.B. Mann(-1) oder Frau(1)) muss ich den Koeffizienten mit zwei multiplizieren um auf den Koeffizienten der dummy Kodierung zu kommen. Habe ich drei Kategorien muss ich zunächst einen der beiden Koeffizienten mit zwei multiplizieren und den anderen Koeffizienten aufaddieren um auf den dummy kodierten Koeffizienten zu kommen. Auch wenn es absurd klingt: auf welcher Theorie beruht diese Umrechnung?
Was ist der "wahre" Nutzenwert des jeweiligen Attributes? Der Koeffizient der dummy Kodierung oder der Koeffizient der effect Kodierung?
3. Möchte ich nun die Wahrscheinlichkeit einer Auswahl berechnen, klappt das bei effects coding mit den ermittelten Koeffizienten nicht. Normalerweise nehme ich die Teilnutzenwerte der einzelnen Attribute addiere sie und packe sie in eine Exponentialfunktion also exp(Gesamtnutzen Produkt1). Muss ich die Koeffizienten noch umformen (wie oben beschrieben)?
Auch wenn einige wahrscheinlich über die Fragen lachen, ich habe leider relativ wenig Erfahrungen mit DCE. Insbesondere, dass sich die Signifikanz der Attribute (mean) verändert, verwirrt mich sehr. Ich würde mich sehr über eine Antwort freuen.
