Comparing forced and unforced choices in a choice experiment: the role of reference dependent preferences
Notice bibliographique
Résumé
In the discrete choice experiment literature, it has been argued that the choice sets from which respondents choose should include an unforced choice because this is more realistic and accounts for status quo bias. However, we propose a much stronger set of arguments for preferring to use unforced choices where relevant. These relate to the concepts of loss aversion and reference dependent preferences from prospect theory. The introduction of a third alternative representing the respondent’s current situation changes the reference point, which may be different for each respondent. This, in turn, changes the size of any losses or gains when comparing Job A or Job B with their current situation, and since losses are valued more than gains, affects the marginal utility of each attribute. The aim of this paper is to test this using two separate discrete choice experiments, one examining choices for nursing jobs, and one examining choices for GP jobs. Each experiment includes both a forced choice (which job do you prefer, A or B) followed by an unforced choice (which job would you choose, A or B or current job) for each choice set. The levels for the current job are constructed from responses to other questions in the survey. This enables us to directly compare the results of the forced and unforced choices for the same individual. We use a generalised multinomial logit model to account for the effects of scale. On average, the introduction of the status quo option led to respondents more likely experiencing losses than gains, due to status quo bias. This corresponded to the marginal utilities being generally higher in the unforced choice model, confirming the well-known finding that losses are valued more than gains. Including an unforced choice in DCEs is necessary (when appropriate) not only for the purposes of ‘realism’, but also because they produce different marginal utilities due to loss aversion.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,244 | 0,526 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».