南湖新闻网讯（通讯员 孙山）近日，食物经济与管理团队研究成果以“Dummy and effects coding variable in discrete choice analysis”为题在American Journal of Agricultural Economics发表。该论文以预包装方便食品为实证案例研究了编码方法的误解对离散选择研究分析的严重后果。
离散选择实验分析方法的广泛应用已经迅速扩展到食物经济、环境经济、交通和城市规划以及健康等诸多领域。选择实验方法可以用来估计以微观经济理论为基础的偏好以及相关福利，然而估计的偏差和错误可能导致对经济理论的误解，引起错误的福利判断，并进一步误导私人和公共决策或政策的制定。基于此，本研究对两种属性编码方式，即“虚拟编码”和“效果编码”展开分析，概述了离散选择分析中效果编码方法的误解。描述了效果编码如何错误的处理和估计结果，进一步在消费偏好和福利分析中得出错误结论。
该研究分别从理论论证和案例研究的层面对效果编码的误解做出解释。实证研究部分，论文设计了一个包含营养强化、可追溯、绿色食品标示等多个属性的预包装食品案例，并通过网上问卷方式获取数据。理论推导和基于预包装方便食品的实证研究结论均显示，由于缺乏对两种编码方法之间等价性的理解，大量以前发表的文章都错误地解释了效应编码的结果。这种误解会造成t检验结果、属性偏好的大小和顺序、边际支付意愿以及消费者剩余/补偿变化估计的无效。为解决编码方法误解的影响，本研究提出了一种转换机制，可以在两种编码间转换结果，并可以准确的计算和解释参数估计和福利影响。最后，考虑到虚拟编码产生的系数估计和相关福利测算比效果编码解释力度大、出错率低，论文提出更推荐采用虚拟编码方法处理选择实验的数据。该研究的结论不仅对离散选择的计量经济学分析做出贡献，还纠正了包括食物经济学领域在内的消费者福利分析和政策研究可能存在的潜在错误。
经济管理学院青平教授为论文通讯作者，该研究的合作者包括原经济管理学院博士后、湖北大学教育学院孙山老师以及来自美国俄亥俄州立大学和路易斯安那州立大学的学者。该研究得到了国家自然科学基金的资助。
审核人：李谷成
【英文摘要】
Discrete choice models typically incorporate product/service attributes, many of which are categorical. Researchers code these attributes in one of two ways: dummy coding and effects coding. Whereas previous studies favor effects coding citing that it resolves con-founding between attributes, our analysis demonstrates that such confounding does not exist in either method, even when a choice model contains alternative specific constants. Furthermore, we show that because of the lack of understanding of the equivalence between the two coding methods, a sizeable number of previously published articles have misinterpreted effects coded results. The mis-interpretation generates conflicting preference ordering and renders t-statistics, marginal willingness to pay, as well as consumer surplus/compensating variation estimates invalid. We show that severe misinterpretation occurs for any categorical attribute that contains more than two discrete levels. The frequency of two-level attributes used in discrete choice analyses may have led some past studies to overlook this error. Given its equivalence and lower likelihood of misinterpretation, we recommend dummy coding.
