离散选择法（Discrete choice approach，缩写DCA，也作Discrete choice model，即“离散选择模型”）属于多重变量分析的方法之一，是社会学、生物统计学、数量心理学、市场营销等统计实证分析的常用方法。

假设

目标

离散选择法的目标是通过（特定个体的或者特定类别的）协变量解释所观察到的在离散对象中进行的抉择。

应用领域举例

与一组实行安慰剂治疗的对照组（Control group）进行比较，看治疗方法是否成功 解释妇女的工作行为 选择某一专业学习 在一揽子商品中对某一商品的购买决策 情景条件下的市场份额建模 根据“回忆者”（表现出来）的特征衡量广告活动的成功 解释顾客价值概念（分类模型） 顾客满意度研究（分类模型）

临界值模型的假设

个体行为能够通过一个不可观察的（隐藏）变量yn*来调控 yn*线性依赖于协变量 二元变量假定依赖于yn*的水平 不可观察的临界值c在识别基础o.B.d.A上设为0 分布函数F(·)是逻辑正态分布或者正态分布 Logit模型： P ( y n = 1 | x n ) = exp ⁡ ( b 0 + b 1 X 1 + ⋯ + b k X k ) 1 + exp ⁡ ( b 0 + b 1 X 1 + ⋯ + b k X k ) {\displaystyle \mathrm {P} (y_{n}=1|x_{n})={\frac {\exp(b_{0}+b_{1}X_{1}+\dots +b_{k}X_{k})}{1+\exp(b_{0}+b_{1}X_{1}+\dots +b_{k}X_{k})}}} Probit模型：

随机效用模型的假设

存在r≥2个未排序的对象，在其中个体中于该时点选出一个 每个对象有自己的效用 效用不能完整的观察，

参见

多重变量分析

外部链接