• 选择频次分析：通过分析所有被访者对选择集中可选产品的选择频次，得到各属性水平的选择比率，也可以计算不同属性水平二维交互作用的选择比率，一般用百分比表示。
• Logit模型选择概率分析：当选择数据经过编码整合后，就可以利用Multinomial Logit Model进行数据分析。该模型是一种复杂的多元统计分析过程，前面提到的SAS/STAT和Market模块的Prco PHREG过程可以用来估计未知参数向量，并计算不同选择集中每个产品的选择概率。

在模型中，价格属性直接作为数量型变量，用实际测试话费价格赋值，“不选任何产品”的价格水平设定为测试价格的平均值=0.45元/分钟。下面分别给出了模型的拟合统计量。

我们也可以采用SAS的Market模块进行分析！但事先需要满足分析的数据集和数据编码！

我们可以看出，移动全球通的价格弹性曲线变化显著高于其它品牌的价格弹性曲线变化，当价格点位低于0.40元后，曲线呈现显著增长，这表明如果移动全球通的话费降到0.40元以下，消费者的选择可能性将有较大的增长，因此将增大市场占有率。

同时，我们也可以模拟不同市场竞争环境下，价格因素对市场占有率的影响。图3给出了在移动神州行（0.60元/分钟）、联通130（0.40元/分钟）、联通如意通（0.50元/分钟）、联通CDMA（0.40元/分钟）价格不变的情况下，模拟移动全球通价格从0.30元/分钟变动到0.65元/分钟的市场占有率变化图。

离散选择模型的数据分析非常丰富，研究人员可以根据不同的营销目的，模拟不同的市场，估计市场占有率，寻找最佳的价格策略。也可以进一步根据消费者的不同背景资料，例如：不同的性别、年龄、收入等，分析不同子总体的选择偏好结构，进行市场细分。但是，离散选择模型也有许多不足，例如：选择集实验设计和数据结构更为复杂，需要借助专业软件分析，统计推断只能在群体层面分析，而不能在被访者个体层面分析。目前，对选择数据个体层面的效用值分析可以采用分层贝叶斯模型（Hierarchical Bayes Model），也就是HB模型。

谢谢多提宝贵意见！