一、選擇實驗法之理論基礎
Lancaster 於 1966 年所提出的消費者效用理論與稍後 McFadden 於 1973 年提 出的隨機效用模型是選擇實驗法的基礎。Lancaster（1966）指出，消費者在購買商 品時的效用來源並不能只從單一產品的角度衡量，而是要考量到產品所具備的各 種不同特性所帶來的效用加總。McFadden（1973）則進一步延伸，假設消費者是 理性的，會追求效用極大化，效用則可分為確定性效用與隨機性效用兩種效用的加 總，確定性效用可以觀察，並能透過調查加以估計，而隨機性效用則與個別消費者 的特性或其他因素有關，無法被觀察到。
選擇實驗透過建立假設市場，給予產品不同的屬性，屬性之下又有不同的等級，
將多種屬性與等級進行組合形成不同的方案，兩個或以上的方案便會形成選擇集，
讓受訪者選出最偏好的方案，或是依照喜好程度進行排序（Breidert et al., 2006）。
當方案所提供的效用越高，其被消費者選擇的機率也越大，除了整體方案之外，當 方案中的屬性等級改變而讓方案效用提高時，消費者選擇方案的 效用也較高
（Burton et al., 2001）。選擇實驗法被廣泛利用於非市場價值的評估，相較於採用整 體詢價的條件評估法，此種方法具有能清楚顯示消費者對於財貨中個別屬性之偏 好的優點（choi et al., 2010）。
二、選擇實驗的設計流程
本研究根據Hanley et al.（2001）與 Hoyos（2010）的研究方法進行實驗設計，
分為選擇屬性、決定屬性等級、決定替代方案、設計選擇集、決定衡量消費者偏好 方式與估計價值分析等六個步驟。
(一)選擇屬性
透過回顧研究主題相關的文獻以及與焦點團體進行訪談等方法，找出與主題 有關的屬性，確定每個屬性對於消費者的選擇決策有重要影響，此外為了計算願付 價值，會加入成本、價格等貨幣變數。
(二)決定屬性等級
透過回顧相關的文獻以及與焦點團體進行訪談決定屬性，同時還要進行現況 調查，確定屬性能夠符合真實市場情況並且可行，此外選擇模型會設計出基本方案 代表現況。
(三)決定替代方案
當屬性與等級都確定後，便會進行因子設計，組合出多種替代方案，組合方式 有全因子設計與部分因子設計兩種，全因子設計會將所有的排列組合都形成替代 方案，雖然能準確的估計等級變動所產生的影響，但是由於資料量過大會使得效率 不佳。部分因子設計則只採用較合理、代表性較高的組合形成方案，降低估計能力 以增加效率與便利性。
(四)建立選擇集
將透過全因子設計或半因子設計決定出來的各個替代方案，以單獨一個、兩兩 成對或是三個方案以上並列的方式，讓消費者進行比較、選擇。
(五)衡量消費者偏好
衡量的方式會根據實驗目的之不同而有排序、評分或是選擇等方法，本研究為 了符合一般消費者一次只能選擇一種旅遊方案的情況，使用「選擇」的方式進行消 費者偏好的衡量。
(六)分析與估計結果
最 大 概 似 估 計 法 （Maximum Likelihood Estimation, MLE ） 與 最 小平 方 法
（Ordinary Least Square, OLS）都是能依照不同資料特性而選擇的研究方法。
三、選擇模型
選擇模型是建立於隨機效用模型（McFadden, 1973）的理論基礎之上，當消費 者被假設為同質性偏好時，會利用多元羅吉特模型（Multinomial Logit Model, MNL）； 若消費者被認為是異質性偏好時，則使用隨機參數羅吉特模型（Random Parameter Logit Model, RPL），如果變數是離散的則要使用潛在類別模型（Latent Class Model, LCM）分析。
(一) 隨機效用模型
當消費者k 選擇方案 l 時的效用可以用下列方程式加以表示：
𝑈𝑘𝑙 = 𝑉𝑘𝑙 + 𝜀𝑘𝑙 (4-1) 𝑈𝑘𝑙表示消費者k 選擇 l 方案時所能獲得的總效用，𝑉𝑘𝑙則是確定性效用，為可 以觀察到的部分，𝜀𝑘𝑙則是隨機性效用，不可觀察。Hanley et al. (2001)進一步提出 確定性效用𝑉𝑘𝑙可以用各屬性𝑥𝑘𝑙的線性組合表示，如下列方程式：
𝑈𝑘𝑙 = ∑ 𝛽ℎ ℎ𝑥𝑘𝑙ℎ+ 𝜀𝑘𝑙 (4-2) 𝑥𝑘𝑙ℎ為消費者k 選擇 l 方案時第 h 個屬性，𝛽ℎ則是屬性h 的估計係數，不會因 消費者或方案更換而有所改變，能以∑ 𝛽ℎ ℎ𝑥𝑘𝑙ℎ表示各屬性的效用總和，即為確定 性效用𝑉𝑘𝑙。
當不只有一個方案時，假設一選擇集D 中除了方案 l 外還有方案 n，當消費者 選擇了方案l 時，其效用與機率可由下列式子表示：
𝑃𝑟𝑜𝑏{𝑈𝑘𝑙 > 𝑈𝑘𝑛}，∀𝑛 ∈ 𝐷，𝑙 ≠ 𝑛 (4-3) 將(4-3-2)與(4-3-3)合併，則可得到下式：
𝑃𝑟𝑜𝑏{∑ 𝛽ℎ ℎ𝑥𝑘𝑙ℎ+ 𝜀𝑘𝑙 ≥ ∑ 𝛽ℎ ℎ𝑥𝑘𝑛ℎ+ 𝜀𝑘𝑛}，∀𝑛 ∈ 𝐷，𝑙 ≠ 𝑛 (4-4)
(二) 多元羅吉特模型（MNL)
多元羅吉特模型認為消費者的偏好為同質性且相互獨立，此外隨機效用模型 中的𝜀𝑖𝑗必須為獨立且等同分配（independently and identical distributed，i.i.d.)。在使 用多元羅吉特模型前必須先進行 IIA（Independence of Irrelevant Alternatives)假設 檢定（Hanley et al., 2001)。IIA 檢定認為消費者在選擇方案時，不會受到方案的內 容或數量等影響，只取決於方案所能帶來的效用，目前較常使用的IIA 檢定方法為 HM 檢定（Hausman and McFadden, 1984)，分別對包含所有方案模型以及刪除一至 數個方案的模型做β係數估計，檢測兩者是否有差異，若無差異則代表符合IIA 假 設。
多元羅吉特模型的設定是根據Gracia et al.（2009）的研究，在一個選擇集 D 中，方案l 被消費者 k 所選中的機率函數可以下列式子表示：
𝑃𝑟𝑜𝑏(𝑈𝑘𝑙 ≥ 𝑈𝑘𝑛) =∑ 𝑒𝑣𝑘𝑙
𝑒𝑣𝑘𝑛
𝑙𝑛=1 ，∀𝑛 ∈ 𝐷，𝑙 ≠ 𝑛 (4-5) 最大概似估計法被使用在多元羅吉特模型中以估計參數，其概似函數 O 可以 下列公式表達：
𝑂 = ∏𝑁𝑘=1∏𝐿𝑙=1𝑃𝑟𝑜𝑏(𝑙)𝑦𝑘𝑙 (4-6) 若將式子取對數以簡化運算，則能表示為下列方程式：
ln 𝑂 = ∑𝑁𝑘=1∑𝐿𝑙=1𝑦𝑘𝑙𝑃𝑟𝑜𝑏(𝑘) (4-7) N 代表總樣本數，L 代表替代方案總數，𝑦𝑘𝑙為01 變數，方案 l 被選擇時為 1，否則為 0。
(三) 隨機參數羅吉特模型（RPL)
隨機參數羅吉特模型由於假設消費者的偏好為異質性，因此不須滿足 IIA 假 設（Louviere et al., 2010)。而一般認為消費者會偏好較低價格，因此不同消費者在 價格偏好上仍為同質性（Erdem, 2015)。
隨機參數羅吉特模型的消費者效用可表示為：
𝑈𝑘𝑙 = ∑ 𝛽ℎ ℎ𝑥𝑘𝑙ℎ+ 𝜀𝑘𝑙 (4-8)
其中h 為方案中的屬性。
(四) 潛在類別模型
潛在類別模型將消費者分群，估計不同消費者的差異，因此有研究認為潛在類 別模型較隨機參數羅吉特模型更適合進行分析（Juutinen et al., 2011）。潛在類別模 型的特別之處在將消費者分為 n 群，依據為消費者對於產品的認知以及社會經濟 背景等資訊。消費者的效用函數可以下面方程式表示：
𝑈𝑘𝑙|𝑛 = 𝑉𝑘𝑙|𝑛(𝑍𝑘|𝑛) + 𝜀𝑘𝑙|𝑛(𝑍𝑘∣𝑛)，𝑛 = 1.2 … 𝑁 (4-9) 其中N 為 n 群中的消費者數，𝑍𝑘∣𝑛為消費者k 的社會經濟變數。
消費者k 選擇方案 l 的機率模型為：
𝑃𝑘𝑙∣𝑛= ∑ exp(𝑉𝑘𝑙∣𝑛(𝑧𝑘∣𝑛))
exp(𝑉𝑘𝑙∣𝑛(𝑍𝑐∣𝑛))
𝐶𝑐=1 (4-10) 潛在類別模型除了上述的基本設定之外，還需要設定分類成員變數，令此變數 為 Q，且𝑄𝑘𝑛 = 𝜆𝑍𝑘+ 𝜀𝑘𝑛， 𝑄𝑘𝑛會 服 從 第 一 型 極 值 分 配(Type I Extreme Value Distribution)，表示同類別消費者具有獨立且等同分配的偏好，n 群中消費者為 k 的 機率可以下列方程式表示：
𝑄𝑘𝑛 = exp(𝛼𝜆𝑛𝑍𝑘)
∑𝑁𝑛=1exp(𝛼𝜆𝑛𝑍𝑘) (4-11) 其中α 為尺度函數，通常訂為 1。
由以上各式，可以得出n 群中消費者 k 選擇方案 l 的機率可以表示成：
𝑃𝑖𝑗 = ∑𝑁𝑛=1𝑃𝑘𝑙∣𝑛𝑄𝑘𝑛 =∑ exp(𝑉𝑘𝑙∣𝑛(𝑧𝑘∣𝑛))
∑𝐶𝑐=1exp(𝑉𝑘𝑙∣𝑛(𝑍𝑐∣𝑛))
𝑁𝑛=1 × exp(𝛼𝜆𝑛𝑍𝑘)
∑𝑁𝑛=1exp(𝛼𝜆𝑛𝑍𝑘) (4-12) (五) 邊際願付價格（WTP)
邊際願付價格能夠依照Lourerio & Umberger（2007)提出各屬性邊際願付價格 的方式來計算：
𝑊𝑇𝑃𝑎𝑡𝑡𝑟𝑖𝑏𝑢𝑡𝑒−𝛽𝑎𝑡𝑡𝑟𝑖𝑏𝑢𝑡𝑒
𝛽𝑝𝑟𝑖𝑐𝑒 (4-13)