如何导出 AMCE 数据

以 AMCE/ATE 估计与复现（replication）所需的 long 格式导出联合回复。

简要回答

以 AMCE/ATE 估计与复现（replication）所需的 long 格式导出联合回复。在收集完回复后打开 Results。使用 Analysis CSV 进行主要的配置文件级 long data 导出。保留受访者级字段（respondent-level fields）在配置文件行（profile rows）中按需重复，用于调节变量（moderators）与聚类（clustering）。

适用对象

需要在 R、Stata 或其他统计工作流程中分析联合结果的研究人员。

步骤

在收集完回复后打开 Results。
使用 Analysis CSV 进行主要的配置文件级 long data 导出。
保留受访者级字段（respondent-level fields）在配置文件行（profile rows）中按需重复，用于调节变量（moderators）与聚类（clustering）。
使用 Estimate CSV 获取应用内（in-app）ATE/AMCE 风格结果的快速表格。
如有需要，导出 R 或 Stata 的复现脚本（replication scripts）。
将设计摘要（design summary）与代码本（codebook）与数据一并归档。

为何重要

联合分析通常不是“每位受访者一行”。分析文件需要“每个展示过的配置文件（shown profile）一行”，包含选择指示变量（choice indicators）、任务编号（task numbers）、配置文件编号（profile numbers）、属性水平（attribute levels）以及用于聚类标准误（clustered standard errors）的受访者标识符（respondent identifiers）。

开展调查前

不要只分析被选择的配置文件（selected profile），而忽略未被选择的比较配置文件（unselected comparison profiles）。
在发表分析中按受访者聚类标准误。
保留随机化元数据（randomization metadata）与设计文件（design file）。
使用代码本（codebook）保证变量名可解释。

常见问题

本指南有什么用途？

需要在 R、Stata 或其他统计工作流程中分析联合结果的研究人员。

基本流程是什么？

在收集完回复后打开 Results。使用 Analysis CSV 进行主要的配置文件级 long data 导出。保留受访者级字段（respondent-level fields）在配置文件行（profile rows）中按需重复，用于调节变量（moderators）与聚类（clustering）。使用 Estimate CSV 获取应用内（in-app）ATE/AMCE 风格结果的快速表格。

开展调查前应检查什么？

不要只分析被选择的配置文件（selected profile），而忽略未被选择的比较配置文件（unselected comparison profiles）。在发表分析中按受访者聚类标准误。保留随机化元数据（randomization metadata）与设计文件（design file）。使用代码本（codebook）保证变量名可解释。