เปรียบเทียบวิธี

	การวิเคราะห์ร่วมแบบเบย์ (Bayesian Conjoint Analysis)	แบบจำลองสมการโครงสร้าง
สาขาวิชา	สถิติศาสตร์	สถิติการวิจัย
ตระกูล	Latent structure	Process / pipeline
ปีกำเนิด	1995	1921
ผู้ริเริ่ม	Allenby & Ginter (hierarchical Bayes formulation); conjoint roots in Luce & Tukey (1964)	Sewall Wright
ประเภท	Preference measurement / Bayesian hierarchical model	Method
แหล่งต้นตำรับ	Allenby, G. M. & Ginter, J. L. (1995). Using extremes to design products and segment markets. Journal of Marketing Research, 32(4), 392–403.	Jöreskog, K. G., & Sörbom, D. (1973). LISREL: A general computer program for estimating a linear structural equation system. Research Bulletin 73-5. University of Stockholm.
ชื่อเรียกอื่น	Bayesian CA, hierarchical Bayes conjoint, HB conjoint, Bayesian preference modeling	SEM, path analysis, latent variable modeling, causal modeling
ที่เกี่ยวข้อง	6	3
สรุป	Bayesian conjoint analysis estimates individual-level consumer preference weights for product attributes by combining conjoint choice tasks with a hierarchical Bayesian model. It yields part-worth utilities for each respondent rather than only group averages, enabling precise market simulation and segment discovery even from small per-person choice sets.	Structural equation modeling (SEM) is a comprehensive statistical framework combining path analysis (Sewall Wright, 1921) and confirmatory factor analysis to test complex causal models linking observed and latent variables. Formalized by Jöreskog (1973) with LISREL software, SEM enables simultaneous estimation of measurement relationships (how variables measure latent constructs) and structural relationships (how constructs influence outcomes), making it powerful for theory testing in psychology, epidemiology, organizational research, and health sciences where complex mediation, moderation, and latent processes require integrated analysis.