---
type: method
slug: stated-preference
name_ko: 진술선호법
name_en: Stated Preference
categories:
  - '[[stated-preference-methods]]'
aliases:
  - SP
  - stated preference method
  - hypothetical choice experiment
last_updated: '2026-05-19T23:30:00+09:00'
---
# 진술선호법

*Stated Preference*

> 응답자에게 가상의 대안 (속성 조합) 을 제시하고 선호 (선택, 순위, 평점) 를 묻는 데이터로 효용 함수의 모수를 추정하는 조사·추정 방법론. 실제 시장 거래에서 관찰되는 [[revealed-preference]] 와 달리, 아직 시장에 없는 신기술·정책 대안의 수요를 사전 평가할 수 있어 새로운 기술의 도입 전 수용성 분석에 핵심적이다. [[conjoint-analysis]] · [[discrete-choice-model]] · [[contingent-valuation-method]] 이 그 추정의 표준 도구다.

- **유형**: 조사 기반 데이터 수집 + [[discrete-choice-model]] 추정 paradigm
- **핵심 가정**: 응답자의 가상 시나리오 응답이 실제 행동을 합리적으로 반영, 응답자 효용은 random utility 의 형태, 실험 디자인의 직교성·균형성
- **주요 변형**: choice-based conjoint, ratings-based conjoint, ranking task, best-worst scaling, contingent valuation

## 개요

Louviere-Woodworth (1983) 의 *Journal of Marketing Research* 가 *choice-based conjoint* 을 도입하면서 stated preference 가 random utility 이론의 [[discrete-choice-model]] 과 결합한 정합적 paradigm 으로 자리잡았다. Green-Rao (1971) 의 ratings-based conjoint 이 marketing 의 출발점이고, Hensher (1994) 의 *Transportation* 논문이 교통경제학에서 SP 의 실험 디자인을 정형화했다. Louviere, Hensher, Swait (2000) 의 *Stated Choice Methods* 가 표준 교과서로 자리잡았고, 환경경제학에서는 contingent valuation 과 choice experiment 두 갈래로 발전했다. SP 데이터는 실제 시장 데이터 (revealed preference) 와 결합한 joint estimation (Ben-Akiva-Morikawa 1990) 으로 hypothetical bias 를 보정할 수 있고, [[bayesian-estimation]] 과 결합한 hierarchical Bayes 가 응답자별 선호 이질성까지 포착하면서 신기술 수요 분석의 quantitative anchor 가 됐다.

## 핵심 식·정의

응답자 $i$ 가 $J$ 개 대안으로 구성된 선택 집합에서 대안 $j$ 를 선택할 확률은 random utility 모형 $U_{ij} = X_{ij}\beta_i + \epsilon_{ij}$ 에 따라 다음과 같이 도출된다.

$$
P_{ij} = \int \frac{\exp(X_{ij}\beta_i)}{\sum_{k=1}^{J} \exp(X_{ik}\beta_i)} f(\beta_i \mid \phi) \, d\beta_i
$$

여기서 $X_{ij}$ 는 대안 $j$ 의 속성 벡터, $\beta_i$ 는 응답자 $i$ 의 선호 모수 (random parameter), $f(\beta_i \mid \phi)$ 는 그 분포의 hyperparameter $\phi$ 를 갖는 mixing 분포다. 단순 [[multinomial-logit]] 은 $\beta_i = \beta$ 의 representative-agent 케이스고, mixed logit 은 $\beta_i$ 를 응답자별로 분포에서 추출한다. willingness-to-pay 는 비가격 속성의 계수와 가격 속성 계수의 비율 $-\beta_{\text{attr}} / \beta_{\text{price}}$ 로 계산되고, 이 추정치가 신기술 수요 예측·정책 수용성 분석의 핵심 산출물이다.

## TEMEP 라인

[[jongsulee]] 와 [[yeonbaekim]] 의 두 라인이 TEMEP 의 stated preference 응용 backbone 이다. [[jongsulee-2003-color-display-conjoint]] 가 디스플레이 시장에서 conjoint + [[rank-ordered-logit]] 으로 색재현·해상도·가격 trade-off 를 추정한 첫 본격 적용이고, [[jongsulee-2006-conjoint-analysis-television]] 의 TV, [[jongsulee-2006-mobile-number-portability-korean-mobile-telecom]] 의 통신 번호이동성으로 응용이 확산됐다. [[jiwoon-ahn-2006-rank-ordered-logit-bayesian-estimation]] 이 SP 데이터에 [[bayesian-estimation]] 을 결합해 응답자별 선호 이질성을 포착하는 방법론 격상 논문이다.

[[yeonbaekim]] 라인은 SP 의 정책·전략 응용을 본격화했다. [[yeonbaekim-2005-consumer-preferences-convergence]] 의 컨버전스 단말, [[yeonbaekim-2006-business-strategy-policy]] 의 사업 전략, [[yeonbaekim-2006-statedpreference-data-measure]] 의 SP 측정 방법론 비교 (rating · ranking · choice 비교), [[yeonbaekim-2007-alternative-fuel-vehicle-bayesian-approach]] 의 대체연료차 수요가 그 흐름이다. 이 두 라인이 합쳐져 TEMEP 의 "신제품·신기술 수요 추정" 클러스터의 quantitative anchor 가 됐고, [[conjoint-analysis]] · [[rank-ordered-logit]] · [[discrete-choice-model]] · [[bayesian-estimation]] 의 method 클러스터가 모두 SP 데이터를 공통 입력으로 공유한다.

## See also

- 관련 method: [[conjoint-analysis]], [[discrete-choice-model]], [[rank-ordered-logit]], [[bayesian-estimation]], [[contingent-valuation-method]]
- 관련 concept: [[revealed-preference]], [[willingness-to-pay]], [[consumer-heterogeneity]]
- 핵심 paper: [[jongsulee-2003-color-display-conjoint]], [[jiwoon-ahn-2006-rank-ordered-logit-bayesian-estimation]], [[yeonbaekim-2006-statedpreference-data-measure]], [[yeonbaekim-2007-alternative-fuel-vehicle-bayesian-approach]], [[yeonbaekim-2005-consumer-preferences-convergence]]