Hierarchiczna metoda bayesowska w badaniu zachowań na poziomie indywidualnym - w kontekście modelowania dyskretnego wyboru z ujawnionymi i stwierdzonymi preferencjami

Oryginalny tytuł:

Hierarchical Bayesian Method in the Study of Individual Level Behavior- In the Context of Discrete Choice Modeling with Revealed and Stated Preference

Zawartość książki:

Głównym przełomem w modelowaniu popytu na podróże we wczesnych latach 70-tych było modelowanie oparte na zdezagregowanych (indywidualnych) danych (McFadden 2001). Chociaż model zdezagregowany koncentruje się na zachowaniach na poziomie indywidualnym, szacowane parametry modelu są stałe dla różnych osób.

Aby uwzględnić nieobserwowane różnice w gustach poszczególnych osób, ostatnie zmiany pozwalają na zmianę parametrów u różnych osób, takich jak mieszany model logitowy, w którym zakłada się, że parametry są zgodne z rozkładem. Mieszany model logitowy uznaje różnice między osobami, ale nie rozróżnia osób, które różnie reagują na zmiany usług turystycznych. Niniejsze badanie koncentruje się na zastosowaniu hierarchicznej metody bayesowskiej w celu uzyskania wniosków na poziomie indywidualnym.

Demonstrujemy zalety tej metody, uzyskując bardziej rozsądny rozkład wartości czasu podróży w stosunku do rozkładu uzyskanego z mieszanego modelu logitowego. Ponadto metoda HB pomaga nam łączyć informacje pochodzące zarówno z danych o ujawnionych, jak i deklarowanych preferencjach, gdzie dane o ujawnionych preferencjach są ograniczone do właściwości tylko wybranych alternatyw.