A Generic Form for Capturing Unobserved Heterogeneity in Discrete Choice Modelling: Application to Neighborhood Location Choice
Notice bibliographique
Résumé
Discrete choice models and their strength to predict individual choices mostly depend on the quality of datasets that have been used for model generation. However, even the most comprehensive and detailed datasets are not able to observe all factors pertinent to someone’s choice. This issue in the choice modelling literature has been addressed as unobserved heterogeneity, which means that individuals across populations are not affected identically by alternative attributes. Furthermore, such variation in preferences across populations and their sources are not always recognized by researchers. \nThere are different methods to capture unobserved heterogeneity proposed in the discrete choice literature among which the random parameters approach, also referred to as mixed logit models, the latent class approach and the agent effect approach are the most well know methods. The main contribution of this study is to extend the formulation of LC-MMNL model to capture the agent effect by including a random term in the utility function of the model. Three types of models, Mixed Multinomial Logit (MMNL), Latent Class Mixed Multinomial Logit (LC-MMNL) and Agent Effect Latent Class Mixed Multinomial Logit (AGLC-MMNL) have been generated and the results compared. Considering agent effect simultaneously with other sources of unobserved heterogeneity in a latent class context demonstrates improvement in terms of model fit as well as cross section validation. It enables us to generate a latent class model with a larger number of classes explaining more heterogeneity across the population of a neighborhood location choice study. The AGLC-MMNL model is able to detect four distinct classes of individuals in Montreal, exhibiting different behaviours while facing neighborhood location choices in the context of a Discrete Choice Experiment. The classes of the model are able to explain different behaviours of individuals based on their income level, whether they are transit or car oriented, and the importance of privacy to them.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».