A Pseudo-panel Investigation of Out-of-Home Discretionary Activity Participation
Notice bibliographique
Résumé
The aim of this paper is to utilize repeated cross-sectional data in a pseudo panel data approach to investigate an individual’s daily participation in out-of home discretionary activities. The pseudo panel data approach methodology using repeated cross sectional data of the General Social Survey (GSS) conducted by Statistics Canada over the period of 1992-2010 has been applied to conduct longitudinal activity participation in out-of-home discretionary activities. In this study, participation in out-of-home discretionary activities has been calculated using an individual’s participation in shopping, grocery, social, recreational, entertainment and organizational activities per surveyed year. Based on gender and the birth year of the respondent, cohorts are defined and are traced over time in each of the cross sectional data sets. A random coefficient model has been developed on the basis of the cohort data. The estimation of the random coefficient model of the pseudo panel data suggests that personal and household socio- demographic characteristics of have long run effect on out-of-home discretionary activity participations. Model results also show that there is no significant difference between male and female cohorts over the years in terms of out-of-home discretionary activity participation. Travel behavior characteristics (e.g. number of trips per day, total duration of work) also found to have significant variation between cohorts over the years. As the pseudo panel approach has been increasingly applied in travel demand analysis, thus this paper gives an insight to implement pseudo panel for activity travel participation
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».