Impact of Life-course events on hierarchical Vehicle transaction durations: Case of a Developing country.
Notice bibliographique
Résumé
Vehicle ownership is a multifaceted domain of study; this paper focuses on vehicle transactions, which encompasses the temporal aspect of vehicle ownership. Life-course events have found their way into vehicle ownership models for developed countries. Owing to the high cost and unavailability of panel data, the same cannot be said for developing countries. Contrary to developed countries, vehicles owned by people in developing countries vary considerably in many aspects. The most common visible difference is the mix of two-wheelers, their varieties, and four-wheelers. In light of a prevalent hierarchy of vehicle types, people are often involved in upgrading or downgrading their vehicles. Accounting for such transactions is critical to depicting vehicle ownership behaviour accurately. To the best of the authors' knowledge, no study has attempted to understand the movement of vehicle owners along the hierarchy of vehicles owned. This study demonstrates a workaround by constructing a longitudinal dataset using retrospective mobility biography interviews. We used 420 data points from 60 interviews, with an average length of 40 minutes, to fit a competing risk-hazard duration model and find out how different life events and household structure traits affect the length of different types of transactions. Marriage, relocation, childbirth, the start of employment, and retirement were found to be the life-course events that impacted either or multiple vehicle transaction durations. Household structure attributes like prior vehicle type(s) owned, total number of workers, and number of teenagers also impact vehicle transaction durations. Although this study validates the relationship between life-course events and vehicle transactions in a developing country, aspects like heterogeneity, macroeconomic attributes, and neighbourhood attributes can be addressed in future studies. An application-oriented extension of this could be a coupling with the vehicle type choice model, making it more utilitarian.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».