Hierarchical Bayesian Method in the Study of Individual Level Behavior- In the Context of Discrete Choice Modeling with Revealed and Stated Preference
La modélisation basée sur des données désagrégées (individuelles) a constitué une avancée majeure dans le domaine de la modélisation de la demande de mobilité au début des années 1970 (McFadden 2001). Bien que le modèle désagrégé se concentre sur le comportement au niveau individuel, les paramètres estimés du modèle sont fixes pour tous les individus.
Pour intégrer les variations de goût non observées entre les individus, des développements récents permettent de faire varier les paramètres entre les individus, comme le modèle logit mixte, dans lequel les paramètres sont supposés suivre une distribution. Le modèle logit mixte reconnaît les différences entre les individus, mais il ne distingue pas les individus qui réagissent différemment aux changements de services de transport. Cette étude se concentre sur l'application de la méthode bayésienne hiérarchique pour obtenir des inférences au niveau individuel.
Nous démontrons l'avantage de cette méthode en obtenant une distribution plus raisonnable de la valeur du temps de trajet par rapport à la distribution obtenue à partir du modèle logit mixte. En outre, la méthode HB nous aide à combiner les informations provenant des données sur les préférences révélées et déclarées, alors que les données sur les préférences révélées se limitent aux propriétés des seules alternatives choisies.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)