基于神经网络的离散选择模型.pdfVIP

基于神经网络的离散选择模型 郑丕谔 舒柏晛 （天津大学系统工程研究所 300072 ） 摘要：离散选择模型的计量求解通常采用基于 prohit 分布和 logistic 分布的两种方法，而这两 种方法都有一定的不足。为了使问题的求解方法更具一般性，提高预测的精确度，避免对模型的 各种可能方式进行的分类讨论，利用神经网络进行设计。针对这类问题，讨论模型设计的原理和 一般过程，通过实例证明该方法的可行性和有效性。 关键字：神经网络 离散选择模型 计量经济学 NEURAL NETWORK-BASED DISCRETE CHOICE MODEL Abstract The econometric ways to solve the model are based on prohit distribution and logistic distribution, however, the two methods have some limitations .Aiming at improving accuracy of forecast ,and avoiding to analyze different modes of the same model, a new approach based on neural network is presented in the paper , and corresponding steps and algorithms are proposed .The efficiency of the method is shown by simulation studies. Key word : neural network, discrete choice model, econometrics 1. 问题的描述及其计量方法 离散选择模型起源于 Fechner 于 1860 年进行的动物条件二元反射研究，1962 年，Warner 首 次把这种模型用于社会经济研究领域，用以研究公共交通和私人交通工具的选择问题。至此以后， 离散选择模型被广泛运用于交通问题、选举问题、购买决策、企业定点、经济布局等经济决策领 域的研究。比如汽车商想了解客户对于交通工具的选择问题，什么样的客户会选择公共交通工具， 什么样的客户会选择私人交通工具等。在这里，客户的决策取决于两类因素：1.交通工具的属性， 诸如速度、耗费时间成本等；2.决策个体（客户）的属性，诸如职业、年龄、收入等。这两组属 性不同的决策者就可能有不同的决策结果，而这两组属性相似的决策者就可能有相同的决策结 果。如果用数学方程式表达上述的决策模型就可表示为 T Y=X β+u （1） 其中，Y 为观测值为 0、1 的决策被解释变量（0 表示选择公共交通工具、1 表示选择私人交通工 具）；XT 为客户和交通工具的各个属性组成的向量，β 是数学方程中各个属性的系数向量，是 方程中待估计的参数，u 为随机误差项。所以每个个体的选择方程为y =X Tβ+ui 。先应用已取 i i 得的观测值（y ，X i T ）,i=1,2,…n 估计出β 的值之后，就可以使用模型去预测其他个体的决策 i 情况。下面给出该问题的计量求解方法。 1.1．原始模型1 1 ：在此我们只使用二元选择模型进行说明，对于多元也一样。 1