带有网络相关结构的离散选择模型的多模型推断 ——模型选择与预测

发布时间：2021-09-29 23:14

　　离散选择模型（discrete choice model）是一类分析和研究二元选择变量的重要工具,它揭示一定条件下微观个体特定行为选择的概率与相关解释变量间的关系,在许多科学研究领域中得到了广泛的应用。此外,很多宏观经济问题也可以通过离散选择模型进行研究,因而此模型也成为了研究宏观经济问题的重要方法。人们不总是独立生存在社会中,当决策者做出决定时,往往会受到其他人的影响,这种个体与个体之间的相互影响就形成了复杂的社交网络结构。在社交网络结构中,若忽略其相关性,将会导致不准确的估计和预测。因此,将网络相关性引入离散选择模型中是非常必要的。多模型推断是近年来统计学家和计量经济学家广泛研究的问题。在带有网络相关性的离散选择模型上进行模型选择,可以避免构造过于简单或过于复杂的模型。本文研究了带有网络相关结构的二元离散选择模型的多模型推断问题,包括模型选择和预测。为简化计算,本文采用近似成对最大似然估计（approximated paired maximum likelihood,即APML）对未知参数进行估计,依托二次损失函数和Kullback-Leibler（KL）损失函数,分别导出了基于K... 

【文章来源】：云南财经大学云南省

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

所有备选模型设定偏误时,基于二次损失函数和KL损失函数的K-fold CV模型选择的渐近最优性(ρ=0.5)

模拟2.在模拟1中,在带有网络相关结构的离散选择模型中,我们考虑了真实的DGP不包含在备选模型集中的情况。在本模拟中,我们考虑真实的DGP嵌套于备选模型集的情况。本模拟中,除了β=(0.3,-1.2,0,0)T外,其余设置均与模拟1相同。图3:所有备选模型设定偏误时,基于二次损失函数和KL损失函数的K-fold CV模型选择的渐近最优性(ρ=0)

图2:所有备选模型设定偏误时,基于二次损失函数和KL损失函数的K-fold CV模型选择的渐近最优性(ρ=-0.5)与模拟1相同,当ρ=0.5或ρ=-0.5时,我们有8个备选模型,当ρ=0时,由于增加了广义线性模型,我们有12个备选模型。本模拟中,当ρ=0.5或ρ=-0.5时,我们将模型2设置为真实DGP,当ρ=0时,将模型10设置为真实DGP。模拟结果见表1,表2和表3,其中表中加粗数据为真实DGP被选择的频数。

【参考文献】：
期刊论文
[1]离散选择模型研究进展[J]. 王灿,王德,朱玮,宋姗.  地理科学进展. 2015(10)



本文编号：3414652