打破常规？健康领域离散选择模型中偏好异质性的参数化表示
计量经济学
2025-06-18 v1
摘要
背景：任何个体样本对其所做的选择都有其独特的偏好分布。离散选择模型试图捕捉这些分布。混合Logit模型是健康领域迄今为止最常用的选择模型。这些模型有一系列参数化模型设定可供选择。我们测试了一系列替代假设和模型平均，以检验模型输出是否以及如何受到影响。设计：对当前建模实践进行范围综述。在四个数据集上比较了七种替代分布以及所有分布假设上的模型平均：两个是陈述偏好，一个是显示偏好，一个是模拟数据。分析考察了模型拟合、偏好分布、支付意愿和预测。结果：几乎普遍地，使用正态分布是健康领域的标准做法。替代分布假设优于标准做法。偏好分布和平均支付意愿在不同设定间差异显著，并且很少能与从正态分布推导出的结果相比较。模型平均提供的分布允许更大的灵活性，进一步改善了拟合，在模拟中再现了底层分布，并减轻了因分布选择而产生的分析者偏差。没有证据表明分布假设会影响模型的预测。局限性：我们的重点是混合Logit模型，因为这些模型在健康领域最常见，尽管潜在类别模型也有使用。结论：使用全正态分布的标准做法似乎是捕捉随机偏好异质性的次优方法。启示：研究人员应在其模型中测试正态分布的替代假设。
引用
@article{arxiv.2506.14099,
title = {A break from the norm? Parametric representations of preference heterogeneity for discrete choice models in health},
author = {John Buckell and Alice Wreford and Matthew Quaife and Thomas O. Hancock},
journal= {arXiv preprint arXiv:2506.14099},
year = {2025}
}