离散选择的狄利克雷过程混合模型
应用统计
2018-01-22 v1 计量经济学
统计计算
统计方法学
机器学习
摘要
我们提出了一个混合多项 logit (MNL) 模型，其利用狄利克雷过程的截断 stick-breaking 过程表示作为灵活的非参数混合分布。所提模型是一个狄利克雷过程混合模型，并像潜类 MNL 模型一样容纳异质性的离散表示。然而，与潜类 MNL 模型不同，所提离散选择模型不要求分析者在估计前固定混合成分的数量，因为离散混合分布的复杂度是从证据中推断的。对于所提离散选择的狄利克雷过程混合模型的后验推断，我们推导了一个期望最大化算法。在模拟研究中，我们证明所提模型框架能灵活捕捉不同形状的偏好参数分布。此外，我们在关于驾车者路径选择偏好的案例研究中实证验证了该模型框架，并发现所提离散选择的狄利克雷过程混合模型无论在样本内拟合还是样本外预测能力上均优于潜类 MNL 模型及具有常见参数混合分布的混合 MNL 模型。与现有建模方法相比，所提离散选择模型大幅缩减了设定搜索，因其依赖限制更少的参数假设且不需分析者在估计前指定离散混合分布的复杂度。
引用
@article{arxiv.1801.06296,
title = {A Dirichlet Process Mixture Model of Discrete Choice},
author = {Rico Krueger and Akshay Vij and Taha H. Rashidi},
journal= {arXiv preprint arXiv:1801.06296},
year = {2018}
}