基于人工神经网络的具有经济一致性与灵活效用规范的离散选择模型
机器学习
2024-04-23 v1 机器学习
计量经济学
摘要
随机效用最大化（RUM）模型是离散选择建模的基石之一。然而，设定 RUM 模型的效用函数并非易事，且对最终的可解释结果与福利度量有相当大的影响。在本文中，我们提出了一种基于人工神经网络（ANN）的新型离散选择模型，命名为“特定替代项与共享权重神经网络（ASS-NN）”，它在数据的灵活效用近似与以下两个假设的一致性之间取得了进一步的平衡：RUM 理论与货币的互换性（即“一欧元就是一欧元”）。因此，ASS-NN 能够在无需显式设定效用函数形式的情况下，推导出具有经济一致性的结果，如边际效用或支付意愿。通过使用 Monte Carlo 实验与来自 Swissmetro 数据集的经验数据，我们展示了在不同的效用规范下，ASS-NN 在拟合优度方面优于传统的多项 Logit（MNL）模型。此外，我们还展示了如何使用 ASS-NN 来推导边际效用与支付意愿度量。
引用
@article{arxiv.2404.13198,
title = {An economically-consistent discrete choice model with flexible utility specification based on artificial neural networks},
author = {Jose Ignacio Hernandez and Niek Mouter and Sander van Cranenburgh},
journal= {arXiv preprint arXiv:2404.13198},
year = {2024}
}