汽车出行中的代际差异：基于梯度提升决策树比较美国千禧一代与X一代
机器学习
2022-06-23 v1 综合经济学
经济学
应用统计
摘要
千禧一代是否比前几代人更不依赖汽车出行，已在文献中被广泛讨论。大多数现有研究使用回归模型，并假设所有因素对年轻人驾驶行为的影响都是线性可加的。本研究通过应用一种非参数统计学习方法，即梯度提升决策树（GBDT），放宽了这一假设。利用美国2001年和2017年的全国出行调查，本研究考察了生命周期、社会人口和居住因素对千禧一代与X一代年轻人每日驾驶距离的非线性剂量-反应效应。在保持所有其他因素不变的情况下，千禧一代年轻人的预测每日驾驶距离短于其X一代同龄人。此外，居住和经济因素解释了年轻人每日驾驶距离约50%的变异，而人生事件和人口统计特征的集体贡献约为33%。本研究还确定了可用于制定有效土地利用政策以减少汽车出行需求的密度范围。
引用
@article{arxiv.2206.11056,
title = {Generational Differences in Automobility: Comparing America's Millennials and Gen Xers Using Gradient Boosting Decision Trees},
author = {Kailai Wang and Xize Wang},
journal= {arXiv preprint arXiv:2206.11056},
year = {2022}
}