• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Thèse de Doctorat
DOI
https://doi.org/10.11606/T.45.2021.tde-09092021-190423
Document
Auteur
Nom complet
Awo Sitsofe Tsagbey
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Paulo, 2021
Directeur
Jury
Giampaoli, Viviana (Président)
Cysneiros, Francisco José de Azevêdo
Nobre, Juvêncio Santos
Paula, Gilberto Alvarenga
Silva, Alejandra Andrea Tapia
 
Titre en anglais
Nearest neighbour prediction method in mixed logit discrete choice model
Mots-clés en anglais
Discrete choice model
Mixed logit
Nearest neighbour
Prediction
Random effects
Resumé en anglais
Discrete choice models are a group of models that are used to analyze choice data basically because they accommodate the nature of the process that generates the data. The most common types of discrete models include the logit, probit, multinomial logit, nested logit, mixed logit and most recently the generalized multinomial logit. Discrete choice models have been mostly used in the area economics, transportation, energy, psychology, etc. Prediction in these models isn't uncommon, in contexts such as engineering, marketing, and production, discrete choice models are mostly used to forecast demand. Unfortunately, for out-of-sample prediction at the individual level for complex models such as mixed logit, which involves predicting the random effects/parameters, there isn't any work found in literature. Thus, in this is work we propose a method for this scenario in mixed logit discrete models using the nearest neighbour concept. We carry out various simulations and then apply on two types of real-life data. We find that the prediction accuracy of this new method is better than the rudimentary method of using the population parameters especially when the model fitted isn't the very best.
 
Titre en portugais
Método de predição usando vizinho mais próximo em modelo misto logito de escolha discreta
Mots-clés en portugais
Efeitos aleatórios
Misto logito
Modelo de escolha discreta
Predição
Vizinho mais próximo
Resumé en portugais
Modelos de escolha discreta são um grupo de modelos usados para analisar dados de escolha basicamente porque eles acomodam a natureza do processo que gera os dados.Os tipos mais comuns de modelos discretos incluem o logito, probito, logito multinomial, nested logito,misto logito e, mais recentemente, o logito multinomial generalizado. Modelos de escolha discreta têm sido usados principalmente na área de Economia, Transporte, Energia, Psicologia, etc. Usando modelos de escolha discreta para predição é comun; em áreas como Engenharia, marketing e produção, são usados principalmente para prever a demanda. Infelizmente, para previsão fora da amostra no nível individual para modelos complexos como o misto logito, que envolve a predição de efeitos (ou parâmetros aleatórios), não há nenhum trabalho encontrado na literatura. Assim, neste trabalho propomos um método para este cenário em modelos discretos misto logito usando o conceito de vizinho mais próximo. Realizamos várias simulações e, em seguida, aplicamos em dois conjuntos de dados reais. Descobrimos que a precisão da previsão deste novo método é melhor do que o método rudimentar de usar os parâmetros da população, especialmente quando o modelo ajustado não é o melhor.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2022-07-14
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs.
CeTI-SC/STI
© 2001-2024. Bibliothèque Numérique de Thèses et Mémoires de l'USP.