11. 11
iii VU ε+=
(ランダム)効用 確定項 確率項(誤差項)
( i :選択肢)
測定できない
部分
測定できる
部分
● 効用のカタチ
効用
確率密度
そばの効用
U そば
V そば
うどんの効用
U うどん
V うどん
・基本的にうどんが好き
・だけどたまにそばが食
べたくなる
うどん・そばの選択
は確率的!
うどんを選ぶ確率
P うどん = Prob[U うどん > U そ
ば ]
12. 誤差項の確率分布の形状:
① 正規分布 → プロビットモデル
誤差の分布として自然だが、計算が難しくなる
(積分計算が必要になる)
② ガンベル分布 → ロジットモデル
選択確率の式が簡単になるので、よく利用される
選択肢 i の選択確率
iii VU ε+=
ランダム効用 確定項 確率項(誤差項)
( i :選択肢)
Emil Julius Gumbel
Pi = Prob Ui
>U j
, j ≠ i, ∀j ∈ A
15. 15
● 選択肢の効用関数をきめる( = Specification ,特定化)
iPPiii xxxV θθθθ +⋅⋅⋅+++= 22110
説明変数: iPii xxx ,,, 21 ⋅⋅⋅
所要時間、所要費用、アクセス時間、イグレス時間、
乗り換え回数・・・
● 説明変数の分類(機関選択を想定)
① 選択肢の属性
② トリップの属性
③ 個人の社会経済属性
… (収入,性別,年齢 )
① 共通変数
② 選択肢固有変数
③ 選択肢固有ダミー変数
(定数項)
未知パラメータ:観測に適合するように
推定する(⇒ 次週)
SS S S
選択肢 i
個人 S
16. 16
● 例として ... 大学までクルマで来ますか?電車で来ますか?
044332,21,1 θθθθθ ++++= xxxxV CarCarCar
2,21,1 RailRailRail xxV θθ +=
費用所要時間
共通変数
クルマ・電車どちらの場合で
も考慮するであろう変数
クルマ・電車で同じ
値では無いこと!
荷物ダミー
選択肢固有変数
大きい荷物がある場合は 1 ,
層で無い場合は 0 をとる変数
(=ダミー変数)
50 歳代以上
ダミー
個人属性
定数項
S さんにとってのクルマ・電車の効用
S
SS
S S
S S
【重要】クルマか電車か
どちらかのみに入れる
こと!!(→ 理由?)
S