史楠楠 诸立超

(同济大学交通运输工程学院道路与交通工程教育部重点实验室1) 上海 201804)(悉尼大学商学院交通运输与物流研究所2) 悉尼 2006)



不同Halton抽样方法在混合Logit模型中的比较

史楠楠1)诸立超1,2)

(同济大学交通运输工程学院道路与交通工程教育部重点实验室1)上海 201804)(悉尼大学商学院交通运输与物流研究所2)悉尼 2006)

以混合Logit模型参数估计中应用最广泛的四类Halton抽样方法为研究对象，包括Halton、变序Halton、乱序Halton和去随机化Halton，借助平均绝对百分误差箱型图比较不同维度、不同抽样方法得到的参数估计值，同时结合数百次模拟概率标准差判断不同抽样方法适用性.结果表明,在低维度情况下，各Halton抽样方法参数估计结果相差不大，且乱序Halton抽样性质与伪随机抽样无异；而随着维度的增加，几类Halton的抽样点均匀程度逐渐与伪随机抽样接近，且变序Halton抽样优于其他3类Halton抽样.

混合Logit模型；参数估计；伪随机抽样；Halton抽样

0 引 言

离散选择模型从随机效用最大化角度给定了个体选择衡量标准，从最简单的多项Logit模型(multinomial logit，MNL)一直到约束最少的混合Logit模型(mixed logit，ML)，参数估计方法也由极大似然估计(maximum likelihood estimation，MLE)拓展至极大模拟似然估计(maximum simulation likelihood estimation，MSLE).为能够利用ML模型研究面板数据和决策者异质性等问题，需使用蒙特卡罗方法(monte carlo method，MC)估计参数.MC的主要思想是对概率密度函数进行多次抽样，并以模拟概率均值作为积分近似解.自Train将Halton抽样引入ML模型参数估计后，又有许多学者将Halton抽样及其变形(变序Halton序列等)及其他低差异序列(Faure序……