没有合适的资源?快使用搜索试试~ 我知道了~
数据科学与管理1(2021)1研究文章个体信念的异质性及其对支付意愿评估的影响Zheng Lia,*,David A.亨舍b,周波aa经济与金融学院,Xi交通大学,中国Xi,710049b悉尼大学新南威尔士州悉尼大学商学院运输与物流研究所,2006年,澳大利亚A R T I C L E I N F O保留字:风险选择行为信仰支付意愿等级相关效用理论A B S T R A C T本研究进行了实验分析的风险旅游选择行为,同时考虑属性之间的权衡,非线性效用specification和知觉条件。重点是实证测量个体之间的异质性信念,和一个关键的发现是,抽样决策者与不同程度的悲观主义。相对于直接使用结果概率并隐含假设信念中立的规范性预期效用理论模型,在风险决策建模中对个人信念的调节对解释选择数据有重要贡献在个人层面上说明了悲观的信念价值支付意愿的影响。1. 介绍选择的情况可能是确定性的或概率性的。 在前(后)选择域中,选择方案的属性水平在重复经验中趋于恒定(可变)。就道路运输系统而言,特别是在市区营运,由于交通需求及供应方面的波动,行车时间的变动在所难免。因此,代替用于重复旅程的固定旅行时间 日常通勤旅行),则在很大程度上存在旅行时间分布,因此旅行者可能相对于优选到达时间更早、准时或更晚到达。 因此,就发生概率而言的“风险”是嵌入决策过程的。大多数传统的旅行时间可变性研究只是将旅行时间可变性视为线性效用模型框架内的负效用的额外组成部分(参见Taylor,2013年的概述),而忽略了风险对决策的心理影响最近,更有吸引力的行为框架,如等级依赖效用理论已被用于理解风险旅行决策,并且一些实证研究发现,在选择实验中呈现的风险旅行事件的原始概率被转换,并且这种转换与决策者的信念相关联:悲观主义或乐观主义(参见例如, Di X it等人, 2015; Wang等人, 2014年)。这些发现表明,在冒险旅行选择的背景下,违反风险中立和信仰中立在运输经济学领域,研究空白仍然存在于调查原始概率到决策权重的潜在信念依赖转换的行为含义本研究的主要目的是探讨信念对出行选择模型的一个重要行为输出的影响,即旅行者为节省时间而支付的意愿(WTP),在拟议的属性特定扩展秩相关效用理论模型中。经验证据还提供了关于风险路线选择行为的更丰富的信息。2. 等级相关效用理论下的拟议建模框架期望效用理论(EUT)是一个规范的风险决策行为决策者直接使用原始概率作为权重。阿莱(Allais,1953)首先揭示了与实验中呈现的风险属性相关的发生概率被他的抽样对象所转化。非线性概率加权被引入来解释这一重要现象,即知觉条件反射。 在引入秩相关效用理论(RDUT)之前,非线性概率加权函数与结果无关同行评议由Xi交通大学负责* 通讯作者。E-mail:zheng_li@X jtu.edu.cn(Z. Li)。https://doi.org/10.1016/j.dsm.2020.12.001接收日期:2020年7月20日;接收日期:2020年11月12日;接受日期:2020年12月7日2021年2月3日在线提供2666-7649/©2021 Xi'an Jiaotong University.出版社:Elsevier B.V.代表科爱通信有限公司公司 这是一篇基于CC BY-NC-ND许可证的 开 放 获 取 文 章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表数据科学与管理杂志主页:www.keaipublishing.com/en/journals/data-science-and-managementZ. Li等人数据科学与管理1(2021)12¼þ¼ΣΣγOð Þð Þð Þ(see例如,在一个实施例中,Kahneman和Tversky,1979年)。Quiggin(1982)提出,结果的排序也将在将原始概率转换为决策权重方面发挥作用,并使用累积概率加权函数,因此对风险的态度和感知条件反射可以共同容纳在RDUT中。Tversky和Kahneman(1992)将这种概率加权函数纳入了累积前景理论。在旅行时间可变性的存在,实证研究选择行为的主要框架是最大预期效用(参见Noland和Small,1995)。该方法采用线性还具有作为效用函数的分量的旅行成本属性(燃料成本通行费成本)。因此,需要估计时间和成本的属性特定参数,其中前者是风险属性,因此嵌入了一个函数形式,该函数形式考虑了属性风险态度和信念以及属性相关偏好,称为属性特定E X tended RDUT(AS_ERDUT,在等式(3)中给出)。剩余的确定性属性在随机效用最大化下保持线性加和形式,并且所提出的模型的总体效用表达式在等式(4)中给出。βET^½πPLL1-απPEE1-απPOnOn1-α]效用规范,其中发生的概率直接用作砝码。然而,它忽视了对风险的态度和概率的信念依赖变换为了理解这个角色AS ERDUT公司T Tα 1-α2T(3)决策风险是近年来旅游行为研究的一个热点一个常见的发现是在旅行时间可变的情况下的冒险行为(最近的评论见Li和Hensher,2020),鉴于其与负风险溢价的联系,这种冒险将抵消支付意愿。一些研究还使用了参数(4)第1001章:你是谁?是决策权重加权的旅行时间参数,其考虑了完整的旅行时间分布(早到、准时和后期)由旅行时间变化性形成,其中^用于区分方法一放宽“风险中性”及“信念中性”的在RDUT模型框架内,并揭示了旅行者可能是概率加权行进时间参数(即,β埃厄蒂奇在等式(6)中)悲观的或乐观的(Di xit等人, 2015; Razo和Gao,2013; Wang等人,2014年)。然而,悲观主义或乐观主义是否以及如何影响旅行时间节省的WTP仍然是未知数。为了探讨信念在风险下路径选择行为中的作用,本研究进行了一个路径选择实验,并提出了以下假设抽样的汽车通勤者将与可能的旅行结果相关联的原始概率(例如,早到、准时、迟到)转化为决策权重;这种依赖于信念(悲观或乐观)的概率转换会影响模型性能和支付意愿。嵌入旅行时间的陈述偏好实验下一节介绍的可变性定义了旅行的三种可能结果(准时、早到或迟到),它们是在属性特定EX tended EUT(AS_EEUT)下。 在此AS_ER-DUT框架内,推导出决策权重加权旅行时间节省(VDWWTTS)的值的单个估计,其本质上是旅行时间可变性嵌入的旅行时间节省。 α是待估计的风险态度参数,并且(1-α)的值小于1表示冒险,(1-α)>1表示风险厌恶,(1-α)1表示风险中性,因为SP实验的背景是在这项研究是在域的损失,其中的风险属性是旅行时间,负效用的来源在等式(4)中,βk是非风险属性(xk)的边际效用参数,例如在这个选择实验中的货币成本对于非线性概率加权,本研究测试了等式(5a)-(5d)中所示的四个替代函数。pγ一个汽车通勤者会在他们的自然和wpoo(五)每日旅游活动在累积概率加权的概念下,从最差开始对三种潜在的旅行结果进行排序1/2-po]γw-β -ε-lnβ-γ-ε(5b)(1)最好(3):1/4迟到(L),2/4早到(E),3¼准时到达(开),优先选择ULTUETp)意味着乐观。AS_ERDUT模型考虑了替代路线(在实验中提前、准时和延迟其中发生的概率被转换为决策权重,以对三种可能的结果进行加权。为了进行有意义的比较并说明信念的作用,在方程(6)中开发了相应Kγ1Z. Li等人数据科学与管理1(2021)13T T T功能整个效用函数在等式(7)中给出。βET是估计的概率加权旅行时间参数。与RP备选方案相关联的同一组属性(如果当前路线是不收费路线,则包括零收费)。在回顾了每个选择任务中的三个选项作为优先事项Þ ¼βEðTÞ½ PLL1-αPEE1-αPOnOnOn1-α1-α(六)做出了选择这个过程重复16次,每个决策者,与不同的属性水平所述的选择方案。 的这个选择实验的重要属性包括三个可能的U¼ASEEUTUXβkxk(7)K3. 考虑出行时间变异性的陈述偏好(SP)实验研究陈述偏好(SP)模型是一种有用的方法,在其中获得与各种属性相关的偏好的经验估计在SP选择任务中,受访者在各种备选方案中做出选择,其属性水平根据统计设计而变化,以最大限度地提高参数估计的精度 因此,SP模型允许分析师以高度的现实主义来模拟真实的选择;因此,它是无形资产估值的一种有吸引力的启发方法(Hensher等人,2005; McFadden,1998; Ortúzar and Willumsen,2011). SP调查被广泛用于提供旅行者为节省时间而支付的意愿,也就是说,根据旅行选择模 型 估 计 的 旅 行 时 间 和 旅 行 成 本 的 偏 好 参 数 之 间 的 边 际 替 代率(Devarasetty等人, 2014年)。这项声明的偏好调查是在2008年在澳大利亚进行的,在收费与免费公路在每个选择任务中,定义了三个备选方案,其中第一个备选方案是由其当前属性水平描述的旅行;以及两个规定的选择方案(即, 路线A和路线B)围绕旅行者的知识库进行枢转,每个旅行者对于部分或全部行程长度可以具有与他们相关联的通行费或不具有通行费。这两种选择方案提供了不同程度的每个备选路线的行驶时间、其对应的发生概率以及成本。图中给出了选择任务的一个例子。1.一、对于该SP设计,每个属性的变化以单位A表示。57%的抽样受访者(即,280名汽车通勤者)为女性,平均收入为67,145澳元,平均年龄为42. 5岁。在行为经济学领域,学生经常被用作实验对象(例如,Cheo,2013年;Daniels和Keller,1990年; Sabater-Grande和Georgantzis,2002年)。为了提高实验结果的外部效度,本研究抽取了280名汽车通勤者。此外,这个SP实验的决策背景似乎与他们在与旅行时间变化相关的领域中的自然路线选择相似,这导致了早到、迟到和准时的可能性这种与现实生活中选择环境的相关性很重要,因为4. 模拟结果和讨论使用从上一节介绍的SP调查中收集的数据集,我们首先估计了四个简单的多项式对数,其中有四个替代的非线性概率加权函数(等式(5a)-(5 b))。比较(见图10)表明,Tversky和Kahneman的单参数概率加权函数在行为上更优越,其中所有参数估计值都是统计上的。Fig. 1. 路线选择任务。]Z. Li等人数据科学与管理1(2021)14O¼¼¼¼ð ÞðÞ表1AS_EEUT MMNL模型(假设信念中立)。可变系数t比非随机参数:参考常数0.6406 4.51价格(美元)-0.3887-9.62Tollasc-0.4259-2.65年龄(岁,仅供参考(第一)选择)0.0174 6.25随机参数的平均值:α(α)概率加权行程时间(min)随机参数的标准差:0.7174-1.309594.94-47.22α(α)0.344425.94概率加权行程时间(min)1.309547.22观察次数4,480McFadden伪R平方对数似然0.419-2,858.15在95%置信区间显著;而其他三个模型有一些非显著的参数估计。2因此,选择了该模型形式。为了解释未观察到的个体间偏好和信念异质性,采用混合多 项 logit ( MMNL ) 模 型 进 行 实 证 分 析 。 分别 在 AS_EEUT 和AS_ERDUT框架内估计了两个MMNL模型,其中前者具有非线性效用规格,而后者允许效用规格和概率加权的非线性。为了进行有意义的比较,该AS_EEUT MMNL 模型(表1)遵循AS_ERDUT MMNL模型(表2),Alpha为无约束正态分布,概率加权行驶时间参数为约束三角分布。在AS_ERDUT框架内,测试了不同的分布来代表这些随机参数,Alpha和Gamma为无约束正态分布,决策权重加权旅行时间参数为约束三角分布的模型在模型拟合方面具有最佳性能,并且所有参数估计值都具有统计学意义。所有参数估计值在95%置信水平下具有统计学显著性 这两个模型提供了一些类似的结果。例如,参考特定常数的估计参数为正,这表明,在考虑了观察到的不确定性之后,抽样受访者平均而言更喜欢他们当前的旅行,而不是两个选择方案。收费(表明特定替代方案是否为收费道路)的参数估计值为负,这表明,平均而言,在考虑到旅行时间和成本后,收费路线比非收费路线更不可取的其他因素捆绑到“收费道路质量奖金”中。这主要是由于抽样调查的澳大利亚受访者缺乏通行费风险这两个模型之间的关键区别在于AS_EEUT 模型假设信念中立,其中Gamma的值被假定为“1”,而AS_ERDUT模型估计Gamma以说明实验中给出的原始概率是否以及如何被转换。Gamma的估计与本研究的零假设的第一部分有关,即抽样的汽车通勤者直接使用原始概率来加权与实验中的每个选择方案相关的三种可能的出行结果,而没有信念依赖转换。 如果非线性概率加权(Gamma)的参数估计为与“1”相比具有统计学显著性,则拒绝该零假设。对于Gamma,针对1的t检验表明,尽管Gamma与默认阈值下的1在统计学上没有显著差异然而,在文献中,关于使用传统的0.05阈值的争论越来越多,例如,McShane et al.表2AS_ERDUT MMNL模型(带信念)。概率加权变量w½pγ1-pγ]γ系数t比非随机参数:指涉常数1.24797.70费用(美元)年龄(岁,仅供参考(第一)选择)-0.3507-0.76510.0033-6.96-4.271.0随机参数的平均值:α(α)0.786757.62伽马(γ)2.85302.66决策权重加权行程时间(min)随机参数的标准差:-1.4192-28.35α(α)0.18789.33伽马(γ)2.60413.82决策权重加权行程时间(min)1.419228.35观察次数4,480McFadden伪R平方0.421对数似-2,850.12(2019)认为,“将证据校准为p值或其他纯粹统计指标的函数很少有意义(第237页)"。Greenland(2017)澄清说:“小的p值只表明至少有一个假设可能存在问题,但没有说明是哪一个。不对称的是,一个大的p值只意味着这个测试没有检测到一个问题,也许是因为没有问题,或者因为测试对问题不敏感,或者因为偏差和随机误差在很大程度上相互抵消了642)。我们的实证应用集中于探索行为证据,并且实证结果表明,在允许非线性概率加权和假设线性加权之间存在行为差异(参见例如, 图 2)。因此,基于信念的概率转换可能发生在决策过程中。零假设的第二部分是假设线性概率加权的AS_EEUT和允许将原始概率转换为决策权重的AS_ERDUT模型提供相同的模型拟合和相同的WTP。 使用具有两个自由度(Gamma的平均值和标准差)的似然比检验(Ben-Akiva和Lerman,1985)对两个模型进行统计学比较。计算的检验统计量为16.06(2*(-2850.12-(-2858.15)。鉴于95%置信水平下两个自由度的临界值(卡方)为5.99,AS_ERDUT MMNL模型(表2)的拟合在统计学上优于AS_EEUT模型(表1)。因此,该零假设被拒绝。通过Gamma参数适应基于信念的转换,AS_ERDUT模型更好地解释了选择数据,并将有助于更好地理解有风险的路线选择行为。无条件平均Gamma估计值(γ2: 8530)说明了凸概率加权曲率,如图2所示,其中由非线性概率加权函数给出的变换概率(w(p),虚线)小于其原始概率(p),实直线,其中w(p)p在EUT下的线性概率加权函数下(即, γ1)。鉴于本研究中定义决策权重的方式,最佳结果的决策权重(即,本研究中的准时场景)与其通过非线性概率加权的转换概率相同(即,ππP Onπ/w P On)。给定估计的凸概率加权曲线(见图1), 2,w p
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- IPQ4019 QSDK开源代码资源包发布
- 高频组电赛必备:掌握数字频率合成模块要点
- ThinkPHP开发的仿微博系统功能解析
- 掌握Objective-C并发编程:NSOperation与NSOperationQueue精讲
- Navicat160 Premium 安装教程与说明
- SpringBoot+Vue开发的休闲娱乐票务代理平台
- 数据库课程设计:实现与优化方法探讨
- 电赛高频模块攻略:掌握移相网络的关键技术
- PHP简易简历系统教程与源码分享
- Java聊天室程序设计:实现用户互动与服务器监控
- Bootstrap后台管理页面模板(纯前端实现)
- 校园订餐系统项目源码解析:深入Spring框架核心原理
- 探索Spring核心原理的JavaWeb校园管理系统源码
- ios苹果APP从开发到上架的完整流程指南
- 深入理解Spring核心原理与源码解析
- 掌握Python函数与模块使用技巧
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功