應(yīng)用選擇分析(第二版)(經(jīng)濟(jì)科學(xué)譯叢;“十三五”國(guó)家重點(diǎn)出版物出版規(guī)劃項(xiàng)目)
 
		
	
		
					 定  價(jià):99 元 
					
								  叢書名:經(jīng)濟(jì)科學(xué)譯叢
					
				 
				 
				  
				
				   
				 
				  
				
						
								
									當(dāng)前圖書已被 15 所學(xué)校薦購(gòu)過(guò)!
								
								
									查看明細(xì)
								 
							 
							
							
								
							
				 
	
				
					
						- 作者:戴維·A.亨舍,約翰·M.羅斯,威廉·H.格林
 - 出版時(shí)間:2020/3/1
 
						- ISBN:9787300279909
 
						- 出 版 社:中國(guó)人民大學(xué)出版社
 
					
				  
  
		
				- 中圖法分類:O212 
  - 頁(yè)碼:720
 - 紙張:
 - 版次:1
 - 開(kāi)本:16
 
				
					 
					
			
				
  
   
 
	 
	 
	 
	
	
	
		
		這本流行教科書的第二版介紹了選擇分析領(lǐng)域中的最新方法和技術(shù)。本書全面且易懂,任何讀者都可以通過(guò)本書學(xué)習(xí)如何模擬和預(yù)測(cè)個(gè)人選擇和團(tuán)體選擇。與第一版相比,第二版完全改寫了其中一些章節(jié),并目新増了一些主題,包括有序選擇、尺度MNL模型、廣義混合logit模型、潛類別模型、團(tuán)體決策、直覺(jué)、屬性處理策路、期望效用理論和前景理論的應(yīng)用等。第二版還新增了大量案例研究,用來(lái)說(shuō)明如何應(yīng)用選擇分析;提供了所有有關(guān) logit命令,相關(guān)數(shù)據(jù)可以在線獲得。 
    本書融合了理論、估計(jì)和應(yīng)用,任何對(duì)選擇行為建模方法感興趣的讀者,包括學(xué)生、研究者和咨詢師等,都可以從中受益。 
 
 
 
		
	
戴維•A.亨舍( David A. Hensher) 
 
悉尼大學(xué)商學(xué)院管理學(xué)教授,悉尼大學(xué)商學(xué)院交通與物流研究所創(chuàng)建人。 
 
約翰•M.羅斯( John M.Rose) 
 
原為悉尼大學(xué)商學(xué)院交通與物流研究所教授,2014年3月加入南澳大學(xué),并擔(dān)任選擇研究所所長(zhǎng) 
 
威廉•H.格林( William H. Greene) 
 
紐約大學(xué)斯特恩商學(xué)院經(jīng)濟(jì)學(xué)講座教授。
目錄 
第1 部分 入 門 
1 引 言  3 
1.1選擇是一件常見(jiàn)的事  3 
1.2選擇行為建模簡(jiǎn)史  4 
1.3選擇分析的基本規(guī)則與本書結(jié)構(gòu)  7 
2選擇  10 
2.1 引言  10 
2.2 個(gè)體有偏好, 偏好很重要  10 
2.3 在選擇分析中使用偏好和約束條件的知識(shí)  16 
3選擇與效用  17 
3.1 引言  17 
3.2 一些基礎(chǔ)背景  18 
3.3 效用簡(jiǎn)介  26 
3.4 效用的已觀測(cè)成分  27 
3.5結(jié)語(yǔ)  42 
4 各種離散選擇模型  46 
4.1 引言  46 
4.2 效用建模  46 
4.3 效用的未觀測(cè)成分  47 
4.4 隨機(jī)效用模型  49 
4.5 基本logit 模型的擴(kuò)展  55 
4.6 嵌套logit 模型  57 
4.7 混合 (隨機(jī)參數(shù)) logit 模型  59 
4.8 廣義混合logit  61 
4.9 潛類別模型  622 
4.10結(jié)語(yǔ)  63 
5 估計(jì)離散選擇模型  65 
5.1 引言  65 
5.2 最大似然估計(jì)  65 
5.3 模擬最大似然  70 
5.4 從密度中抽取  73 
5.5 相關(guān)與從密度中抽取  88 
5.6對(duì)于不存在封閉分析形式的模型, 如何計(jì)算選擇概率  94 
5.7 用于估計(jì)的算法  99 
5.8結(jié)語(yǔ)  104 
6實(shí)驗(yàn)設(shè)計(jì)與選擇實(shí)驗(yàn)  105 
6.1 引言  105 
6.2 什么是實(shí)驗(yàn)設(shè)計(jì)  106 
6.3 關(guān)于選擇實(shí)驗(yàn)的更多細(xì)節(jié)  143 
6.4 最優(yōu)—最差設(shè)計(jì)  145 
6.5 關(guān)于樣本規(guī)模和陳述性選擇設(shè)計(jì)的更多細(xì)節(jié)  149 
6.6實(shí)驗(yàn)設(shè)計(jì)用到的 Ngene 語(yǔ)法 156 
6.7結(jié)語(yǔ)  163 
7統(tǒng)計(jì)推斷  184 
7.1 引言  184 
7.2 假設(shè)檢驗(yàn)  184 
7.3 方差估計(jì)  193 
7.4 函數(shù)的方差和支付意愿  201 
8 研究者經(jīng)常詢問(wèn)的其他問(wèn)題  212 
8.1 條件分布均值等于非條件分布  212 
8.2 以隨機(jī)后悔取代隨機(jī)效用最大化  214 
8.3 內(nèi)生性  217 
8.4 有用的行為輸出  218 
第2 部分 軟件和數(shù)據(jù) 
9應(yīng)用選擇分析的 犖犾狅犵犻狋軟件  229 
9.1 引言  229 
9.2 關(guān)于軟件  229 
9.3 啟動(dòng)與退出 Nlogit  230 
9.4 使用 Nlogit  231 
9.5 如何讓 Nlogit 執(zhí)行任務(wù) 232 
9.6 一些有用的提醒  235 
9.7 Nlogit 軟件  236 
10為 犖犾狅犵犻狋設(shè)置數(shù)據(jù)  237 
10.1 數(shù)據(jù)的讀入和設(shè)置  237 
10.2 合并數(shù)據(jù)源  242 
10.3對(duì)外生變量加權(quán)  244 
10.4處理拒絕選擇情形  2453 
10.5 向 Nlogit 輸入數(shù)據(jù)  247 
10.6 從文件導(dǎo)入數(shù)據(jù)  247 
10.7 在數(shù)據(jù)編輯器中輸入數(shù)據(jù)  251 
10.8 保存和重新加載數(shù)據(jù)  252 
10.9導(dǎo)出數(shù)據(jù)文件  253 
10.10 將數(shù)據(jù)集輸入為一行  253 
10.11 數(shù)據(jù)清洗  255 
第3 部分 各種選擇模型 
11 基本模型: 工作母機(jī)———多項(xiàng)犾狅犵犻狋模型  263 
11.1 引言  263 
11.2 Nlogit 中對(duì)選擇建模: MNL 命令  263 
11.3 解釋 MNL 模型的結(jié)果  268 
11.4選擇模型中相互作用的處理  277 
11.5 支付意愿的衡量  278 
11.6 從樣本獲得效用和選擇概率  279 
12 未加標(biāo)簽的離散選擇數(shù)據(jù)的處理  284 
12.1 引言  284 
12.2 未加標(biāo)簽數(shù)據(jù)簡(jiǎn)介  284 
12.3 未加標(biāo)簽的選擇數(shù)據(jù)的建模基礎(chǔ)  285 
12.4 未加標(biāo)簽的選擇數(shù)據(jù)建模中的協(xié)變量問(wèn)題  288 
13 從模型中獲得更多信息  299 
13.1 引言  299 
13.2進(jìn)一步理解數(shù)據(jù)  301 
13.3進(jìn)一步理解模型參數(shù)  306 
13.4 模擬與 “whatif” 情景  316 
13.5 加權(quán)  322 
13.6 支付意愿  335 
13.7經(jīng)驗(yàn)分布: 一次移除一個(gè)觀察值  337 
13.8 隨機(jī)后悔模型與隨機(jī)效用模型的應(yīng)用  338 
13.9 “Maximize” 命令  342 
13.10 校準(zhǔn)模型  343 
14 嵌套犾狅犵犻狋估計(jì)  347 
14.1 引言  347 
14.2 嵌套logit 模型命令  347 
14.3 估計(jì) NL 模型與解釋輸出結(jié)果  351 
14.4設(shè)定 NL 樹(shù)的更高一級(jí)水平的效用函數(shù)  358 
14.5 NL 模型中退化側(cè)枝的處理 363 
14.6 三水平 NL 模型  366 
14.7彈性與邊際效應(yīng)  368 
14.8協(xié)方差嵌套logit  370 
14.9 廣義嵌套logit  373 
14.10 其他命令  3764 
15 混合犾狅犵犻狋估計(jì)  377 
15.1 引言  377 
15.2 混合logit 模型的基本命令  377 
15.3 Nlogit 輸出信息: ML 模型的解釋 381 
15.4 如何使用隨機(jī)參數(shù)估計(jì)值  405 
15.5 特定個(gè)體參數(shù)估計(jì): 條件參數(shù)  406 
15.6 隨機(jī)參數(shù)的條件置信區(qū)間  408 
15.7 支付意愿問(wèn)題  410 
15.8 混合logit 模型中的誤差成分  415 
15.9 廣義混合logit: 考慮尺度和品味異質(zhì)性  421 
15.10 效用空間和 WTP 空間中的 GMX 模型  423 
15.11 效用空間中的SMNL 模型和 GMX 模型 438 
15.12 混合數(shù)據(jù)集中尺度異質(zhì)性的識(shí)別  443 
16 潛類別模型  444 
16.1 引言  444 
16.2標(biāo)準(zhǔn)潛類別模型  444 
16.3 隨機(jī)參數(shù)潛類別模型  446 
16.4 案例研究  448 
16.5 Nlogit 命令  454 
17 二項(xiàng)選擇模型  468 
17.1 引言  468 
17.2 基本二項(xiàng)選擇  468 
17.3 使用面板數(shù)據(jù)模擬二項(xiàng)選擇  483 
17.4 二元probit 模型  488 
18 有序選擇  506 
18.1 引言  506 
18.2傳統(tǒng)有序選擇模型  506 
18.3 廣義有序選擇模型  507 
18.4 案例研究  512 
18.5 Nlogit 命令  519 
19 合并數(shù)據(jù)源  524 
19.1 引言  524 
19.2 嵌套logit “技巧”  528 
19.3 超越嵌套logit “技巧”  530 
19.4 案例研究  532 
19.5 更高級(jí)的SPRP 模型  537 
19.6 假設(shè)偏差  542 
第4 部分 高級(jí)主題 
20選擇分析前沿  557 
20.1 引言  557 
20.2 含有非線性效用函數(shù)的混合多項(xiàng)logit 模型  557 
20.3 期望效用理論和前景理論  5605 
20.4 案例研究: 交通耗時(shí)的可變性和節(jié)省的交通耗時(shí)的期望價(jià)值  564 
20.5 表20.6 模型中的 NLRPLogit 命令  570 
20.6 混合選擇模型  574 
21 屬性處理、 啟發(fā)性直覺(jué)和偏好構(gòu)建  579 
21.1 引言  579 
21.2 常見(jiàn)決策過(guò)程回顧  581 
21.3 將決策過(guò)程嵌入選擇任務(wù)  583 
21.4 關(guān)系直覺(jué)  587 
21.5過(guò)程數(shù)據(jù)  591 
21.6 合成: 將前面幾節(jié)內(nèi)容合在一起  593 
21.7 案例研究1 : 通過(guò)非線性處理納入屬性處理直覺(jué)  594 
21.8 案例研究2: 選擇反應(yīng)的確定性、選項(xiàng)可接受性和屬性門限的影響  605 
21.9 案例研究3: 考察個(gè)體對(duì)陳述性選擇實(shí)驗(yàn)的回答———他們的回答有意義嗎  619 
21.10 多個(gè)直覺(jué)在屬性處理 (作為調(diào)整模型選擇的一種方法) 中的作用  653 
22團(tuán)體決策  665 
22.1 引言  665 
22.2 相互作用的智能體選擇實(shí)驗(yàn)  666 
22.3購(gòu)買汽車的案例研究  668 
22.4 案例研究結(jié)果  670 
22.5 Nlogit 命令和結(jié)果  676 
自選術(shù)語(yǔ)  697 
譯后記  704