《套用選擇分析（第二版）》是2020年中國人民大學出版社出版的圖書，作者是戴維·A.亨舍，約翰·M.羅斯，威廉·H.格林。
基本介紹
- 中文名：套用選擇分析（第二版）
- 作者：戴維·A.亨舍，約翰·M.羅斯，威廉·H.格林
- 出版社：中國人民大學出版社
- 出版時間：2020年03月01日
- 頁數：720 頁
- 開本：16 開
- 裝幀：平裝
- ISBN：9787300279909
內容簡介,作者簡介,圖書目錄,
內容簡介
這本流行教科書的第二版介紹了選擇分析領域中的**方法和技術。本書全面且易懂，任何讀者都可以通過本書學習如何模擬和預測個人選擇和團體選擇。與第一版相比，第二版完全改寫了其中一些章節，並目新増了一些主題，包括有序選擇、尺度MNL模型、廣義混合logit模型、潛類別模型、團體決策、直覺、屬性處理策路、期望效用理論和前景理論的套用等。第二版還新增了大量案例研究，用來說明如何套用選擇分析;提供了所有有關 logit命令，相關數據可以線上獲得。
本書融合了理論、估計和套用，任何對選擇行為建模方法感興趣的讀者，包括學生、研究者和諮詢師等，都可以從中受益。
作者簡介
戴維·A.亨舍( David A. Hensher)
悉尼大學商學院管理學教授，悉尼大學商學院交通與物流研究所創建人。
約翰·M.羅斯( John M.Rose)
原為悉尼大學商學院交通與物流研究所教授，2014年3月加入南澳大學，並擔任選擇研究所所長
威廉·H.格林( William H. Greene)
紐約大學斯特恩商學院經濟學講座教授。
圖書目錄
目錄
第1 部分 入 門
1 引 言 3
1．1選擇是一件常見的事 3
1．2選擇行為建模簡史 4
1．3選擇分析的基本規則與本書結構 7
2選擇 10
2．1 引言 10
2．2 個體有偏好， 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 16
3選擇與效用 17
3．1 引言 17
3．2 一些基礎背景 18
3．3 效用簡介 26
3．4 效用的已觀測成分 27
3．5結語 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 效用的未觀測成分 47
4．4 隨機效用模型 49
4．5 基本logit 模型的擴展 55
4．6 嵌套logit 模型 57
4．7 混合 （隨機參數） logit 模型 59
4．8 廣義混合logit 61
4．9 潛類別模型 622
4．10結語 63
5 估計離散選擇模型 65
5．1 引言 65
5．2 最大似然估計 65
5．3 模擬最大似然 70
5．4 從密度中抽取 73
5．5 相關與從密度中抽取 88
5．6對於不存在封閉分析形式的模型， 如何計算選擇機率 94
5．7 用於估計的算法 99
5．8結語 104
6實驗設計與選擇實驗 105
6．1 引言 105
6．2 什麼是實驗設計 106
6．3 關於選擇實驗的更多細節 143
6．4 最優―最差設計 145
6．5 關於樣本規模和陳述性選擇設計的更多細節 149
6．6實驗設計用到的 Ngene 語法 156
6．7結語 163
7統計推斷 184
7．1 引言 184
7．2 假設檢驗 184
7．3 方差估計 193
7．4 函式的方差和支付意願 201
8 研究者經常詢問的其他問題 212
8．1 條件分布均值等於非條件分布 212
8．2 以隨機後悔取代隨機效用最大化 214
8．3 內生性 217
8．4 有用的行為輸出 218
第2 部分 軟體和數據
9套用選擇分析的 ??????軟體 229
9．1 引言 229
9．2 關於軟體 229
9．3 啟動與退出 Nlogit 230
9．4 使用 Nlogit 231
9．5 如何讓 Nlogit 執行任務 232
9．6 一些有用的提醒 235
9．7 Nlogit 軟體 236
10為 ??????設定數據 237
10．1 數據的讀入和設定 237
10．2 合併數據源 242
10．3對外生變數加權 244
10．4處理拒絕選擇情形 2453
10．5 向 Nlogit 輸入數據 247
10．6 從檔案導入數據 247
10．7 在數據編輯器中輸入數據 251
10．8 保存和重新載入數據 252
10．9導出數據檔案 253
10．10 將數據集輸入為一行 253
10．11 數據清洗 255
第3 部分 各種選擇模型
11 基本模型： 工作母機―――多項?????模型 263
11．1 引言 263
11．2 Nlogit 中對選擇建模： MNL 命令 263
11．3 解釋 MNL 模型的結果 268
11．4選擇模型中相互作用的處理 277
11．5 支付意願的衡量 278
11．6 從樣本獲得效用和選擇機率 279
12 未加標籤的離散選擇數據的處理 284
12．1 引言 284
12．2 未加標籤數據簡介 284
12．3 未加標籤的選擇數據的建模基礎 285
12．4 未加標籤的選擇數據建模中的協變數問題 288
13 從模型中獲得更多信息 299
13．1 引言 299
13．2進一步理解數據 301
13．3進一步理解模型參數 306
13．4 模擬與 “whatif” 情景 316
13．5 加權 322
13．6 支付意願 335
13．7經驗分布： 一次移除一個觀察值 337
13．8 隨機後悔模型與隨機效用模型的套用 338
13．9 “Maximize” 命令 342
13．10 校準模型 343
14 嵌套?????估計 347
14．1 引言 347
14．2 嵌套logit 模型命令 347
14．3 估計 NL 模型與解釋輸出結果 351
14．4設定 NL 樹的更高一級水平的效用函式 358
14．5 NL 模型中退化側枝的處理 363
14．6 三水平 NL 模型 366
14．7彈性與邊際效應 368
14．8協方差嵌套logit 370
14．9 廣義嵌套logit 373
14．10 其他命令 3764
15 混合?????估計 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 如何使用隨機參數估計值 405
15．5 特定個體參數估計： 條件參數 406
15．6 隨機參數的條件置信區間 408
15．7 支付意願問題 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 混合數據集中尺度異質性的識別 443
16 潛類別模型 444
16．1 引言 444
16．2標準潛類別模型 444
16．3 隨機參數潛類別模型 446
16．4 案例研究 448
16．5 Nlogit 命令 454
17 二項選擇模型 468
17．1 引言 468
17．2 基本二項選擇 468
17．3 使用面板數據模擬二項選擇 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 合併數據源 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 更高級的SP?RP 模型 537
19．6 假設偏差 542
第4 部分 高級主題
20選擇分析前沿 557
20．1 引言 557
20．2 含有非線性效用函式的混合多項logit 模型 557
20．3 期望效用理論和前景理論 5605
20．4 案例研究： 交通耗時的可變性和節省的交通耗時的期望價值 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、 啟發性直覺和偏好構建 579
21．1 引言 579
21．2 常見決策過程回顧 581
21．3 將決策過程嵌入選擇任務 583
21．4 關係直覺 587
21．5過程數據 591
21．6 合成： 將前面幾節內容合在一起 593
21．7 案例研究1 ： 通過非線性處理納入屬性處理直覺 594
21．8 案例研究2： 選擇反應的確定性、選項可接受性和屬性門限的影響 605
21．9 案例研究3： 考察個體對陳述性選擇實驗的回答―――他們的回答有意義嗎 619
21．10 多個直覺在屬性處理 （作為調整模型選擇的一種方法） 中的作用 653
22團體決策 665
22．1 引言 665
22．2 相互作用的智慧型體選擇實驗 666
22．3購買汽車的案例研究 668
22．4 案例研究結果 670
22．5 Nlogit 命令和結果 676
自選術語 697
譯後記 704
