Document

プログラム演習
‐行動モデル夏の学校2007‐
2007/09/20
愛媛大学大学院M１
牛尾龍太郎
1
説明の流れ
Ⅰ．演習データ１（買い物施設選択）の説明
Ⅱ．離散選択分析のプロセス
Ⅲ．サンプルプログラムの説明
Ⅲ‐1 Rによる買い物地選択のMNL
Ⅲ‐２ GAUSSによる買い物地選択のMNL
付録．サンプルプログラムの説明
付録-1 演習データ2（経路選択）の説明
付録-2 Rによる経路選択のMNL
付録-3 GAUSSによる経路選択のMNL
2
Ⅰ．演習データ1の説明
-買い物施設選択-
3
Ⅰ．買い物地選択データセットについて





松山街中PP調査のデータを使用
サンプル数は287トリップ
買い物目的地は8施設
買い物目的地までの距離は道を考えず，単純な
直線距離
買い物目的選択トリップデータを，プログラム用
に加工したものがkaimono.csvとなっています
4
Ⅱ．離散選択分析のプロセス
5
Ⅱ．離散選択分析のプロセス
1.
2.
3.
4.
5.
分析対象を決める
（モデル分析の方針を決める）
調査の実施
調査データの集計（と作成）
モデルの推定
5-1 モデルの選定
5-2 モデルの特定化
5-3 モデルの推定
6.
推定結果の解釈
6
１．分析対象を決める

１）外的条件の変化
例えば，郊外にショッピングモールの建設が予
定されている．これができたとき，人の買い物行
動はどう変わるのか?

２）分析範囲の決定

想定される行動変化



買い物場所の変化
買い物頻度の変化
買い物場所への利用交通手段の変化など
7
Ⅱ．離散選択分析のプロセス
1.
2.
3.
4.
5.
分析対象を決める
（モデル分析の方針を決める）
調査の実施
調査データの集計（と作成）
モデルの推定
5-1 モデルの選定
5-2 モデルの特定化
5-3 モデルの推定
6.
推定結果の解釈
8
２．（モデル分析の方針を決める）

どのようなモデルを用いて分析するかを検討




集計モデルvs非集計モデル
効用関数の誤差構造は？
異質性（嗜好，選択肢集合など）は？
新規郊外店舗の建設（政策変数）をモデルでどのよう
に表すか？
9
Ⅱ．離散選択分析のプロセス
1.
2.
3.
4.
5.
分析対象を決める
（モデル分析の方針を決める）
調査の実施
調査データの集計（と作成）
モデルの推定
5-1 モデルの選定
5-2 モデルの特定化
5-3 モデルの推定
6.
推定結果の解釈
10
３．調査の実施

１．および２．を踏まえて調査設計




対象母集団の決定
サンプルの抽出方法の決定（ランダムor層別）
サンプル数の決定
調査手法の決定




紙面，PP，インタビュー調査
配布・回収方法
謝礼など
質問項目の決定
11
Ⅱ．離散選択分析のプロセス
1.
2.
3.
4.
5.
分析対象を決める
（モデル分析の方針を決める）
調査の実施
調査データの集計（と作成）
モデルの推定
5-1 モデルの選定
5-2 モデルの特定化
5-3 モデルの推定
6.
推定結果の解釈
12
４．データの集計（と作成）

１）基礎集計
単純集計，クロス集計を行うことによりデータの
特徴を読みとる

２）選択肢集合の決定
買い物場所選択実績やデータ量を見て選択肢集
合を決定する

３）データの作成
不足しているLOSデータ等の作成
13
Ⅱ．離散選択分析のプロセス
1.
2.
3.
4.
5.
分析対象を決める
（モデル分析の方針を決める）
調査の実施
調査データの集計（と作成）
モデルの推定
5-1 モデルの選定
5-2 モデルの特定化
5-3 モデルの推定
6.
推定結果の解釈
14
５-１．モデルの推定-モデルの選定
モデルの選定
２．の方針および４．の集計結果を踏まえてモデ
ルを選定（例：多項ロジットモデル）
15
５-２．モデルの推定-モデルの特定化①
ここでは簡単のため高島屋（高島），三越，ジョープラザ
（ジョ）の3つの買い物地選択について考える
（後に紹介するサンプルプログラムは5施設について）

各選択肢の効用関数の特定化
U (高島)  V高島 ε高島
：確定項
U (三越)  V三越 ε三越
U (ジョ　)  Vジョ εジョ
：確率項
16
５-２．モデルの推定-モデルの特定化②
確定項の特定化
買い物地選択を決める主な要因として，距離( d )，女性
ダミー（ f ），年齢ダミー（60歳以上）（a ）を考える
V高島 _ n β１ β3d高島 _ n
V三越 _ n β２ β3d三越 _ n β5 an
Vジョ　_ n  β3dジョ　_ n β6 f n
：定数項
：サービスレベル変数(LOS変数)
：社会経済変数(SE変数)
定数項は最大で（選択数-1）
17
５-２．モデルの推定-モデルの特定化③
共通係数(generic coefficients)と選択肢固有係数(intrinsic coefficients)
V高島 _ n β１ β3d高島 _ n

V三越 _ n β２ β3d三越 _ n β5 an
Vジョ　_ n  β3dジョ　_ n β6 f n
V高島 _ n β１ β3d高島 _ n
V三越 _ n β２ β4 d三越 _ n β6 an
Vジョ　_ n  β5 dジョ　_ n β7 f n
距離に対する重み（パ
ラメータ）は各選択肢で
同じ
各施設までの1kmの移動に伴う不効用は
全て等しい

距離に対する重み（パ
ラメータ）は各選択肢で
異なる
1kmの移動に伴う不効用は目的施設にご
とに異なる
18
５-２．モデルの推定-モデルの特定化④
多重共線性（multicollinearity）
仮に三越に無職ダミー（ t ）を入れてみる
V高島 _ n β１ β3d高島 _ n
V三越 _ n β２ β3d三越 _ n β5 an β7 t n
Vジョ　_ n  β3dジョ　_ n β6 f n
でも，60歳以上と無職って相関がかなり高そうだ

説明変数間に高い相関がある状態をいう。この場合、パラ
メータの分散が大きくなり、その信頼性が小さくなる
19
５-３．モデルの推定-モデルの推定
モデルの推定
省略


以降，モデルの選定，モデルの特定化，モデルの推
定の作業を繰り返す
例えば，当初はネスティッドロジットモデルを採用しモ
デル推定を行なった結果，多項ロジットモデルと有意
な差がないと判断されれば，多項ロジットモデルに変
更してモデル推定を行なう
20
Ⅱ．離散選択分析のプロセス
1.
2.
3.
4.
5.
分析対象を決める
（モデル分析の方針を決める）
調査の実施
調査データの集計（と作成）
モデルの推定
5-1 モデルの選定
5-2 モデルの特定化
5-3 モデルの推定
6.
推定結果の解釈
21
６．推定結果の解釈①

ｔ検定
検定値は，パラメータ推定値をその推定値をその推定値の標
準偏差の推定値で除した値.
この値が絶対値で1.96以上であれば十分（有意水準5％）
初期尤度

最終尤度
モデルの適合度
決定係数
ln L(β*)－ln L(0) ln L(0)  ln L(β*)
ρ

ln 1  ln L(0)
ln L(0)
2
自由度決定済み決定係数
ln L(0)  (ln L(β*)  K )
ρ 
ln L(0)
2
モデルに含まれる未知パラメータ数
22
６．推定結果の解釈②

分析・政策



新しい郊外ショッピングモールはどのような人（年齢別，性
別，職業）が利用するのだろうか?
買い物目的地へ向かう移動手段はどう変わったのか?
施設による違い（駐車場の有無，敷地面積，中心市街地
か郊外にあるか）は影響を与えているか?
23
Ⅲ‐１．サンプルプログラムの説明
-Rによる買い物地選択のMNL-
24
Ⅲ-１．Rの初期場面

文字化けしているならメニューバーの編集から
GUIプリファレンスを選びFontをFixedSysに変更
25
Ⅲ-１．モデルの作成①
①
②
③
④
26
Ⅲ-１．モデルの作成②
⑤
⑥
⑦
⑧
⑨
27
Ⅲ-１．モデルの作成③
⑩
⑪
⑫
⑬
28
Ⅲ-１．結果の出力
⑭
⑮
⑯
⑰
⑱
⑲
29
Ⅲ‐２．サンプルプログラムの説明
-GAUSSによる買い物地選択のMNL-
30
Ⅲ‐２． GAUSSの初期場面


FontからSelectに行き，フォント名をSｙｓtemから
FixedSysに変更
File→Editから書き込み用のファイルを指定
31
Ⅲ‐２．モデルの作成①
①
②
③
④
⑤
⑥
⑦
32
Ⅲ‐２．モデルの作成②
⑧
⑨
⑩
⑪
⑫
33
Ⅲ‐２．モデルの推定結果
⑬
⑭
⑮
⑯
⑰
⑱
⑲
34
35
付録．サンプルプログラム
-経路選択-
36
付録１．経路選択データセットについて





松山PP調査（03年～05年）のデータ
各年のトリップ数は03年419，04年5110，05年
3124となる
経路選択の選択肢数は，トリップによって違う
実際の経路選択はalt1
経路選択サンプルプログラム用に加工したデータ
がPathSet2.csv となっています（GAUSSサンプル
データ→sample→route→PathSet2.csv）
37
付録２．サンプルプログラムの説明
-Rによる経路選択のMNL-
38
付録２．モデルの作成①
①・apply(Path,1,sum)はPathの行に関して
関数sumを適用．2なら列
・Path[,1]/utでPathデータの１行目（実際
の選択結果）を抜き出す
・定数項が定義できないのも特徴
①
39
付録２．モデルの作成②
②
②経路のトリップ毎に選択肢数が違うので，
買い物選択のときみたいな書き方ではダメ
推定結果は省略
40
付録３．サンプルプログラムの説明
-GAUSSによる経路選択のMNL-
41
付録３．モデルの作成①
①sumc(path’)でpathデータを転置し，転置し
たデータを足し合わせる
①
42
付録３．モデルの作成②
買い物選択と同じである
推定結果は省略
43

Download Report