第1章 绪论 1
第2章 混合Logit模型 4
2.1 选择概率 4
2.2 随机系数 6
2.3 误差-组成部分 7
2.4 取代型式 8
2.5 对任何随机效用模型的近似 9
2.6 仿真 10
2.7 面板数据 11
第3章 研究实例1——多交通方式实时信息对出行行为的影响 13
3.1 背景 13
3.1.1 研究对象 13
3.1.2 数据 14
3.2 模型构造 14
3.3 模型讨论 15
3.4 模型应用 17
第4章 研究实例2——可变信息标志行程时间信息对出行行为的影响 19
4.1 背景 19
4.1.1 研究对象 19
4.1.2 数据 19
4.2 模型构造 21
4.2.1 基于随机效应的模型 21
4.2.2 基于随机系数的模型 22
4.2.3 基于随机效应和随机系数的模型 23
4.3 模型讨论 24
4.3.1 模型估计结果 24
4.3.2 模型系数讨论 24
4.3.3 不同模型的系数讨论 25
第5章 研究实例3——电动汽车购买意愿研究 27
5.1 背景 27
5.1.1 研究对象 27
5.1.2 数据 27
5.2 数据分析和建模 28
5.2.1 模型构造 28
5.2.2 SAS软件分析过程 28
5.3 模型估计结果讨论 33
5.3.1 模型估计结果 33
5.3.2 模型讨论 35
5.4 模型应用 37
第6章 研究实例4——停车换乘行为研究 40
6.1 背景 40
6.1.1 研究对象 40
6.1.2 数据 40
6.2 数据分析和建模 42
6.2.1 样本基本分布 42
6.2.2 模型构造 42
6.2.3 SAS软件分析过程 42
6.3 模型估计结果讨论 46
6.3.1 模型估计结果 46
6.3.2 模型讨论 48
第7章 基于广义线性混合模型的出行行为分析 51
7.1 背景 51
7.2 数据 51
7.3 广义线性混合模型的建立 52
7.3.1 模型原理 52
7.3.2 候选模型 53
7.4 模型结果及讨论 55
7.4.1 模型估计结果 55
7.4.2 讨论 56
7.5 小结 57
第8章 广义估计方程在交通行为分析中的应用 58
8.1 广义估计方程基本原理 58
8.1.1 简介 58
8.1.2 理论基础 58
8.2 广义估计方程在SPSS中的实现 62
8.3 应用案例一 72
8.3.1 案例背景 72
8.3.2 模型估计结果 73
8.3.3 模型应用 75
8.4 应用案例二 78
8.4.1 案例背景 78
8.4.2 模型估计结果 79
参考文献 83