基于潜类混合Logit的铁路疏解衔接系统用户细分

铁路疏解衔接系统用户细分是开展枢纽衔接优化的重要环节.将潜在类别模型与非集计混合Logit模型的似然函数进行融合,构建了一种能同时实现用户分类和行为分析的潜类混合Logit用户细分模型;通过在潜在类别中设置衔接方式属性随机偏好参数,实现了相同子市场用户间似而不同的属性偏好表达.依托成都东客站到达旅客的衔接方式选择SP(陈述偏好)调查数据,借助NLogit软件编程对该模型的测试与标定过程进行了说明,并结合标定结果对各衔接方式的市场总体时间弹性和费用弹性进行了计算,提出了相应的管理措施.结果显示,模型将铁路疏解衔接系统用户细分为“公交偏好型”、“私家车偏好型”、“出租车偏好型”、“网约车偏好型”4个子市场,不同子市场间呈现出差异化的市场占有率、属性敏感性和属性偏好程度,验证了潜类混合Logit模型在市场细分中能兼顾外源、内源性细分变量,并具有经济学解释能力强的特点.

基于混合logit模型的农村公路服务质量评价

为更好地研究出行者对农村公路服务质量的评价,结合出行者心理需求倾向确定了便利性、舒适性、安全性、经济性、期望性、主观信任与主观评价7个潜变量,构建了量化出行者潜变量与出行者对农村公路服务质量关系的混合logit模型,并且构建了不含潜变量的有序logit模型以对比显示潜变量的影响效果。结果表明,混合logit模型比有序logit模型具有更好的拟合优度,更能反映出行者对农村公路服务质量的行为态度。便利性、经济性、主观信任与主观评价对农村公路服务质量有正向影响;舒适性、安全性与期望性对其有负向影响。

潜变量增长混合模型在学龄儿童体质指数变化轨迹分析中的应用

目的探讨潜变量增长混合模型(latent growth mixture modeling,GMM)和潜类增长模型(latent class growth model,LCGM)在识别儿童体重增长变化潜在类别上的应用。方法以大连市932名6~12岁学龄儿童的体检纵向数据为例。运用Mplus8.3软件构建不同性别儿童体质指数(body mass index,BMI)变化的GMM和LCGM模型。结果LCGM模型对男女学龄儿童的生长轨迹均识别出3个增长趋势不同的亚组:“稳定组”、“肥胖组”、“偏瘦组”;GMM模型对男性学龄儿童的生长轨迹识别出2个增长趋势不同的亚组:“稳定增长组”和“肥胖增长组”。结论GMM和LCGM模型可以识别学龄儿童BMI发展轨迹的异质性,拓展了描述儿童体重动态变化的方法研究。

考虑预约响应式农村客运的内蒙古农牧民出行方式选择行为研究

为揭示考虑预约响应式农村客运的内蒙古农牧民出行方式选择行为及其影响因素,基于计划行为理论选取反映农牧民对预约响应式农村客运的态度潜变量,利用验证性因子分析预测态度潜变量得分;以个体属性、历史出行特征、出行方式属性、潜变量得分为解释变量,以农牧民的方式选择结果为反应变量,采用混合Logit模型构建内蒙古农牧民出行方式选择模型。模型分析发现:年龄在60岁以上、月收入3000元以上、日常出行次数在一天两次以上以及日常出行费用在20元以上的农牧民对预约响应式农村客运的使用意向强烈。行为意向、行为态度、主观规范以及感知易用性对方式选择行为影响显著,总体来说内蒙古农牧民对预约响应式农村客运持积极态度。研究成果为内蒙古地区发展预约响应式农村客运提供决策依据。

头颈癌放疗患者中性粒细胞与淋巴细胞比值的变化轨迹与重度放射性口腔黏膜炎的风险研究

目的 识别头颈癌(head and neck cancer,HNC)患者放疗期间中性粒细胞与淋巴细胞比值(neutrophil to lymphocyte ratio,NLR)的变化轨迹,分析NLR的变化轨迹与重度放射性口腔黏膜炎(radiotherapy-induced oral mucositis,RIOM)之间的关系。方法 采用回顾性纵向研究设计,选取2022年7月至2023年8月在中南大学湘雅医院收治的180例接受放疗的HNC患者作为研究对象。分别在放疗前(T0)、放疗开始后1周(T1)、放疗开始后2周(T2)、放疗开始后3周(T3)、放疗开始后4周(T4)、放疗开始后5周(T5)和放疗开始后6周(T6)收集HNC放疗患者的中性粒细胞计数和淋巴细胞计数,并计算7个时间点的NLR。使用潜类增长模型和增长混合模型识别最佳的NLR轨迹亚组,采用Logistic回归分析判断NLR的轨迹亚组与重度RIOM之间的关系。结果 NLR变化轨迹存在基线低水平-快速增长组(Class-1组)和基线高水平-快速增长组(Class-2组)2个潜在亚组。Logistic回归分析显示,Class-2组发生重度RIOM的危险性是Class-1组的3.67倍。在控制混杂因素的干扰后,NLR轨迹亚组仍是发生重度RIOM的危险因素,且重度RIOM发生风险从3.67倍增加到27.0倍。结论 NLR能够作为预测重度RIOM的生物标志物。NLR较高的人群发生重度RIOM的风险更高。

考虑心理潜变量及异质性的电动汽车联合充电选择行为研究

为深入剖析电动汽车用户联合充电方式和充电地点的选择行为,揭示用户心理潜变量、社会经济属性及充电属性对其联合充电选择行为的共同影响,文章基于上海市电动汽车用户的实证调查数据进行分析研究,构建考虑心理潜变量的混合选择模型剖析联合充电选择行为的决策机理。分析结果表明:风险规避态度、里程焦虑及充电习惯均对联合充电选择存在显著影响;混合选择模型的拟合度明显优于混合Logit模型;日出行距离、充电费用、停车政策等属性在模型估计中表现出异质性。对用户联合充电方式和充电地点的选择行为预测结果表明,混合选择模型的预测值与实际调查数据的误差在5%以内,混合选择模型具有更高的预测能力和解释能力。该文研究结果可为充电需求预测及充电管理策略提供一定的理论依据。

基于偏好异质性的家庭农场扶持政策研究——黄淮海平原570个粮食类农场的实证分析

依据黄淮海平原5省570个粮食类家庭农场的调研数据,运用选择实验法,在对家庭农场忽略的属性进行信息处理的基础上,借助混合Logit模型和潜在类别模型,分析家庭农场对不同扶持政策的偏好程度,以及不同偏好类型的家庭农场特征差异。结果发现:采用推断性属性非参与方法进行信息处理后的模型拟合效果最好;家庭农场更偏好农业补贴、信贷支持和技术支持,但其对政策传播渠道的偏好也不能忽视;面临相同的政策属性组合时,受教育水平高、经营规模合理和对扶持政策认知程度高的家庭农场利润率提升的可能性更大;家庭农场可划分为资金偏好型、知识与技术偏好型、土地流转偏好型和政策信息偏好型四种类型。应该基于偏好异质性制定家庭农场扶持政策,将扶持政策向家庭农场相对更为偏好的农业补贴、信贷支持和技术支持适当倾斜,并对农场主受教育水平高、经营规模合理和对扶持政策认知度高的家庭农场进行重点扶持。

考虑心理潜变量的出行方式选择行为

为提高公共交通服务水平和出行分担率,考虑常规公交和地铁的舒适性、便捷性、总体满意度等8个心理潜变量,通过问卷调查获得乌鲁木齐市的出行数据,基于巢式Logit模型,建立考虑心理潜变量的混合选择模型,对市内出行者出行方式选择行为进行研究。通过模型拟合结果可知:出行费用、拥挤程度、步行距离对出行者出行方式选择行为有显著负影响;出行者是否有车会显著影响出行者是否选择公共交通出行;青年群体、高学历群体、高收入群体更倾向于选择小汽车出行;地铁的快速准时性、便捷性、总体满意度,以及常规公交的便捷性、舒适性、总体满意度都显著影响出行者出行方式选择行为。

考虑数据异质性的海上通道事故严重程度研究

海上通道事故的发生及演化受到多种因素的影响,常常导致不同严重程度的后果。考虑到海上事故数据固有的未观测到的异质性,以往研究的海上事故严重程度的方法总是会掩盖其中的一些潜在关系。本文提出了一种结合潜在类别聚类和混合logit模型的两步方法来探究海上事故严重程度影响因素。首先,采用潜在类别聚类将海上事故划分为不同的同质聚类;然后,采用混合logit模型分别对每一个聚类及全数据进行建模,分析影响因素对事故严重程度的影响。以从中国海事局发布的事故调查报告中提取的数据进行实证研究。计算结果表明,将海上事故事先分割成相对同质的聚类有助于揭示隐藏在全数据模型中的一些重要因素;另外也证明了所提出的方法能够在解释异质性来源方面具有很大的潜力;具体估计得出的影响海上事故严重程度因素的结果可以为海上应急响应决策提供支持。

考虑偏好差异的后疫情时代居民出行方式选择行为研究

为探究后疫情时代居民出行方式选择行为,运用选择实验的方法,基于问卷调查获得选择行为数据,构建出行方式选择的混合Logit模型和潜在类别条件Logit模型。采用Stata软件标定模型参数,得到后疫情时代影响居民出行方式选择的主要因素。结果表明,两种模型均体现了个体出行方式选择的异质性,潜在类别条件Logit模型与混合Logit模型相比拟合优度提高了13%,预测精度提高了3.03%,为突发公共卫生事件下分析出行行为的个体异质性提供了一种有效工具。潜在类别条件Logit模型根据居民所处低、中风险区两种情景,分别将居民划分为4类、5类人群。从出行方式属性上看,等待时间和在途时间成为居民选择出行方式最重要的影响因素。从个人社会经济属性上看,在后疫情时代收入更高的女性更倾向选择私家车出行,年龄越大对行程费用越敏感,男性更愿意选择公交、地铁出行。

考虑个体异质性的汽车分时租赁选择行为

传统交通行为模型缺乏对个体异质性的考虑,导致其对真实选择行为的解释可能存在差距.为了研究个体异质性对出行选择行为的影响,首先,分别构建了基于混合logit的选择模型以及基于潜在类别条件logit的选择模型;其次,使用正交设计法生成意愿调查问卷,在成都市开展新能源汽车分时租赁的出行选择实证调查;最后,利用极大似然模拟,采用Halton序列抽样对混合logit模型进行标定;采用回归分析对潜在类别条件logit模型进行求解.结果表明:步行时间、候车时间、车内时间以及出行费用是影响出行方式选择的关键因素,两种模型均反映出个体异质性对出行者选择行为有着显著影响;潜在类别条件logit模型的拟合优度为0.143,优于混合logit模型的0.139,前者命中率为77.85%,也高于后者的61.28%;潜在类别条件logit模型将出行者划分为3个类别,区分度为0.9084;类别1群体对出行费用最为敏感,对候车时间不敏感;类别2群体对步行时间和候车时间更加敏感,对费用敏感程度较低;类别3群体对时间和费用的敏感程度介于类别1和类别2之间.

融合主题和视觉语义的图像自动标注方法

为了减小图像语义检索过程中"语义鸿沟"的影响,提出融合主题和视觉语义的图像自动标注方法.该方法先在训练集的文本空间中用概率潜在语义分析(PLSA)模型拟合出主题集合;然后根据图像的高维视觉特征建立主题集合中每个主题的高斯混合模型(GMM),以准确描述其视觉语义信息,减小了"语义鸿沟",提高了图像自动标注的准确性.在Corel数据集上进行了对比实验的结果表明,文中方法在标注的平均标准率和平均标全率上都表现良好,证明了其有效性.

大学物理实验成绩影响因素的形成性评价研究

在大学物理实验课程成绩分析的多层次模型分析基础上,利用追踪数据方法进行形成性评价研究.潜类增长模型分析结果表明,在影响因素中,学生高考物理成绩对实验成绩的平均分影响不大,利用微课进行预习对实验成绩提升有一定影响,是否充分利用教学反馈信息对实验成绩影响最大.由此,依据反馈程度进行了增长模型分组比较验证,得到研究结论,对教学反馈信息的有效利用是提高学生成绩的主要因素,是形成性评价的关键之处.

纵向数据的现代分析方法及其功能、说明和注意事项（英文）

纵向研究可用于精神卫生及其服务领域的科研中。纵向数据分析的主要方法是广义线性混合效应模型(GLMM)和加权广义估计方程(WGEE)。虽然这两个模型已被广泛应用,也有大量文献发表,但是人们并没有清晰地描述这些方法间的差别以及方法本身的局限性,缺少相关的文献记录。遗憾的是,有些差别和局限性会明显影响对研究结果的报告、比较和解释。本文回顾了纵向数据分析的两种主要方法,强调两者的相似之处和主要差别。我们使用真实数据和模拟数据着重比较这两类模型的假设、对参数的解释、适用性和局限性,并讨论了将这两种不同的方法用于真实数据研究时的注意事项,提出了相关的警示。