| 离散选择模型 (DCM) 类型 | 核心原理 | 典型应用场景 | Python 实现关键库/函数 | | :--- | :--- | :--- | :--- | | **二项/多项 Logit (MNL)** | 基于随机效用最大化理论，假设误差项服从独立同分布的 Gumbel 分布，选择概率由效用函数决定 [ref_2][ref_5]。 | 交通方式选择、品牌选择、政策偏好调查等。 | `statsmodels` 库的 `Logit`, `MNLogit` 类； `biogeme` 用于更复杂的估计。 | | **二项/多项 Probit** | 假设误差项服从多元正态分布，能处理更一般的误差相关结构，但计算更复杂 [ref_2]。 | 金融违约预测、微观经济行为研究。 | `statsmodels` 的 `Probit` 类； 可使用 `scipy` 进行数值积分模拟。 | | **嵌套式 Logit (NL)** | 将选择方案分层，允许层内方案相关性高于层间，放松了 MNL 的无关方案独立性 (IIA) 假设 [ref_2][ref_5]。 | 交通工具选择（先分公共交通/私人交通，再细分）、居住地选择。 | `statsmodels` 的 `NestedLogit` 类 (实验性)； `xlogit` 库。 | | **混合 Logit (ML)** | 允许参数在决策者间随机变化，可捕获未观察到的异质性，是高度灵活的模型 [ref_2]。 | 市场细分研究、支付意愿估计、具有复杂偏好的场景。 | `xlogit` 库； `PyLogit` 库； 使用 `statsmodels` 结合自定义最大似然估计。 | | **有序 Logit/Probit** | 用于因变量为有序类别（如满意度：低、中、高）的情况 [ref_2]。 | 等级评价、疾病严重程度分类。 | `statsmodels` 的 `OrderedModel` 类。 | ### 二、 核心实现步骤与代码示例 (以多项 Logit 模型为例) 实现一个离散选择模型通常包含数据准备、模型设定、参数估计和结果解释四个步骤。 #### **1. 数据准备** 数据需为“长格式”，即每个决策者 (`id`) 面对的每个备选方案 (`alt`) 为一行记录，并包含方案属性变量和最终选择结果 (`choice`)。 ```python import pandas as pd import numpy as np import statsmodels.api as sm # 示例：生成模拟选择数据 np.random.seed(42) n_individuals = 200 n_alternatives = 3 # 假设有公交、地铁、自驾三种交通方式 data_list = [] for i in range(n_individuals): cost_bus = np.random.uniform(1, 5) time_bus = np.random.uniform(20, 60) cost_subway = np.random.uniform(2, 6) time_subway = np.random.uniform(15, 40) cost_car = np.random.uniform(5, 15) time_car = np.random.uniform(10, 50) # 为每个个体生成每个备选方案的数据行 for alt, cost, time in zip(['bus', 'subway', 'car'], [cost_bus, cost_subway, cost_car], [time_bus, time_subway, time_car]): data_list.append({ 'id': i, 'alt': alt, 'cost': cost, 'time': time, 'choice': 0 # 先初始化为0，后面再赋值 }) df = pd.DataFrame(data_list) # 模拟基于随机效用的选择 (简化逻辑) def simulate_choice(group): # 计算简单效用：负成本和时间 utilities = -0.5 * group['cost'] - 0.1 * group['time'] + np.random.logistic(size=len(group)) choice_idx = utilities.argmax() group.iloc[choice_idx, group.columns.get_loc('choice')] = 1 return group df = df.groupby('id', group_keys=False).apply(simulate_choice) print(df.head(10)) ``` *输出示例：* ``` id alt cost time choice 0 0 bus 2.374540 35.598289 0 1 0 subway 5.950714 38.807392 0 2 0 car 4.731994 26.848386 1 3 1 bus 3.156963 36.807728 0 4 1 subway 4.155995 28.456151 0 ... ``` #### **2. 模型设定与估计** 使用 `statsmodels` 的 `MNLogit` 类。需要将数据转换为模型所需的格式，通常将方案特定变量 (`cost`, `time`) 作为特征。 ```python # 为每个备选方案创建哑变量 df_dummies = pd.get_dummies(df['alt'], prefix='alt') df_model = pd.concat([df, df_dummies], axis=1) # 准备因变量和自变量 # 因变量：choice (0/1) y = df_model['choice'] # 自变量：包含方案属性，并通常以某一方案为参照基准（此处排除 'alt_bus'） X = df_model[['cost', 'time', 'alt_subway', 'alt_car']] # 添加常数项 X = sm.add_constant(X) # 创建并拟合多项Logit模型 # 注意：MNLogit要求因变量y是从0开始的整数类别编码 model = sm.MNLogit(y, X) result = model.fit(method='bfgs', maxiter=1000) # 使用BFGS优化算法 print(result.summary()) ``` *关键输出解读：* * `coef`: 对应变量对选择该方案（相对于基准方案`bus`）的效用影响。 * `P>|z|`: p值，小于0.05通常认为变量影响显著。 * 正系数表示该变量增加会提高选择该方案（相对于基准）的概率。 #### **3. 预测与结果解释** ```python # 预测每个个体选择各方案的概率 predicted_probabilities = result.predict(X) print(predicted_probabilities.head()) # 计算平均边际效应：某个变量变化对选择概率的平均影响 # 注意：statsmodels的MNLogit不直接提供边际效应，需手动计算或使用margins参数 margeff = result.get_margeff() print(margeff.summary()) ``` ### 三、 其他模型实现与库推荐 1. **二项 Logit/Probit**： 使用 `statsmodels` 的 `Logit` 或 `Probit` 类，数据格式为“宽格式”（每个决策者一行）。 ```python # 二项Logit示例 (宽格式数据) from statsmodels.formula.api import logit # 假设df_wide的列包含：'chose_car', 'cost_diff', 'time_diff' model_binary = logit('chose_car ~ cost_diff + time_diff', data=df_wide).fit() print(model_binary.summary()) ``` 2. **更复杂模型 (嵌套Logit, 混合Logit)**： * **xlogit**： 一个专门用于估计多种离散选择模型的库，支持混合Logit、分层贝叶斯等。 ```python from xlogit import MixedLogit model_mixed = MixedLogit() model_mixed.fit(X=df[['cost', 'time']], y=df['choice'], varnames=['cost', 'time'], ids=df['id'], alts=df['alt'], randvars={'cost': 'n', 'time': 'n'}) # 指定随机参数分布 ``` * **biogeme**： 功能强大的开源软件，尤其擅长处理复杂的模型设定和大型数据集，有Python接口 [ref_2]。 ### 四、 注意事项与最佳实践 * **数据格式**： 务必区分“长格式”和“宽格式”，使用 `pandas` 的 `melt` 或 `pivot` 函数进行转换。 * **参照基准**： 在多项 Logit 中，需要设定一个方案作为参照基准，其系数固定为0。 * **模型检验**： 除了系数显著性，还应关注模型的似然比、伪R²等整体拟合优度指标。 * **IIA 假设**： 多项 Logit 模型隐含“无关方案的独立性”假设。如果怀疑该假设不成立，应考虑使用嵌套 Logit 或混合 Logit 模型 [ref_5]。 * **估计方法**： 对于混合 Logit 等复杂模型，参数估计常使用模拟最大似然法，需设定足够的随机抽取次数以确保结果稳定。