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(guī)則與本書結(jié)構(gòu) 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(chǔ)背景 １８
３.３ 效用簡介 ２６
３.４ 效用的已觀測成分 ２７
３.５結(jié)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(shù)） ｌｏｇｉｔ 模型 ５９
４.８ 廣義混合ｌｏｇｉｔ ６１
４.９ 潛類別模型 ６２２
４.１０結(jié)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(guān)與從密度中抽取 ８８
５.６對于不存在封閉分析形式的模型， 如何計算選擇概率 ９４
５.７ 用于估計的算法 ９９
５.８結(jié)語 １０４
６實驗設(shè)計與選擇實驗 １０５
６.１ 引言 １０５
６.２ 什么是實驗設(shè)計 １０６
６.３ 關(guān)于選擇實驗的更多細(xì)節(jié) １４３
６.４ 最優(yōu)—最差設(shè)計 １４５
６.５ 關(guān)于樣本規(guī)模和陳述性選擇設(shè)計的更多細(xì)節(jié) １４９
６.６實驗設(shè)計用到的 Ｎｇｅｎｅ 語法 １５６
６.７結(jié)語 １６３
７統(tǒng)計推斷 １８４
７.１ 引言 １８４
７.２ 假設(shè)檢驗 １８４
７.３ 方差估計 １９３
７.４ 函數(shù)的方差和支付意愿 ２０１
８ 研究者經(jīng)常詢問的其他問題 ２１２
８.１ 條件分布均值等于非條件分布 ２１２
８.２ 以隨機后悔取代隨機效用最大化 ２１４
８.３ 內(nèi)生性 ２１７
８.４ 有用的行為輸出 ２１８
第２ 部分 軟件和數(shù)據(jù)
９應(yīng)用選擇分析的 犖犾狅犵犻狋軟件 ２２９
９.１ 引言 ２２９
９.２ 關(guān)于軟件 ２２９
９.３ 啟動與退出 Ｎｌｏｇｉｔ ２３０
９.４ 使用 Ｎｌｏｇｉｔ ２３１
９.５ 如何讓 Ｎｌｏｇｉｔ 執(zhí)行任務(wù) ２３２
９.６ 一些有用的提醒 ２３５
９.７ Ｎｌｏｇｉｔ 軟件 ２３６
１０為 犖犾狅犵犻狋設(shè)置數(shù)據(jù) ２３７
１０.１ 數(shù)據(jù)的讀入和設(shè)置 ２３７
１０.２ 合并數(shù)據(jù)源 ２４２
１０.３對外生變量加權(quán) ２４４
１０.４處理拒絕選擇情形 ２４５３
１０.５ 向 Ｎｌｏｇｉｔ 輸入數(shù)據(jù) ２４７
１０.６ 從文件導(dǎo)入數(shù)據(jù) ２４７
１０.７ 在數(shù)據(jù)編輯器中輸入數(shù)據(jù) ２５１
１０.８ 保存和重新加載數(shù)據(jù) ２５２
１０.９導(dǎo)出數(shù)據(jù)文件 ２５３
１０.１０ 將數(shù)據(jù)集輸入為一行 ２５３
１０.１１ 數(shù)據(jù)清洗 ２５５
第３ 部分 各種選擇模型
１１ 基本模型： 工作母機———多項犾狅犵犻狋模型 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(jié)果 ２６８
１１.４選擇模型中相互作用的處理 ２７７
１１.５ 支付意愿的衡量 ２７８
１１.６ 從樣本獲得效用和選擇概率 ２７９
１２ 未加標(biāo)簽的離散選擇數(shù)據(jù)的處理 ２８４
１２.１ 引言 ２８４
１２.２ 未加標(biāo)簽數(shù)據(jù)簡介 ２８４
１２.３ 未加標(biāo)簽的選擇數(shù)據(jù)的建�；�礎(chǔ) ２８５
１２.４ 未加標(biāo)簽的選擇數(shù)據(jù)建模中的協(xié)變量問題 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(shù)據(jù) ３０１
１３.３進一步理解模型參數(shù) ３０６
１３.４ 模擬與 “ｗｈａｔｉｆ” 情景 ３１６
１３.５ 加權(quán) ３２２
１３.６ 支付意愿 ３３５
１３.７經(jīng)驗分布： 一次移除一個觀察值 ３３７
１３.８ 隨機后悔模型與隨機效用模型的應(yīng)用 ３３８
１３.９ “Ｍａｘｉｍｉｚｅ” 命令 ３４２
１３.１０ 校準(zhǔn)模型 ３４３
１４ 嵌套犾狅犵犻狋估計 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(jié)果 ３５１
１４.４設(shè)定 ＮＬ 樹的更高一級水平的效用函數(shù) ３５８
１４.５ ＮＬ 模型中退化側(cè)枝的處理 ３６３
１４.６ 三水平 ＮＬ 模型 ３６６
１４.７彈性與邊際效應(yīng) ３６８
１４.８協(xié)方差嵌套ｌｏｇｉｔ ３７０
１４.９ 廣義嵌套ｌｏｇｉｔ ３７３
１４.１０ 其他命令 ３７６４
１５ 混合犾狅犵犻狋估計 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(shù)估計值 ４０５
１５.５ 特定個體參數(shù)估計： 條件參數(shù) ４０６
１５.６ 隨機參數(shù)的條件置信區(qū)間 ４０８
１５.７ 支付意愿問題 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(zhì)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(shù)據(jù)集中尺度異質(zhì)性的識別 ４４３
１６ 潛類別模型 ４４４
１６.１ 引言 ４４４
１６.２標(biāo)準(zhǔn)潛類別模型 ４４４
１６.３ 隨機參數(shù)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(shù)據(jù)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(tǒng)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 合并數(shù)據(jù)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�玻遥� 模型 ５３７
１９.６ 假設(shè)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 含有非線性效用函數(shù)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(jié)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(fā)性直覺和偏好構(gòu)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(wù) ５８３
２１.４ 關(guān)系直覺 ５８７
２１.５過程數(shù)據(jù) ５９１
２１.６ 合成： 將前面幾節(jié)內(nèi)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(yīng)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(diào)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 相互作用的智能體選擇實驗 ６６６
２２.３購買汽車的案例研究 ６６８
２２.４ 案例研究結(jié)果 ６７０
２２.５ Ｎｌｏｇｉｔ 命令和結(jié)果 ６７６
自選術(shù)語 ６９７
譯后記 ７０４