Separating Predicted Randomness from Residual Behavior
Separating Predicted Randomness from Residual Behavior
复制标题
将预测随机性与残余行为分开
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Miguel A. Ballester
中科院分区：
文献类型：
--
作者：
Jose Apesteguia;Miguel A. Ballester
我们提出了一种新的随机选择模型的拟合优度度量：即，可以与模型相协调的数据的最大比例。该过程是将数据分成两部分：一部分由模型的最佳规格生成，另一部分表示剩余行为。我们主张，分离中涉及的三个要素有助于理解数据。我们展示了如何将我们的方法应用于任何随机选择模型，然后研究了四个著名模型的情况，每个模型都捕获了不同的随机性概念。我们用一个实验数据集来说明我们的结果。
We propose a novel measure of goodness of fit for stochastic choice models: that is, the maximal fraction of data that can be reconciled with the model. The procedure is to separate the data into two parts: one generated by the best specification of the model and another representing residual behavior. We claim that the three elements involved in a separation are instrumental to understanding the data. We show how to apply our approach to any stochastic choice model and then study the case of four well-known models, each capturing a different notion of randomness. We illustrate our results with an experimental dataset.
DOI：
10.3982/ecta10575
发表时间：
2012-10
期刊：
Econometrics: Multiple Equation Models eJournal
影响因子：
--
作者：
Paola Manzini;M. Mariotti
通讯作者：
Paola Manzini;M. Mariotti