|
这可能是一个很强的33假设,特别是考虑到我们的应用程序中使用的抽样设计的性质,这是一个规定的34选择实验,在该实验中,个体按顺序回答,并在短期内重复选择35个场景。事实上,随机效用中未观察到的部分很可能存在相关性。36潜在类不容易扩展来处理这种潜在的自相关,所以我们留下了37如果是的话|= +如果反对者|= If交易员 < |< +(1) 15 | Pageaspect供进一步研究。因此,对于给定的类别分配,个体i对38可能性的贡献将是序列Pi=[Pi1,Pi2,…,Pir]的联合概率。这是39∏==RRSIRSIP1 | |(5)40类分配未知。设His表示个体i的类s的先验概率。41多元多项式logit形式为42= 经验值()经验值() , = 1., = 0,(6)43其中,zidenotes是一组可观察的特征,这些特征进入类成员模型。注意44,并非所有θ都可以识别,因为相应的变量在不同的类之间没有变化。45因此,必须将其中一个向量规格化为常数,例如零。我们选择对最后一类S的θ进行归一化46。个人i的可能性是47类特定贡献的期望值(超过类):48∑==SssiisiPHP1 |(7)49样本的对数可能性为50 =自然对数=|(8) 51关于S结构参数向量β和S的对数似然最大化-1 52潜在类参数向量,θ是最大似然估计中的一个常规问题。结果555.1了解不同调查段的偏好56A潜在类别模型用于估计海滩维护的个人政策偏好。
|