Skip to main content
New Developments in Sequential Utility for Best-Worst Discrete Choice Models
Discrete choice models (DCMs) are widely used across various fields, particularly in the understanding of consumer behavior. In this talk, we present the choice behaviors and their associated utilities. Given their time-dependent nature, we extend DCMs by incorporating time-dependent best-worst choice modeling and attribute discrimination using a flexible copula-based distribution function. Specifically, we apply a bivariate best-worst copula distribution to consumer choice modeling. The initial utility is estimated using a conditional logit model, while expected utilities over time are derived through a backward recursive method based on Markov decision processes. Utilizing transition probabilities, we develop a copula-based approach to predict utilities over time (UiT) estimated by Flynn et al. (2007). Additionally, we illustrate the behavior of UiTs from the properties of transition probabilities.
Nouveaux développements en matière d'utilité séquentielle pour les modèles de choix discrets du type « meilleur-pire ».
Les modèles de choix discrets (DCM) sont largement utilisés dans divers domaines, en particulier pour comprendre le comportement des consommateurs. Dans cette présentation, nous exposons les comportements de choix et les utilités qui y sont associées. Compte tenu de leur nature dépendante du temps, nous élargissons les DCM en intégrant la modélisation avec dépendance temporelle des choix du type « meilleurs-pires » et de la discrimination des attributs à l'aide d'une fonction de distribution flexible basée sur les copules. Plus précisément, nous appliquons une distribution copule bivariée pour les choix de types « meilleurs-pires » à leur modélisation. L'utilité initiale est estimée à l'aide d'un modèle logit conditionnel, tandis que les utilités espérées au fil du temps sont dérivées à l'aide d'une méthode récursive ascendante basée sur les processus de décision markovienne. À l'aide des probabilités de transition, nous développons une approche basée sur la copule pour prédire les utilités au fil du temps (UiT) estimées par Flynn et coll. (2007). De plus, nous illustrons le comportement des UiT à partir des propriétés des probabilités de transition.
Date and Time
-
Additional Authors and Speakers (not including you)
Alia Sajjad
McGill University
Sasanka Adikari
Department of Research and Statistics, Administrative office of Pennsylvania Courts, USA
Language of Oral Presentation
English
Language of Visual Aids
English

Speaker

Edit Name Primary Affiliation
Norou Diawara Old Dominion University