Aller au contenu principal
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 sequence in choice behaviors from the best-worst DCEs 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). Simulations are built using covariates estimated from real data. Additionally, we illustrate the dynamic behavior of UiTs from selected transition probabilities.
Nouveaux développements sur l'utilité séquentielle pour les modèles de choix discrets de type « meilleur-pire »
Les modèles de choix discrets (MCD) sont largement utilisés dans divers domaines, en particulier pour comprendre le comportement des consommateurs. Dans cet exposé, nous présentons la séquence des comportements de choix des MCD meilleur-pire et leurs utilités associées. Compte tenu de leur nature temporelle, nous étendons les MCD en incorporant la modélisation des choix meilleur-pire dans le temps et affectons la discrimination à l'aide d'une fonction de distribution flexible basée sur une copule. Plus précisément, nous appliquons une distribution de copule bivariée meilleur-pire à la modélisation du choix du consommateur. L'utilité initiale est estimée à l'aide d'un modèle logit conditionnel, tandis que les utilités attendues au fil du temps sont dérivées à l'aide d'une méthode récursive à rebours basée sur les processus de décision de Markov. En utilisant les probabilités de transition, nous développons une approche basée sur les copules pour prédire les utilités dans le temps (UT). Nous réalisons des simulations à l'aide de covariables estimées à partir de données réelles. En outre, nous illustrons le comportement dynamique des UT et des attributs critiques à partir de probabilités de transition sélectionnées.
Date and Time
-
Co-auteurs (non y compris vous-même)
Sasanka Adhikari
Old Dominion University VA, USA
Norou Diawara
Old Dominion University VA, USA
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais

Speaker

Edit Name Primary Affiliation
Alia Sajjad McGill University