Logitmodeller – så här funkar det
Logitmodeller – så här funkar det
Logitmodeller – så här funkar det
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
2011-03-02<br />
<strong>Logitmodeller</strong> <strong>–</strong> <strong>så</strong><br />
<strong>här</strong> <strong>funkar</strong> <strong>det</strong><br />
Kollektivtrafikens<br />
konkurrenskraft<br />
Hässleholm 2 mars 2011
Vad är en (logit)modell?<br />
En modell ÄR<br />
Ett systematiskt sätt att beskriva<br />
övergripande samband<br />
Ett smart sätt att kombinera<br />
förförståelse och data<br />
Ett sätt att skapa överblick över<br />
kaos<br />
Det överlägset mest effektiva sättet<br />
att utnyttja observationernas<br />
informationsinnehåll<br />
Enda chansen att göra<br />
kvantifierade förutsägelser<br />
En modell är INTE<br />
En beskrivning av naturlagar<br />
En ”sanning”<br />
EN sanning
Hur är <strong>det</strong> möjligt?<br />
En parallell: Målerifirmans offert<br />
Längd<br />
(m)<br />
Höjd<br />
(m)<br />
Kulör Färgtyp Åtgång (l)<br />
Storg 4 50 2,2 Blå Olja 19<br />
Lillg 3 100 1,5 Grön Olja 20<br />
Kyrkog 7 500 1 Blå Vatten<br />
löslig<br />
Hamng 2 150 1,6 Röd Bets 34<br />
L= 200 m H= 1,3 m Blå bets. Åtgång?<br />
86
Vad lär vi oss av måleri-exemplet?<br />
Data är nödvändiga<br />
…men<br />
Det är bara med hjälp av en ”teori” som vi kan göra förutsägelser<br />
Modellen är ock<strong>så</strong> ett verktyg för att sätta ord på vår ”kvalitativa” förståelse<br />
Med ord och koncept tänker vi faktiskt bättre!
Arbetsprocessen: att utveckla och tillämpa modeller<br />
TEORI<br />
Observerade<br />
DATA<br />
Modell<br />
FORM<br />
Modell<br />
SPECI<br />
FIKA<br />
TION<br />
POLICY ALTERNATIV<br />
Skattning<br />
PARAMETRAR<br />
Nya<br />
INDATA<br />
MODELL<br />
Antaganden<br />
Prognos
Den binära logitmodellen<br />
P<br />
i<br />
<br />
e<br />
1<br />
V ( X<br />
e<br />
i<br />
)<br />
V ( X<br />
i<br />
)<br />
”Kvalitetsskillnad”<br />
mellan alternativen
Ett ”intuitivt” argument för logitmodell-formen<br />
Andel som reser med tåg<br />
1<br />
0,9<br />
0,8<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0<br />
0 20 40 60 80<br />
Restid tåg<br />
Z=1/T+C<br />
Z=exp(-KT)<br />
P<br />
i<br />
<br />
Zi<br />
Z<br />
<br />
Z (=dragningskraft)<br />
Beror på T. Hur?<br />
Begränsningar:<br />
andel>0<br />
Z ökar när T minskar<br />
Två förslag<br />
Z= 1/T+C<br />
Z= e -KT
Ett annat sätt… <strong>–</strong> Mc Fadden<br />
U ind<br />
U 0<br />
U0<br />
e<br />
Pi <br />
1<br />
e<br />
( X<br />
U<br />
0<br />
i<br />
)<br />
( X<br />
<br />
Med ”vissa antaganden” om kan man visa att<br />
i<br />
)<br />
beror på slumpmässigheten<br />
Väldigt slumpmässigt=litet <br />
Men hur kan vi ta reda på/ beräkna och U 0 ?<br />
Andel som reser med tåg<br />
1<br />
0,9<br />
0,8<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0<br />
Diagramrubrik<br />
0 20 40 60 80<br />
Restid tåg<br />
Z=exp(-0,08T)<br />
Z=exp(-0,03T)
Hur beräknas nyttoskillnaden V?<br />
I typfallet<br />
gissar vilka variabler (X) som spelar roll<br />
antar att en linjär form fungerar<br />
U restid<br />
( X restid koll X restid bil ) pris * ( X pris koll X pris bil ) turtäthet<br />
* ( X turtäthet <br />
0<br />
* ,<br />
,<br />
,<br />
,<br />
X= verkliga egenskaper för alternativesn ex 25 minuter/30SEK/10 turer<br />
= ”växelkurs” mellan olika egenskaper (”minuter per krona”)<br />
skatta parametrar från (resvane-)data<br />
beräkna prognos-nyttan mha<br />
skattade (=samma samband)<br />
nya X (=nya indata)<br />
0)<br />
....
Skattning av parametrar: en liknelse<br />
200<br />
150<br />
100<br />
50<br />
0<br />
-50<br />
-100<br />
0 20 40 60 80 100 120<br />
Y=KX+L<br />
Välj K, L <strong>så</strong> att<br />
modellen beräknar Yvärden<br />
<strong>så</strong> nära de observerade<br />
Y som möjligt
Vad behövs?<br />
Ett ”datamaterial” med ett antal verkliga resor:<br />
Alla viktiga egenskaper hos kollektivresealternativet<br />
Alla viktiga egenskaper hos bilresealternativet<br />
Information om hur personen valde: koll eller bil?<br />
Vilka egenskaper skall med?<br />
alla de egenskaper som vi vill förstå betydelsen av (manipulera)<br />
Alla de andra faktorer som ock<strong>så</strong> spelar roll för valet, och som kan störa<br />
analysen<br />
Exemplet gångavstånd och turtäthet
Hur väljer man vilka faktorer som skall ingå?<br />
Så enkel som möjligt…men inte enklare än <strong>så</strong><br />
Så specifik som möjligt…men inte mer specifik än <strong>så</strong><br />
Tror vi att variabeln spelar roll?<br />
Tror vi att effekten skiljer sig mellan färdmedel, resärenden, kön…<br />
Ju fler variabler -> desto osäkrare resultat<br />
Räcker noggrannheten?<br />
» ”Rätt” tecken?<br />
» ”Signifikans ”
Arbetsprocessen: att utveckla och tillämpa modeller<br />
TEORI<br />
Observerade<br />
DATA<br />
Modell<br />
FORM<br />
Modell<br />
SPECI<br />
FIKA<br />
TION<br />
POLICY ALTERNATIV<br />
Skattning<br />
PARAMETRAR<br />
Ofta<br />
Nya<br />
INDATA<br />
MODELL<br />
Antaganden<br />
Svagaste<br />
Punkten!!<br />
Prognos