Logit模型标定软件Biogeme入门

简介

Biogeme是一款开源免费软件,专为参数模型的最大似然估计而设计,特别强调离散选择模型。该软件有两个版本可供使用。

Pythonbiogeme

专为通用参数模型而设计。模型和似然函数的规范基于python编程语言的扩展。一系列离散选择模型经过预编码,易于使用。

Bisonbiogeme

用于估计预定离散选择模型列表的参数,如logit,二进制概率,嵌套logit,交叉嵌套logit,多元极值模型,多元极值模型的离散和连续混合,具有非线性效用函数的模型,为面板数据和异方差模型设计的模型。它基于模型规范的正式和简单语言。

安装

直接从官网下载windows可执行程序,安装即可

http://biogeme.epfl.ch/install.html#WindowsSources

Windows installation file: PythonBiogeme-2.6a-installer.exe

使用

1.数据格式

输入的数据文件首行是字段的名称,数据之间需要用制表符或空格间隔,有两个工具可以实现格式的整理:

(1)biopreparedata:能够将CSV格式转化为所需格式

(2)biocheckdata:能够检查数据的格式是否符合要求

2.两种版本的框架

Biogeme有两种版本可供选择。

(1)BisonBiogeme旨在估计预定离散选择模型列表的参数,例如 logit, binary probit,nested logit, cross-nested logit, multivariate extreme value models, discrete and continuous mixtures of multivariate extreme value models, models with nonlinear utility functions, models designed for panel data, and heteroscedas-tic models. logit, binary probit,nested logit, cross-nested logit, multivariate extreme value models, discrete and continuous mixtures of multivariate extreme value models, models with nonlinear utility functions, models designed for panel data, and heteroscedas-tic models.。 它基于规范正式和简单的模型语言。

 (2)PythonBiogeme是为通用参数模型而设计的。模型和似然函数的规范基于python编程语言扩展。 一系列离散选择模型经过预编码,易于使用。

3.定义模型

以下定义了一个三种交通方式选择的效用模型:train, Swissmetro and car。
V_1 = V_TRAIN = ASC_TRAIN + B_TIME * TRAIN_TT_SCALED+ B_COST * TRAIN_COST_SCALED

V_2 = V_SM = ASC_SM + B_TIME * SM_TT_SCALED+ B_COST * SM_COST_SCALED

V_3 = V_CAR = ASC_CAR + B_TIME * CAR_TT_SCALED+ B_COST * CAR_CO_SCALED

ASC_TRAIN, ASC_SM, ASC_CAR, B_TIME, B_COST就是带估计的参数了。

值得注意的是,并不是所有的常数项都可以标定得到,一般认为ASC_SM为0。

Logit的概率选择模型如下:

yi取0或1,如果选择的可能性存在就为1,否则为0


样本的最大似然估计模型如下:i_{n} 表示第n个个体选择交通方式i的实际情况.



4.使用模型

模型文件以.mod为后缀名(如果使用python版本则是以.py结尾),对基本符号进行一些说明:

(1)//:注释

(2)":注释,但是这些注释会在报告中出现

(3)[]:划分section,如[Choice],[ModelDescription],前后顺序没影响

注意.mod文件里的所有变量那么在data中要有相应的字段对应,要么在[Expressions]中进行定义

第一步:从官网下载好模型和数据,按照格式修改就行了

第二步:打开biogeme,单击next


第三步:选择Biosbiogeme

第四步:把模型文件和数据加载进来,点击Apply即可



等待模型运行结束,就能看到很多输出文件,一般看.html这个文件就行,里面标定结果都在了。



作者扣扣:787015948

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,907评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,987评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,298评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,586评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,633评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,488评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,275评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,176评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,619评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,819评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,932评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,655评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,265评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,871评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,994评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,095评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,884评论 2 354

推荐阅读更多精彩内容