《交通信息与出行者路线选择》旨在为研究和实践人员从事该领域的理论和应用研究提供技术参考。本书侧重介绍作者干宏程在信息环境下的出行者决策行为建模方面的主要研究成果，其主要内容和特色如下：从方法论的角度，系统、完整、细致地阐述离散选择分析的理论背景和基本原理、常见离散选择模型以及集计预测方法，建立一系列用于提高出行决策行为模型的性能的先进离散选择模型；从模型应用的角度，给出以我国大城市的先进出行者信息系统为载体的研究案例，归纳建模过程中各种有效检验方法和实用技巧，体现成果的良好应用价值。

对信息环境下的出行者决策行为进行建模是国际热点研究领域。干宏程编著的这本《交通信息与出行者路线选择》阐述离散选择模型的基本原理、常见模型、集计预测方法、常用检验方法以及实用建模技巧，建立一系列先进的用于刻画交通信息下的出行者决策行为的离散选择模型，给出模型应用案例。所建模型有带序Logit面板模型、随机效应Probit面板模型、随机效应Logit面板模型、混合Logit模型、随机系数Probit模型等。

《交通信息与出行者路线选择》可供高等院校交通、经济、管理等相关专业的高年级本科生、研究生以及教师学习和参考，也可供从事交通规划与管理的专业人士参考。

前言

第1章 绪论

第2章 个体选择行为理论

 2.1 选择理论的框架

2.1.1 决策者

2.1.2 选择项

2.1.3 选择项的属性

2.1.4 决策规则

 2.2 理性行为

 2.3 经济消费理论

 2.4 消费者理论的扩展

 2.5 离散选择理论

 2.6 概率选择理论

2.6.1 常效用方法

2.6.2 随机效用方法

第3章 二元选择模型

 3.1 把随机效用理论变得有可操作性

3.1.1 二元选择情形

3.1.2 确定项和随机项

3.1.3 系统项的构造

3.1.4 干扰项的构造

 3.2 常见二元选择模型

3.2.1 二元Probit

3.2.2 二元Logit

3.2.3 Probit和Logit模型的极限情形

 3.3 二元选择模型的案例

3.3.1 二元Probit模型

3.3.2 二元Logit模型

 3.4 二元选择模型的最大似然估计

3.4.1 二元选择模型最大似然估计的一般性构造

3.4.2 最大似然估计的计算（寻优算法）

3.4.3 最大似然估计在特定二元模型中的应用

 3.5 最大似然估计结果示例

3.5.1 二元选择模型估计结果

3.5.2 一个二元选择模型的例子

第4章 多元选择模型

 4.1 多元选择理论

 4.2 多元Logit模型

4.2.1 多元Logit定义

4.2.2 Gumbel分布：基本特征

4.2.3 多元Logit推导

4.2.4 多元Logit模型的极端情形

4.2.5 线性参数Logit模型

 4.3 Logit模型的特征

4.3.1 IIA特性

4.3.2 Logit的弹性

4.3.3 增量MNL模型

 4.4 多元Logit模型的构造

 4.5 多元Logit模型的估计

4.5.1 最大似然估计

4.5.2 针对重复观测的最大似然估计

 4.6 估计结果的举例

 4.7 其他多元选择模型

4.7.1 随机系数Logit

4.7.2 带序Logistic模型

4.7.3 广义极值模型

4.7.4 多元Probit模型

第5章 二元Logit模型

 5.1 建模任务

 5.2 建模方法

 5.3 模型应用实例

5.3.1 数据

5.3.2 模型估计结果以及讨论

第6章 二元Probit模型

 6.1 建模任务

 6.2 建模方法

 6.3 模型应用实例

6.3.1 数据

6.3.2 模型估计结果以及讨论

第7章 多元Logit模型

 7.1 建模任务

 7.2 建模方法

 7.3 模型应用实例

7.3.1 数据

7.3.2 模型估计结果及讨论

第8章 二元Logit面板模型

 8.1 建模任务

 8.2 建模方法

 8.3 模型应用实例

8.3.1 数据

8.3.2 模型估计结果以及讨论

第9章 多种面板数据模型比较

 9.1 建模任务

 9.2 建模方法

9.2.1 基于随机效应的模型

9.2.2 基于随机系数的模型

9.2.3 基于随机效应和随机系数的模型

 9.3 模型应用实例

9.3.1 数据

9.3.2 模型估计结果及讨论

第10章 二元Probit面板模型

 10.1 建模任务

 10.2 建模方法

10.2.1 横截面模型

10.2.2 面板模型

 10.3 模型应用实例

10.3.1 数据

10.3.2 模型估计结果及讨论

第11章 带序多元Probit面板模型

 11.1 建模任务

 11.2 建模方法

11.2.1 横截面带序Probit模型

11.2.2 面板数据带序Probit模型

 11.3 模型应用实例

11.3.1 数据

11.3.2 模型估计结果及讨论

第12章 二元随机系数Probit模型

 12.1 建模任务

 12.2 建模方法

 12.3 模型应用实例

12.3.1 数据

12.3.2 模型估计结果及讨论

第13章 集计预测技术

 13.1 集计问题

 13.2 集计方法分类

 13.3 集计方法的描述

13.3.1 平均化个体方法

13.3.2 分类法

13.3.3 统计微分法

13.3.4 直接积分法

13.3.5 样本枚举法

 13.4 各种集计预测方法的比较

第14章 建模中的常用检验及实用技巧

 14.1 引言

 14.2 建模的艺术

 14.3 一个方式选择模型案例

 14.4 变量构造的检验

14.4.1 系数估计值的非正式检验

14.4.2 渐近t检验的使用

14.4.3 同时含多个参数的置信区间

14.4.4 似然率检验的使用

14.4.5 拟合优度指标的使用

14.4.6 共通属性的检验

14.4.7 非嵌套假设的检验

14.4.8 非线性构造的检验

14.4.9 受限的估计

 14.5 模型结构的检验

14.5.1 IIA假设的检验

14.5.2 口味差异性的检验

14.5.3 异方差性的检验

 14.6 预测检验

14.6.1 离群值分析

14.6.2 市场分块预测检验

14.6.3 政策预测检验

参考文献

索引