Hintergrundbild
Navigation

Nutzung der Composite Likelihood Methode zur Schätzung von Probit-Modellen

Projektleiter: Prof. Dr. Dietmar Bauer

Projektlaufzeit: 01.01.2018 - 31.12.2021

Verkehrsnachfragemodelle basieren auf diskreten Wahlmodellen mit oft einer großen Zahl an Alternativen. Überwiegend werden hierfür zufällige Nutzenmaximierungsansätze - vor allem multinomiale Logit- (MNL) und Probit-(MNP) Modelle- verwendet.

Für verschiedene Spielarten von (mixed) MNL-Modellen existieren performante Schätzmethoden auf der Basis von (simulierter) Likelihood-Maximierung, die in der Repräsentation der Korrelationen der zufälligen Nutzenkomponente verschiedener Alternativen sowie für die Spezifikation der Mischverteilungen Nachteile bieten und für größere Datensätze sehr große Simulationsstichproben für Konsistenz und Effizienz der Schätzer benötigen.

Die MNP-Modelle bieten hingegen vor allem im Panel-Kontext gute Modellierungsmöglichkeiten, weisen jedoch hinsichtlich der Schätzmethodik Probleme auf, da hierfür hochdimensionale Gaußsche Wahrscheinlichkeitsfunktionen (CDF) numerisch afuwändig ausgewertet werden müssen.

Als Abhilfe hat die Gruppe rund um Chandra Bhat kürzlich den "maximum composite marginal likelihood" (MaCML) Ansatz vorgeschlagen, der zwei Konzepte vereint: Einerseits wird die Gaußsche Likelihood durch eine sogenannte "composite marginal likelihood" (CML) ersetzt und andererseits wird die Berechnung der CDF analytisch approximiert. Der Vorschlag wurde bisher lediglich durch sehr gute Eigenschaften in einigen Beispielen mittels Simulationsstudien motiviert, eine eingehende theoretische Untersuchung fand bisher nicht statt.

Anhand von einfachen Beispielen sieht man, dass der MaCML Ansatz keine Garantie für konsistente Schätzung liefert. Ebenso gibt es Kritik an der Wahl der von Bhat vorgeschlagenen CDF-Approximation und der CML-Funktion.

Dementsprechend ist der Inhalt dieses Projektes die eingehende Untersuchung der Eigenschaften von Schätzern auf der Basis des MaCML Ansatzes hinsichtlich der Wahl der CML Funktion sowie der Approximation hinsichtlich (i) der asymptotischen Verzerrung, (ii) der relativen Effizienz, sowie (iii) der Güte von darauf aufbauenden Modellselektionsprozeduren.

Es ist das vorrangige Ziel des Projektes, numerisch performante und statistisch valide Schätzprozeduren (inklusive adäquater Prozeduren zur Initialisierung) für MNP-Modelle in Paneldatensätzen mit einer großen Anzahl an Alternativen zu entwickeln.

Die im Projekt erarbeiteten Methoden sollen dafür verwendet werden, die bisher unzureichend erforschten Determinanten der Wahl von sogenannten Mobilitäts-Motifs (Abbild der Wege eines Tages in Form von gerichteten Graphen) zu untersuchen. In verschiedenen Datensätzen wurde gezeigt, dass nur eine kleine Gruppe von 17 Motifs aus einer potentiell großen Anzahl gewählt werden. Es gibt aber noch wenig Wissen darüber, welche Determinanten hinter der Wahl eines Motifs liegen und ob die relativen Häufigkeiten der Wahl der verschiedenen Motifs über die Zeit hinweg stabil ist. Dieses Wissen stellt für die Entwicklung von aktivitätsbasierten Verkehrsnachfragemodellen eine wertvolle Grundlage dar.

DFG-Detailseite

Aktuelles

Artikel von Manuel Batram angenommen.

Das renommierte Journal of Choice Modelling hat den von Manuel Batram und D. Bauer verfassten Artikel 'On consistency of the MACML approach to discrete choice modelling' zur Veröffentlichung angenommen. Der Artikel wird in Kürze online erhältlich sein. Wir freuen uns über diesen Erfolg. 

Neue Publikation in Transportation Research F.

Die Zeitschrift "Transportation Research F" hat gerade einen Artikel von Dietmar Bauer veröffentlicht mit dem Titel "Making the usage of guidance systems in pedestrian infrastructures measurable using the virtual environment DAVE" (siehe https://linkinghub.elsevier.com/retrieve/pii/S1369847817300840). Der Artikel beschreibt die Entwicklung und den Test eines Forschungslabors zur Messung von Fußgängerverhalten in großen Infrastrukturen wie Bahnhöfe, Flughäfen etc. auf der Basis einer virtuellen Umgebung. 

 

Vortrag auf der ITISE Konferenz

Dietmar Bauer hielt letzte Woche auf der International Conference on Time Series and Forecasting (ITISE2018) in Granada einen Vortrag mit dem Titel 

'Using subspace methods to model long memory processes'. 

Neuer Mitarbeiter zum 1.4.18

Wir freuen uns über einen neuen wissenschaftlichen Mitarbeiter.
Herr Sebastian Büscher arbeitet seit 15.3.2018 im Rahmen des DFG-geförderten Projektes MaCML am Lehrstuhl. 

Vorträge auf der CFE2017

Auf der 11th Conference on Computational and Financial Econometrics 2017 (http://www.cfenetwork.org/CFE2017/index.php, 16-18.12., London) war der Lehrstuhl durch zwei Vorträge vertreten: 

D. Bauer, L. Matuschek, P. Ribeiro, M. Wagner: Parameterization for MFI(1) and I(2) processes: structure theory with an eye to hypothesis testing.

Y. Li, D. Bauer: Long VAR approximation in I(2) context: theory and simulations

In der gleichen Session fanden auch zwei Vorträge von Lukas Matuschek und Patrick Ribeiro (TU Dortmund) statt, in denen die Ergebnisse des DFG geförderten Projektes vorgestellt wurden. 

Promotionsstelle ausgeschrieben

Im Rahmen des DFG geförderten Projekts "MaCML" ist eine Promotionsstelle ausgeschrieben (75% E13 TV-L). Nähere Details finden sich unter 

http://www.uni-bielefeld.de/Universitaet/Aktuelles/Stellenausschreibungen/Anzeigen/Wiss/wiss17290.pdf

Wenn Sie die Anforderungen mitbringen (unter anderem abgeschlossenes Masterstudium mit Prädikatsexamen, exzellente Mathe-Kenntnisse, keine Scheu vor Programmieren in R und/oder MATLAB), dann bewerben Sie sich bis

7.12.2017

direkt bei 

Dietmar.Bauer@uni-bielefeld.de.

 

DFG Projekt bewilligt.

In Kürze wird es am Lehrstuhl ein neues Projekt geben. Die DFG bewilligte den Antrag zum Projekt 'Nutzung der Composite Likelihood Methode zur Schätzung von Probit-Modellen'.
Weiter...

Modern Topics in Time Series Analysis

Im September fand an der TU Dortmund eine von Prof. Dietmar Bauer gemeinsam mit Prof. Martin Wagner organisierte Sommerschule "Modern Topics in Time Series Analysis" statt.
Weiter...

Vortrag Manuel Batram in Dresden

Manuel Batram hat seine Forschungsergebnisse am Workshop "Big Data in Transportation Management" vorgestellt.
Weiter...

Präsentation am IHS in Wien

Beim internationalen Workshop on High-Dimensional Time Series in Macroeconomics and Finance am IHS in Wien am 8. und 9. Juni werden zwei Mitglieder der Forschungsgruppe Ergebnisse präsentieren: 

Christian Heinze: Fitting approximating autoregressions to high dimensional factor models

Rainer Buschmeier: On the Specification Performance of the CCA Subspace Algorithm in Multiple Frequency I(1) Data.

Vortrag von Manuel Batram auf der International Choice Modelling Conference, Kapstadt, Südafrika.

Vom 3.-5. April 2017 fand in Kapstadt  die "International Choice Modelling Conference" statt. Mit dabei waren Manuel Batram und Dietmar Bauer. Manuel Batram stellte in diesem Rahmen eines Vortrages mit dem Titel:

"Model selection and model averaging in MACML-estimated multinomial probit (MNP) models"

seine Forschungsergebnisse vor. 

Mehr Information zu Konferenz und Program findet sich hier.