Buchumschlag

The Mixed Aggregate Preference Logit Model: A Machine Learning Approach to Modeling Unobserved Heterogeneity in Discrete Choice Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Forsythe, Connor R., Arteaga, Cristian, Helveston, John P.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Econometrics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sequential Estimation of Dynamic Discrete Choice Models with Unobserved Heterogeneity
von: Chen, Ertian, et al.
Veröffentlicht: (2026)

Sufficient Statistics for Markovian Feedback Processes and Unobserved Heterogeneity in Dynamic Panel Logit Models
von: Shin, Sukgyu
Veröffentlicht: (2025)

Debiased Machine Learning for Unobserved Heterogeneity: High-Dimensional Panels and Measurement Error Models
von: Argañaraz, Facundo, et al.
Veröffentlicht: (2025)

Deep Learning for the Estimation of Heterogeneous Parameters in Discrete Choice Models
von: Hetzenecker, Stephan, et al.
Veröffentlicht: (2024)

Constrained Recursive Logit for Route Choice Analysis
von: Tran, Hung, et al.
Veröffentlicht: (2025)

Identification and Estimation of Network Models with Nonparametric Unobserved Heterogeneity
von: Zeleneev, Andrei
Veröffentlicht: (2026)

Unobserved Heterogeneous Spillover Effects in Instrumental Variable Models
von: Wu, Huan
Veröffentlicht: (2025)

Tractable Identification of Strategic Network Formation Models with Unobserved Heterogeneity
von: Gao, Wayne Yuan, et al.
Veröffentlicht: (2026)

Mobility Behaviour of Immigrants in Canada: Analyzing Mode Choice Using GPS Panel Data and Mixed Logit Models
von: Alsaleh, Tareq, et al.
Veröffentlicht: (2026)

Sensitivity Analysis for Dynamic Discrete Choice Models
von: Lau, Chun Pong
Veröffentlicht: (2024)

Equilibrium-Constrained Estimation of Recursive Logit Choice Models
von: Tran, Hung, et al.
Veröffentlicht: (2025)

Two-step Estimation of Network Formation Models with Unobserved Heterogeneities and Strategic Interactions
von: Wu, Shaomin
Veröffentlicht: (2024)

Inference in High-Dimensional Panel Models: Two-Way Dependence and Unobserved Heterogeneity
von: Chen, Kaicheng
Veröffentlicht: (2025)

Model-Adaptive Approach to Dynamic Discrete Choice Models with Large State Spaces
von: Chen, Ertian
Veröffentlicht: (2025)

Identifying Heterogeneous Decision Rules From Choices When Menus Are Unobserved
von: Epstein, Larry G, et al.
Veröffentlicht: (2024)

Semiparametric Discrete Choice Models for Bundles
von: Ouyang, Fu, et al.
Veröffentlicht: (2023)

Semiparametric Discrete Choice Models for Bundles
von: Ouyang, Fu, et al.
Veröffentlicht: (2023)

Policy Relevant Treatment Effects with Multidimensional Unobserved Heterogeneity
von: Ura, Takuya, et al.
Veröffentlicht: (2024)

Inference on Linear Regressions with Two-Way Unobserved Heterogeneity
von: Freeman, Hugo, et al.
Veröffentlicht: (2026)

Better Measurement or Larger Samples? Data Collection for Policy Learning with Unobserved Heterogeneity
von: Opocher, Giacomo
Veröffentlicht: (2026)

Merger Analysis with Unobserved Prices
von: Koh, Paul S.
Veröffentlicht: (2024)

Policy Learning under Unobserved Confounding: A Robust and Efficient Approach
von: Jin, Zequn, et al.
Veröffentlicht: (2025)

Reinforcement Learning Based Computationally Efficient Conditional Choice Simulation Estimation of Dynamic Discrete Choice Models
von: Khwaja, Ahmed, et al.
Veröffentlicht: (2026)

On the Estimation of Multinomial Logit and Nested Logit Models: A Conic Optimization Approach
von: Pham, Hoang Giang, et al.
Veröffentlicht: (2025)

Dynamic Discrete-Continuous Choice Models: Identification and Conditional Choice Probability Estimation
von: Bruneel-Zupanc, Christophe
Veröffentlicht: (2025)

Revisiting Panel Data Discrete Choice Models with Lagged Dependent Variables
von: Dobronyi, Christopher R., et al.
Veröffentlicht: (2023)

Identifying Dynamic Discrete Choice Models with Hyperbolic Discounting
von: Tsubota, Taiga
Veröffentlicht: (2021)

Treatment Effects with Multidimensional Unobserved Heterogeneity: Identification of the Marginal Treatment Effect
von: Tsuda, Toshiki
Veröffentlicht: (2022)

Conditional Choice Probability Estimation of Dynamic Discrete Choice Models with 2-period Finite Dependence
von: Hao, Yu, et al.
Veröffentlicht: (2024)

Bounds on Average Effects in Discrete Choice Panel Data Models
von: Pakel, Cavit, et al.
Veröffentlicht: (2023)

Training Neural Networks Embedded in Dynamic Discrete Choice Models
von: Oguz, Ecenur, et al.
Veröffentlicht: (2026)

The Use of Binary Choice Forests to Model and Estimate Discrete Choices
von: Chen, Ningyuan, et al.
Veröffentlicht: (2019)

Dynamic Ordered Panel Logit Models
von: Honoré, Bo E., et al.
Veröffentlicht: (2021)

Identifying Present-Biased Discount Functions in Dynamic Discrete Choice Models
von: Abbring, Jaap H., et al.
Veröffentlicht: (2025)

Estimating Discrete Choice Demand Models with Sparse Market-Product Shocks
von: Lu, Zhentong, et al.
Veröffentlicht: (2025)

Estimating Discrete Games of Complete Information: Bringing Logit Back in the Game
von: Koh, Paul S.
Veröffentlicht: (2022)

Universal Inference for Incomplete Discrete Choice Models
von: Kaido, Hiroaki, et al.
Veröffentlicht: (2025)

Semiparametric Identification of the Discount Factor and Payoff Function in Dynamic Discrete Choice Models
von: Hao, Yu, et al.
Veröffentlicht: (2025)

Identification of Average Marginal Effects in Fixed Effects Dynamic Discrete Choice Models
von: Aguirregabiria, Victor, et al.
Veröffentlicht: (2021)

Transferable Utility Matching Beyond Logit: Computation and Estimation with General Heterogeneity
von: Galichon, Alfred, et al.
Veröffentlicht: (2025)