Browsing by Author "Cherchi, Elisabetta"
Now showing 1 - 10 of 10
Results Per Page
Sort Options
- ItemAddressing endogeneity in strategic urban mode choice models(2020) Guerrero, Thomas E.; Angelo Guevara, C.; Cherchi, Elisabetta; Ortuzar Salas, Juan De Dios
- ItemAssessment and correction of endogeneity problems in discrete choice models(2021) Guerrero Barbosa, Thomas Edison; Ortúzar Salas, Juan de Dios; Guevara, C. Ángelo; Cherchi, Elisabetta; Pontificia Universidad Católica de Chile. Escuela de IngenieríaEl término endogeneidad se utiliza cuando existe correlación entre una o más variables explicativas observadas y el término de error de un modelo econométrico. La endogeneidad se considera un fenómeno prácticamente inevitable en modelación econométrica, ya que hay muchas causas potenciales detrás de ella: variables omitidas, errores de medición o especificación, estimación simultánea y autoselección. El problema es que puede dar lugar a la estimación de parámetros inconsistentes y si sus efectos no se consideran al estimar los modelos, el analista puede llegar a pronósticos y conclusiones erróneas. La corrección de endogeneidad se ha abordado ampliamente en la literatura sobre modelos lineales (LM), pero los LM tienen un alcance limitado en ciertas áreas. En particular, este es el caso en planeación y evaluación social de proyectos de transporte, donde los Modelos de Elección Discreta (DCM), que son altamente no-lineales, juegan un papel fundamental. Desafortunadamente, rara vez se corrigen los DCM por endogeneidad, por lo que se ha identificado una brecha en el estado de conocimiento que esta tesis pretende cerrar. Así, el objetivo general de esta tesis doctoral es desarrollar un conjunto de pautas que permitan evaluar y corregir problemas de endogeneidad en DCM. Con base en las brechas de investigación identificadas, los objetivos específicos de esta investigación son: a) Determinar el impacto de la endogeneidad en modelos de elección modal estimados a nivel estratégico. Aquí se considera el enfoque de Funciones de Control (FC) y se proponen instrumentos válidos para corregir endogeneidad. También se aborda el problema de predicción en DCM corregidos por endogeneidad, utilizando datos simulados. b) Desarrollar una metodología para detectar instrumentos débiles en DCM utilizando el método CF y experimentos de Monte Carlo, ampliando los enfoques propuestos para modelos lineales. c) Caracterizar el impacto de indicadores discretos para corregir endogeneidad en DCM. Para ello, utilizamos simulaciones de Monte Carlo y datos reales provenientes de una encuesta de preferencias declaradas (SP) especialmente desarrollada para tal fin. Luego, se estima DCM corregidos con el método de Soluciones de Indicadores Múltiples (MIS) usando indicadores discretos y continuos por separado. Finalmente, se evalúa el comportamiento econométrico de ambos tipos de indicadores. Establecemos conclusiones de carácter teórico, empírico y metodológico. En primera instancia, se desea determinar variables instrumentales adecuadas para corregir endogeneidad en modelación de transporte y medir su impacto en modelos estratégicos de partición modal. Además, logramos reducir los errores asociados a la estimación de DCM, mejorar su capacidad de pronóstico y estimar parámetros consistentes que resulten en estimaciones corregidas de medidas de valoración del modelo, como el valor subjetivo del tiempo (SVT) que se utiliza para evaluar proyectos de transporte. También, formulamos una metodología empírica, apoyada en simulación de Monte Carlo, para predecir usando DCM corregidos por endogeneidad con una versión adecuada del método CF. Por otro lado, definimos pautas para aclarar en qué condiciones funcionan (o no) indicadores discretos cuando se corrigen DCM por endogeneidad utilizando el método MIS. Finalmente, estructuramos una metodología para detectar instrumentos DCM débiles en base a lo propuesto para modelos lineales.
- ItemCan mixed logit reveal the actual data generating process? Some implications for environmental assessment(PERGAMON-ELSEVIER SCIENCE LTD, 2010) Cherchi, Elisabetta; de Dios Ortuzar, JuanRecent advances in the specification of the utility function of mixed logit models allow the analyst, in principle, to consider a vast variety of individual heterogeneity. Nevertheless, when estimating the model it is common practice to experience severe difficulties in discriminating between different specifications to infer the "true" data generating process. We investigate possible sources for this difficulty focusing on the confounding effects inherent in two basic assumptions of discrete choice model utilities: linearity in the parameters and added error terms. We analyse the role of these assumptions in giving rise to confounding effects and why this increases the difficulty of discriminating among different structures. Finally, we investigate how these problems may affect benefit appraisal using these models. Empirical evidence is provided for two different environmental contexts and a more typical transport context using various kinds of data. (C) 2010 Elsevier Ltd. All rights reserved.
- ItemCharacterizing the impact of discrete indicators to correct for endogeneity in discrete choice models(2022) Guerrero, Thomas E.; Angelo Guevara, C.; Cherchi, Elisabetta; Ortuzar Salas, Juan De Dios
- ItemDefining Interalternative Error Structures for Joint Revealed Preference-Stated Preference Modeling New Evidence(SAGE PUBLICATIONS INC, 2010) Francisca Yanez, Maria; Cherchi, Elisabetta; de Dios Ortuzar, JuanJoint model estimation with revealed (RP) and stated preference (SP) data has become popular in the past few years, and it is now considered common practice. Many theoretical issues related to estimation and prediction with joint RP-SP data are far from being fully explored. Given the ample diffusion of RP-SP modeling in practice, its misuse can have severe consequences on policy analysis and evaluation of transport investments; thus, it is crucial to continue research on this problem to try to give a theoretical justification to the many relevant issues that remain uncovered. One particularly interesting issue, which has not been well explored, is the effect of partial data enrichment on the correlation structure of alternatives (i.e., when different correlation structures are revealed in the RP and SP data sets). This problem, which is often found in practice, has no trivial solution and raises new interesting theoretical questions about estimation and prediction. In this paper, theoretical and practical implications of this problem are discussed and then empirical evidence is provided, from a real case, of the errors that may creep in when these models are not applied correctly. Finally some guidelines to help fill this important gap in the proper use of RP-SP data are provided.
- ItemForecasting with strategic transport models corrected for endogeneity(2021) Guerrero, Thomas E.; Guevara, C. Angelo; Cherchi, Elisabetta; Ortuzar Salas, Juan De Dios
- ItemOn de-bunking \'Fake News\' in a post truth era: Special editorial(2019) Ortuzar Salas, Juan De Dios; Cherchi, Elisabetta; Rose, John M.
- ItemOn the Treatment of Repeated Observations in Panel Data: Efficiency of Mixed Logit Parameter Estimates(2011) Francisca Yanez, Maria; Cherchi, Elisabetta; Heydecker, Benjamin G.; Ortuzar Salas, Juan De Dios
- ItemOn the Use of Mixed RP/SP Models in Prediction: Accounting for Systematic and Random Taste Heterogeneity(INFORMS, 2011) Cherchi, Elisabetta; de Dios Ortuzar, JuanA basic assumption in mixed revealed preference (RP)/stated preference (SP) estimation is that both data sets represent basically the same phenomenon. Thus, we would expect individuals to show the same tastes regardless of the tool used to elicit their preferences. However, different and significant parameters are often found in each case. Although this is not an issue from an estimation standpoint, understanding why differences appear is crucial in forecasting because the model structure used in that case differs from the estimated one. This problem is compounded if differences between both data affect their ability to reproduce systematic or random taste variations because (i) microeconomic conditions on individual behaviour are more difficult to fulfil, and (ii) an erroneous specification may have a major impact on the predicted results. Problems associated with using joint RP/SP models in forecasting have received scant attention and no studies have examined the case where both types of data show different systematic or random heterogeneity. We review the problem from a theoretical viewpoint and suggest analyses that could aid decision taking in this context. Using real data, we provide evidence on the effects of using different joint RP/SP models in forecasting and highlight the importance of performing these analyses.
- ItemPredicting the potential market for electric vehicles(2017) Jensen, Anders F.; Cherchi, Elisabetta; Mabit, Stefan L.; Ortúzar Salas, Juan de Dios; CEDEUS (Chile)