A high‐dimensional multinomial logit model
高维多项 Logit 模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究多项 Logit、选择备选项及家庭目的地偏好，直接对应离散选择。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
高维多项 Logit 模型
- 研究问题
- 当选择备选项和分类解释变量很多时，多项 Logit 的参数数量迅速增加；如何压缩参数并识别具有可解释性的类别分组？
- 方法与思路
- 作者提出数据驱动的双向参数聚类，在结果类别与解释变量的虚拟变量类别两个维度上，利用贝叶斯 Dirichlet 过程混合模型鼓励聚类。
- 材料陈述的贡献
- 摘要称该方法减少不同参数的数量并形成可解释的类别簇；应用于家庭度假偏好，识别出对目的地簇具有不同偏好的家庭分群。
- 阅读关注点
- 应核对双向聚类如何约束 Logit 参数、先验与聚类数量的关系，以及家庭和目的地分组的稳定性及其经济解释。
- 阅读边界
- 仅依据所给 Crossref 摘要。摘要未说明识别条件、计算细节和预测表现，不能据此判断聚类方法的普遍优势或推断刊本变化。
原文摘要
Summary The number of parameters in a standard multinomial logit model increases linearly with the number of choice alternatives and number of explanatory variables. Because many modern applications involve large choice sets with categorical explanatory variables, which enter the model as large sets of binary dummies, the number of parameters in a multinomial logit model is often large. This paper proposes a new method for data‐driven two‐way parameter clustering over outcome categories and explanatory dummy categories in a multinomial logit model. A Bayesian Dirichlet process mixture model encourages parameters to cluster over the categories, which reduces the number of unique model parameters and provides interpretable clusters of categories. In an empirical application, we estimate the holiday preferences of 11 household types over 49 holiday destinations and identify a small number of household segments with different preferences across clusters of holiday destinations.