choicemodellen

Choicemodellen vormen een verzamelnaam voor statistische modellen die de keuze van een individu uit een discrete set alternatieven verklaren en voorspellen op basis van kenmerken van de alternatieven en van de besluitvormer. Ze zijn meestal gebaseerd op de assumptie van random utility theory: elk alternatief krijgt een latent nut toegewezen dat uit een systeematische component en een willekeurige foutterm bestaat. De gekozen optie is degene met de hoogste totale utiliteit.

De meest gebruikte modellen zijn: multinomial logit (MNL), waarbij de kans op een alternatief afhangt van de exponent van de systematische utiliteit; conditional logit, waarbij de utiliteit afhankelijk is van kenmerken van de alternatieven; nested logit, dat de onafhankelijkheid van irrelevante alternatieven (IIA) beperkt door een neststructuur; en mixed logit (random parameters logit), dat heterogeniteit tussen respondenten en niet-IIA-gedrag mogelijk maakt. Er bestaan ook probit-varianten. Een belangrijk aandachtspunt is dat MNL IIA impliceert, wat beperkingen oplevert als alternatieven meer vergelijkbaar zijn dan verondersteld.

Choicemodellen worden meestal geschat met maximum likelihood op basis van keuzegegevens, waarbij bij elke waarneming het gekozen alternatief als observatie wordt gebruikt. Voor complexere modellen kan simulatie-estimatie nodig zijn (bijv. simulated likelihood). Data kunnen cross-sectioneel zijn of paneldata, waarin hetzelfde individu meerdere keuzes maakt; vaak vereist een plausibele definitie van de keuze-set.

Toepassingen omvatten transportplanning (modale keus), consumentenkeuzes, productontwikkeling en -tests, marktonderzoek en gezondheidszorg. Coefficiënten worden geïnterpreteerd als veranderingen in de relatieve utiliteit, wat inzicht geeft in wat keuzes drijft. Modelselectie gebeurt met criteria als AIC/BIC, log-likelihood en likelihood-ratio-tests, waarbij men rekening houdt met modelcomplexiteit en fit.