통행자의 통행수단선택행태는 개인의 사회경제적 속성과 수단의 속성뿐만 아니라 통행자 개인의 잠재된 통행행태 즉, 통행행태적 선호도 역시 큰 영향을 미친다. 통행수단선택행태에 특정한 영향을 미치는 잠재통행행태를 수단선택모형에 반영한다면 비관측요인에서 기인하는 오차를 크게 줄일 수 있고, 통행행태에 대한 다양하고 보다 합리적인 해석이 가능하다. 본 연구에서는 한강 수상대중교통 도입에 따른 수단선택행태조사 자료를 활용하여 잠재변수를 정의하고 새로운 수단에 대한 분석이 가능한 RP/SP 결합모형을 구축하였다. 잠재변수는 행태설문조사자료를 기반으로 요인분석을 통해 계량화하였다. 모형구축결과 통행자들의 잠재된 통행행태는 수단선택행태에 유의한 영향을 미치고, 잠재변수를 반영한 경우 모형의 적합도가 향상되었다. 또한 잠재행태 관점에서도 RP/SP 결합모형이 SP모형에 비해 합리적인 것으로 분석되었다.
통행자의 통행수단선택행태는 개인의 사회경제적 속성과 수단의 속성뿐만 아니라 통행자 개인의 잠재된 통행행태 즉, 통행행태적 선호도 역시 큰 영향을 미친다. 통행수단선택행태에 특정한 영향을 미치는 잠재통행행태를 수단선택모형에 반영한다면 비관측요인에서 기인하는 오차를 크게 줄일 수 있고, 통행행태에 대한 다양하고 보다 합리적인 해석이 가능하다. 본 연구에서는 한강 수상대중교통 도입에 따른 수단선택행태조사 자료를 활용하여 잠재변수를 정의하고 새로운 수단에 대한 분석이 가능한 RP/SP 결합모형을 구축하였다. 잠재변수는 행태설문조사자료를 기반으로 요인분석을 통해 계량화하였다. 모형구축결과 통행자들의 잠재된 통행행태는 수단선택행태에 유의한 영향을 미치고, 잠재변수를 반영한 경우 모형의 적합도가 향상되었다. 또한 잠재행태 관점에서도 RP/SP 결합모형이 SP모형에 비해 합리적인 것으로 분석되었다.
Mode choice behavior is associated with travelers' latent behavior that is an unobservable preference to travel behavior or mode characteristics. This paper specifically addresses the problem of unobservable factors, that is latent behavior, in mode choice models. Consideration of latent behavior in...
Mode choice behavior is associated with travelers' latent behavior that is an unobservable preference to travel behavior or mode characteristics. This paper specifically addresses the problem of unobservable factors, that is latent behavior, in mode choice models. Consideration of latent behavior in mode choice models reduces the errors that come from unobservable factors. In this study, the authors defined the latent variables that mean a quantitative latent behavior factors, and developed the combined RP/SP model with latent variables using the mode choice behavior survey data. The data has traveler's revealed preference of existent modes along the Han River and stated preference of new water transit on the Han River. Also, The data has travelers' latent behavior. Latent variables were defined by factor analysis using the latent behaviour data. In conclusion, it is significant that the relationship between traveler's latent behavior and mode choice behavior. In addition, the goodness-of-fit of the mode choice models with latent variables are better than the model without latent variables.
Mode choice behavior is associated with travelers' latent behavior that is an unobservable preference to travel behavior or mode characteristics. This paper specifically addresses the problem of unobservable factors, that is latent behavior, in mode choice models. Consideration of latent behavior in mode choice models reduces the errors that come from unobservable factors. In this study, the authors defined the latent variables that mean a quantitative latent behavior factors, and developed the combined RP/SP model with latent variables using the mode choice behavior survey data. The data has traveler's revealed preference of existent modes along the Han River and stated preference of new water transit on the Han River. Also, The data has travelers' latent behavior. Latent variables were defined by factor analysis using the latent behaviour data. In conclusion, it is significant that the relationship between traveler's latent behavior and mode choice behavior. In addition, the goodness-of-fit of the mode choice models with latent variables are better than the model without latent variables.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
RP/SP 결합모형인 Model 5와 6에서 동일한 선택대안(승용차와 대중교통)을 RP와 SP로 구분한 이유는 과 같이 artificial tree구조에 따라 모형을 추정하기 위해서이다.
규모계수를 VSP에 곱하면 RP와 SP의 분산이 동일하게 되므로 분산의 차이에서 오는 문제를 해결할 수 있다. 또한 규모계수로 인하여 두 자료의 결합추정이 가능해 진다.
RP/SP 결합모형은 실제 통행행태와 새로운 수단 도입에 대한 가상적인 통행행태를 상호 보완하여 분석하였으므로 더 합리적인 모형인 것으로 판단된다. 본 연구의 결과, 다른 모형의 비해 RP/SP 결합모형의 적합도가 가장 크게 나타난 것도 이와 같은 논리를 뒷받침해 준다. 따라서 RP/SP 결합모형이면서 잠재변수를 적용한 Model 6이 본 연구에서 가장 합리적인 모형이다.
가설 설정
, 2006; Sohn and Yun, 2009). 이러한 연구들은 선택 행태가 선택자의 잠재된 행태적 선호에 기인한다는 것을 가정한다. 잠재된 행태적 선호는 개인의 행태적 특성(예; 조급성, 안전지향성, 환경주의적 등) 또는 수단에 대한 잠재적 인식(예; 대중교통 선호, 승용차 선호 등) 등을 의미한다.
제안 방법
잠재통행행태 조사자료를 이용하여 요인분석을 실시한 결과는 <표 4>와 같다. 20개의 설문문항을 지표변수로 하고 응답자가 선택한 Likert척도의 값을 이용하여 요인분석을 실시하였다. 그 결과 잠재통행행태를 설명할 수 있는 요인은 총 6개로 나타났다.
잠재변수를 이용한 수단선택모형을 분석하기 위하여 잠재변수 유무에 따른 RP모형, SP모형, RP/SP 결합모형을 정립하였다. RP모형은 승용차와 일반대중교통의 2가지 선택대안에 대한 이항로짓모형으로 구축하였으며, SP모형은 승용차, 일반대중교통, 수상교통의 3가지 선택 대안에 대한 다항로짓모형으로 구축하였다. RP/SP 결합 모형은 이론적 고찰에서 언급한 artificial tree구조를 이용한 네스티드 로짓모형으로 구축하였다.
각 문항의 상세한 내용은 <표 4>와 같다. 각 문항마다 해당 문항의 내용과 평소의 성향이 일치하는 정도에 따라 최소 1부터 최대 5까지의 Likert 척도를 사용하였다.
선정된 변수 및 변수 값과 관련된 내용은 <표 5>와 같다. 개인특성변수 중 나이와 연평균 소득의 경우는 연속적인 값으로 모형에 적용하였고, 나머지 변수에 대해서는 1 또는 0 으로 적용하였다. 수단 특성변수 중 통행시간과 관련된 변수의 값은 분단위의 연속적인 값을 적용하였고, 통행요금은 100원 단위로 연속적인 값으로 적용하였다.
RP/SP 결합모형의 경우, 단순히 RP자료에 SP자료를 추가하여 모형을 추정하게 되면 SP자료의 표본 수가 5배 많기 때문에 SP자료의 영향을 크게 받게 되어 왜곡된 결과가 도출될 위험이 있다. 따라서 조사된 RP자료의 수를 SP자료의 수와 같도록 하기 위해 RP자료 1,000개를 5배수로 증가시킨 후 SP자료와 결합하여 모형을 추정하였다. 이에 따라 RP/SP 결합모형의 표본 수는 총 10,000개이다.
수단선택모형 구축을 위하여 통행자의 사회경제적 특성, 현재 한강변 통행 시 선택한 수단 및 비선택 수단에 대한 특성, 그리고 통행자의 잠재통행 행태를 조사하였다. 또한 수상대중교통 도입 시 수단선택행태를 분석하기 위하여 SP조사를 실시하였다. 요금 및 통행시간 관련 변수들을 각 3수준으로 하는 직교행렬표를 구성하고, 난수표에 따라 응답자 1인당 무작위로 5개의 SP 설문에 응답하도록 하였다.
잠재변수를 수단선택모형에 적용하기 위해서는 잠재변수의 크기를 계량화하여야 한다. 본 연구에서는 요인분석을 통해 각 개별 통행자별로 산출되는 각 요인별 요인점수(fitted factor score)를 잠재변수의 계량적 크기로 정의하였다.
본 연구에서는 통행자의 잠재 통행행태를 조사하고 이를 계량화하여 잠재변수를 정의하는 방법론을 제시하였고 이를 고려한 통행수단선택모형을 구축하였다. 통행수단 선택모형 구축 시 새로운 수단 도입에 따른 통행수단선택 행태 분석이 가능한 RP/SP 결합모형을 이용하여 구축하였다.
설문문항은 통행자들의 통행행태와 관련된 잠재적 성향을 파악하기 위한 내용으로 구성하였다. 새로 도입되는 교통수단인 수상대중교통의 선호도에 관한 문항과 환경에 대한 인식, 교통수단에 대한 인식 등에 관한 내용이다.
개인특성변수 중 나이와 연평균 소득의 경우는 연속적인 값으로 모형에 적용하였고, 나머지 변수에 대해서는 1 또는 0 으로 적용하였다. 수단 특성변수 중 통행시간과 관련된 변수의 값은 분단위의 연속적인 값을 적용하였고, 통행요금은 100원 단위로 연속적인 값으로 적용하였다.
위의 조사 자료를 기반으로 RP, SP 및 RP/SP 결합 수단선택모형을 구축하여 비교분석하였다. 수단선택 모형 구축 시 잠재통행행태 조사 자료를 요인분석(Factor analysis)하여 잠재변수(Latent variables)를 정의하였다. 잠재변수 유무와 선호도조사 자료의 유형에 따라 총 6개의 모형을 구축하고 비교분석함으로써 수상대중교통 도입에 따른 수단선택행태를 분석하였다.
수단선택모형 구축을 위하여 통행자의 사회경제적 특성, 현재 한강변 통행 시 선택한 수단 및 비선택 수단에 대한 특성, 그리고 통행자의 잠재통행 행태를 조사하였다. 또한 수상대중교통 도입 시 수단선택행태를 분석하기 위하여 SP조사를 실시하였다.
또한 수상대중교통 도입 시 수단선택행태를 분석하기 위하여 SP조사를 실시하였다. 요금 및 통행시간 관련 변수들을 각 3수준으로 하는 직교행렬표를 구성하고, 난수표에 따라 응답자 1인당 무작위로 5개의 SP 설문에 응답하도록 하였다. 설문조사 항목 및 조사내용은 <표 1>과 같다.
Sohn and Yun(2009)은 <그림 2>와 같이 설문문항을 지표변수(indicator variables)로 하는 요인 분석을 통해 잠재변수를 정의하였다. 요인 분석은 정의된 잠재변수에 대한 각 지표변수들의 요인 적재량(factor loadings)를 추정하고, 이를 이용하여 각 잠재변수의 계량적 크기인 요인점수(fitted factor scores)를 산출한다. 산출된 요인점수와 개인 및 수단속성을 이용하여 수단선택모형을 구축하였다.
위의 조사 자료를 기반으로 RP, SP 및 RP/SP 결합 수단선택모형을 구축하여 비교분석하였다. 수단선택 모형 구축 시 잠재통행행태 조사 자료를 요인분석(Factor analysis)하여 잠재변수(Latent variables)를 정의하였다.
통행수단 선택모형 구축 시 새로운 수단 도입에 따른 통행수단선택 행태 분석이 가능한 RP/SP 결합모형을 이용하여 구축하였다. 이와 같은 모형을 기반으로 잠재변수를 반영한 모형과 미반영된 모형을 비교분석하였다. 모형구축 및 분석에 사용된 자료는 한강변 통행자들에 대한 통행선택자료를 활용하였으며, 이들을 대상으로 잠재통행행태를 조사한 자료와 한강 수상대중교통 도입에 따른 수단선택행태를 조사한 자료를 활용하였다.
”와 같은 문항을 포함하는 것이다. 이와 같이 직접적인 문항과 간접적인 문항을 혼합하여 총 20개의 잠재행태 설문문항을 구성하였다. 각 문항의 상세한 내용은 <표 4>와 같다.
수단선택 모형 구축 시 잠재통행행태 조사 자료를 요인분석(Factor analysis)하여 잠재변수(Latent variables)를 정의하였다. 잠재변수 유무와 선호도조사 자료의 유형에 따라 총 6개의 모형을 구축하고 비교분석함으로써 수상대중교통 도입에 따른 수단선택행태를 분석하였다.
잠재변수는 잠재통행행태와 관련된 설문문항을 지표변수(indicator variables)로 하고 해당 문항에 대한 응답 결과를 이용하여 요인분석을 통해 선정하였다. 요인분석은 조사된 지표변수 값을 이용하여 공통된 잠재적 요인을 추출하고, 추출된 잠재적 요인에 대해 각 지표변수들이 기여하는 정도인 요인 적재량을 산출한다.
잠재변수를 이용한 수단선택모형을 분석하기 위하여 잠재변수 유무에 따른 RP모형, SP모형, RP/SP 결합모형을 정립하였다. RP모형은 승용차와 일반대중교통의 2가지 선택대안에 대한 이항로짓모형으로 구축하였으며, SP모형은 승용차, 일반대중교통, 수상교통의 3가지 선택 대안에 대한 다항로짓모형으로 구축하였다.
RP/SP 결합 모형은 이론적 고찰에서 언급한 artificial tree구조를 이용한 네스티드 로짓모형으로 구축하였다. 잠재변수에 따른 모형의 추정결과를 비교분석하기 위하여 효용함수에 잠재변수를 포함한 경우와 그렇지 않은 경우로 모형을 구축하였다. 따라서 분석을 위해 잠재변수의 유무 및 자료의 형태에 따라 <표 6>과 같이 총 6개의 모형을 정립하였다.
조사된 자료의 기초분석결과를 기반으로 개인특성 및 수단특성 변수를 선정하였다. 선정된 변수 및 변수 값과 관련된 내용은 <표 5>와 같다.
요인분석은 조사된 지표변수 값을 이용하여 공통된 잠재적 요인을 추출하고, 추출된 잠재적 요인에 대해 각 지표변수들이 기여하는 정도인 요인 적재량을 산출한다. 추출된 잠재적 요인과 관련된 지표변수(즉, 본 연구에서는 설문문항) 및 요인적재량을 고려하여 잠재변수를 정의하였다.
대상 데이터
기초자료 분석의 에서와 같이 RP자료의 표본 수는 1,000개이고 SP자료의 표본 수는 5,000개이다.
이와 같은 모형을 기반으로 잠재변수를 반영한 모형과 미반영된 모형을 비교분석하였다. 모형구축 및 분석에 사용된 자료는 한강변 통행자들에 대한 통행선택자료를 활용하였으며, 이들을 대상으로 잠재통행행태를 조사한 자료와 한강 수상대중교통 도입에 따른 수단선택행태를 조사한 자료를 활용하였다.
본 연구에서 사용된 자료는 서울시에서 친환경 녹색교통을 위해 도입이 검토되고 있는 한강 수상대중교통에 대한 통행행태 설문조사 자료이다. 한강 수상대중교통은 한강에 위치한 선착장을 정류장으로 하여 계획된 배차간격에 따라 승객을 수송하는 대중교통을 의미한다.
본 연구에서는 조사일 기준으로 가장 최근 한강주변지역을 통행할 때 선택하는 통행수단선택행태(RP)와 한강수상대중교통 도입에 따른 통행수단선택행태(SP) 조사 자료를 사용하였다. 각각 자료에 대한 수단선택비율은<표 3>과 같다.
한강주변지역 통행자는 한강변에 위치한 56개동을 기종점으로 하는 통행자로 정의하였으며, 56개 동의 위치는<그림 1>과 같다. 조사 대상자는 서울시정개발연구원에서 실시한 『2006 수도권 가구통행실태조사 연구』 조사 자료에서 앞서 정의한 한강변 통행자들 중 1,000명을 표본 추출하여 선정하였고 이들을 대상으로 설문조사를 실시하였다. 즉, 조사대상자인 1,000명은 한강변에 위치한 56개동에 거주하는 통행자뿐만 아니라 통행경로 상 한강변을 이동하는 통행자도 포함되었다.
조사 대상자는 서울시정개발연구원에서 실시한 『2006 수도권 가구통행실태조사 연구』 조사 자료에서 앞서 정의한 한강변 통행자들 중 1,000명을 표본 추출하여 선정하였고 이들을 대상으로 설문조사를 실시하였다. 즉, 조사대상자인 1,000명은 한강변에 위치한 56개동에 거주하는 통행자뿐만 아니라 통행경로 상 한강변을 이동하는 통행자도 포함되었다.
한강 수상대중교통은 한강에 위치한 선착장을 정류장으로 하여 계획된 배차간격에 따라 승객을 수송하는 대중교통을 의미한다. 한강 수상대중교통 도입에 따라 통행행태에 가장 큰 변화가 있을 것으로 예상되는 한강주변지역 통행자들을 대상으로 설문조사를 실시하였다.
이론/모형
RP모형은 승용차와 일반대중교통의 2가지 선택대안에 대한 이항로짓모형으로 구축하였으며, SP모형은 승용차, 일반대중교통, 수상교통의 3가지 선택 대안에 대한 다항로짓모형으로 구축하였다. RP/SP 결합 모형은 이론적 고찰에서 언급한 artificial tree구조를 이용한 네스티드 로짓모형으로 구축하였다. 잠재변수에 따른 모형의 추정결과를 비교분석하기 위하여 효용함수에 잠재변수를 포함한 경우와 그렇지 않은 경우로 모형을 구축하였다.
추정방법론은 각 네스트의 계수를 동시추정법으로 추정한다. 동시추정법은 완전정보최우추정법(Full Information Maximum Likelihood)을 이용하여 추정한다(Hensher and Bradley, 1993). 완전정보최우추정법을 이용하기 위한 목적함수인 로그우도함수는 식(3)과 같다.
요인 분석은 정의된 잠재변수에 대한 각 지표변수들의 요인 적재량(factor loadings)를 추정하고, 이를 이용하여 각 잠재변수의 계량적 크기인 요인점수(fitted factor scores)를 산출한다. 산출된 요인점수와 개인 및 수단속성을 이용하여 수단선택모형을 구축하였다.
본 연구에서는 통행자의 잠재 통행행태를 조사하고 이를 계량화하여 잠재변수를 정의하는 방법론을 제시하였고 이를 고려한 통행수단선택모형을 구축하였다. 통행수단 선택모형 구축 시 새로운 수단 도입에 따른 통행수단선택 행태 분석이 가능한 RP/SP 결합모형을 이용하여 구축하였다. 이와 같은 모형을 기반으로 잠재변수를 반영한 모형과 미반영된 모형을 비교분석하였다.
성능/효과
RP모형의 경우 편안함 선호 성향과 승용차 운전 선호 성향은 대중교통 선택을 감소시키고 승용차 운전 비선호 성향은 대중교통 선택확률을 증가시키는 것으로 나타났다. 이와 같은 결과는 SP모형과 RP/SP 결합모형에서 유사하게 나타났으며, 수상대중교통에 대해서도 비슷한 선택행태를 보이고 있다.
이와 같은 결과는 SP모형과 RP/SP 결합모형에서 유사하게 나타났으며, 수상대중교통에 대해서도 비슷한 선택행태를 보이고 있다. SP모형과 RP/SP 결합모형의경우 다른 3가지 잠재변수도 유의한 것으로 나타났다. 수상교통 우호적 성향과 환경주의적 성향은 대중교통과 수상대중교통의 선택확률을 증가시키는 것으로 나타났고, 조급성 성향은 감소시키는 것으로 나타났다.
본 연구의 결과, 다른 모형의 비해 RP/SP 결합모형의 적합도가 가장 크게 나타난 것도 이와 같은 논리를 뒷받침해 준다. 따라서 RP/SP 결합모형이면서 잠재변수를 적용한 Model 6이 본 연구에서 가장 합리적인 모형이다.
또한 RP모형과 SP모형, RP/SP 결합모형 모두에서 잠재변수 존재 시 모형의 적합도(ρ2)가 더욱 큰 것으로 나타났다.
Random Coefficient Models은 통행자마다 다른 parameter를 추정함으로써 모형의 설명력을 높이는 장점이 있지만, 잠재변수를 이용한 모형과 같이 비관측적요인에 대한 명확한 설명이 어려운 단점이 있다. 또한 모형의 적용 및 추정이 어려워 활용도 측면에서 잠재변수를 도입한 모형이 효과적이다.
본 연구에서 수행한 방법인 잠재통행행태를 설문조사하고 이를 요인분석하여 잠재변수를 정의하는 것은 통행자들의 잠재된 통행행태를 계량화하는데 효과적이다. 또한 연구결과, 잠재 변수를 반영할 경우 수단선택모형에 대한 적합도가 향상되므로 수단선택행태에 대해 더욱 정확하고 합리적인 분석이 가능함을 확인하였다.
이는 본 연구에서의 잠재변수가 합리적으로 정의되었음을 의미한다. 또한 잠재변수를 적용한 모형이 그렇지 않은 모형에 비해 모형의 적합도가 더욱 큰 것을 미루어 보았을 때, 본 연구에서 제시한 방법론으로 잠재변수를 정의하는 것이 합리적이며 잠재변수를 수단선택모형에 적용하는 것이 효과적임을 알 수 있다.
또한 잠재적으로 수상교통에 우호적인 성향의 사람, 환경주의적 성향의 사람, 승용차 운전을 비선호하는 사람의 경우 수상대중교통을 선호하는 것으로 분석되었다.
즉, 개인의 사회경제적 속성과 수단의 속성으로 충분히 설명하지 못하는 수단선택행태를 잠재변수를 통해 추가적인 설명이 가능함을 의미한다. 본 연구에서 수행한 방법인 잠재통행행태를 설문조사하고 이를 요인분석하여 잠재변수를 정의하는 것은 통행자들의 잠재된 통행행태를 계량화하는데 효과적이다. 또한 연구결과, 잠재 변수를 반영할 경우 수단선택모형에 대한 적합도가 향상되므로 수단선택행태에 대해 더욱 정확하고 합리적인 분석이 가능함을 확인하였다.
SP모형과 RP/SP 결합모형의경우 다른 3가지 잠재변수도 유의한 것으로 나타났다. 수상교통 우호적 성향과 환경주의적 성향은 대중교통과 수상대중교통의 선택확률을 증가시키는 것으로 나타났고, 조급성 성향은 감소시키는 것으로 나타났다.
2%로 조사되었다. 응답자의 가구특성 조사결과, 자녀가 있는 경우가 69.5%, 가구원 수가 3인 이상인 경우가 60.1%로 나타났으며, 가구에 승용차를 보유한 응답자가 전체의 80.6%로 대부분의 응답자가 승용차를 보유한 것으로 나타났다.
모형의 추정 결과는 <표 7>와 같다. 추정 결과 RP모형의 수상교통 우호적 성향, 환경주의적 성향을 제외한 모든 잠재변수는 모든 모형에서 수단선택에 유의한 영향을 미치는 것으로 나타났다. 또한 RP모형과 SP모형, RP/SP 결합모형 모두에서 잠재변수 존재 시 모형의 적합도(ρ2)가 더욱 큰 것으로 나타났다.
후속연구
따라서 잠재변수를 집계적인 관점에서 반영하는 방법론, 장래예측 시 적용 방법론에 대한 연구가 필요하다. 또한 본 연구에서 깊이 있게 다루지 않은 잠재행태를 이용한 다양한 정책분석 역시 향후연구가 필요하다.
본 연구의 한계는 잠재변수를 이용한 모형이 집계적인 관점의 예측이나 장래예측 시 적용이 불가능하다는 점이다. 따라서 잠재변수를 집계적인 관점에서 반영하는 방법론, 장래예측 시 적용 방법론에 대한 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
주성분분석은 어떤 개념인가?
본 연구와 같이 서로 관계가 알려져 있지 않은 변수들과 잠재변수 간의 관계를 규명하기 위한 탐색적 요인분석(Exploratory Factor Analyis)에서는 주로 주성분 분석을 활용한다. 주성분분석은 지표변수들의 선형조합에 의해 주성분이 정립된다는 개념이다. 즉, 서로 연관있는 지표변수들의 선형조합으로 서로 독립적인 잠재변수들을 추출한다(노형진, 2007)
두 자료의 분산이 다를 때 어떤 문제가 일어나는가?
RP자료는 실제 현실에서 연구자로부터 관측되지 않는 개인적인 다양한 요인이 고려되어 선택된 결과이고 SP자료는 연구자가 설계한 대안의 속성 값 범위 내에서 이들을 비교하여 선택한 결과이므로 두 자료의 분산은 차이가 발생할 수 있다. 두 자료의 분산이 다를 때, 각각의 자료에서 추정한 로짓모형은 직접비교할 수 없으며, 두 자료를 통합하여 분석할 경우 편이된 결과를 나타내게 된다(Train, 2003)
RP모형과 SP모형을 분석한 결과는?
RP모형과 SP모형의 유의한 변수가 서로 차이가 있었으며 이러한 차이는 개인속성변수와 수단속성변수 뿐만 아니라 잠재변수 즉, 잠재된 통행행태에서도 차이가 존재하였다. 따라서 새로운 수단에 대한 선택행태를 분석할 경우 다양한 행태적 관점에서 SP자료의 단점을 보완할 수 있는 RP/SP 결합모형이 적합함을 알 수 있다.
참고문헌 (15)
김강수.조혜진(2006), "SP 조사설계 및 분석방법론", 보성각, pp.153-174.
Ben-Akiva M. and Morikawa T.(1990), "Estimation of Switching Models from Revealed Preferences and Stated Intentions", Transportation Research Part A, Vol. 24A, pp.485-495.
Ben-Akiva M. et al.(1994), "Combining Revealed and Stated Preference Data", Marketing Letters 5:4, pp.335-350.
Bradley M. A. and Daly A. J.(1991), "Estimation of Logit Choice Models Using Mixed Stated Preference and Revealed Preference Information", Paper presented to the 6th International Conference on Travel Behavior, Quebec, May 22-24.
Espino R., Ortuzar J. D. and Roman C.(2007), "Understanding Suburban Travel Demand: Flexible Modelling with Revealed and Stated Choice Data", Transportation Research Part A, Vol. 41, pp.899-912.
Hensher D. A. and Bradley M.(1993), "Using Stated Response Choice Data to Enrich Revealed Preference Discrete Choice Models", Marketing Letters 4:2, pp.139-151.
Hensher D. A., Louciere J. and Swait J. (1999), "Combining Sources of Preference Data", Journal of Econometrics 89, pp.197-221.
Johansson M. V., Heldt T. and Johansson P. (2006), "The Effects of Attitudes and Personality Traits on Mode Choice", Transportation Research Part A, Vol. 40, pp.507-525.
Morikawa T. (1989), "Incorporating Stated Preference Data in Travel Demand Analysis", PhD Dissertation, Department of Civil Engineering, M.I.T.
Morikawa T. (1994), "Correcting State Dependence and Serial Correlation in The RP/SP Combined Estimation Method", Transportation, Vol. 21, pp.153-165.
Sohn K. and Yun J. (2009), "Separation of Car- dependent Commuters from Normal-choice Riders in Mode-choice Analysis", Transportation, Vol. 36, pp.423-436.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.