FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W1907154032> ?p ?o ?g. }

• W1907154032 endingPage "86" @default.
• W1907154032 startingPage "65" @default.
• W1907154032 abstract "In a spatial context, flexible substitution patterns play an important role when modeling individual choice behavior. Issues of correlation may arise if two or more alternatives of a selected choice set share characteristics that cannot be observed by a modeler. Multivariate extreme value (MEV) models provide the possibility to relax the property of constant substitution imposed by the multinomial logit (MNL) model through its independence of irrelevant alternatives (IIA) property. Existing approaches in school network planning often do not account for substitution patterns, nor do they take free school choice into consideration. In this article, we briefly operationalize a closed-form discrete choice model (generalized nested logit [GNL] model) from utility maximization to account for spatial correlation. Moreover, we show that very simple and restrictive models are usually not adequate in a spatial choice context. In contrast, the GNL is still computationally convenient and obtains a very flexible structure of substitution patterns among choice alternatives. Roughly speaking, this flexibility is achieved by allocating alternatives that are located close to each other into nests. A given alternative may belong to several nests. Therefore, we specify a more general discrete choice model. Furthermore, the data and the model specification for the school choice problem are presented. The analysis of free school choice in the city of Dresden, Germany, confirms the influence of most of the exogenous variables reported in the literature. The estimation results generally indicate the applicability of MEV models in a spatial context and the importance of spatial correlation in school choice modeling. Therefore, we suggest the use of more flexible and complex models than standard logit models in particular. En un contexto espacial, los patrones sustitución flexible juegan un papel importante en el modelamiento del comportamiento de las decisiones individuales. Varios problemas de correlación pueden presentarse si dos o más alternativas de elección comparten características no observables por el modelador. Los modelos de valor extremo (multivariate extreme value-MEV) ofrecen la posibilidad de relajar la propiedad de sustitución constante (constant substitution) presente en los modelos logit multinomiales (multinomial logit-MNL), a través de su propiedad de independencia de alternativas irrelevantes (Independence of irrelevant alternatives property -IIA). A menudo, los enfoques existentes en la planificación de redes escolares no toman en consideración los patrones de sustitución y de libre elección de escuela. En este artículo, los autores presentan brevemente el funcionamiento de un modelo de elección discreta (discrete choice model) para la maximización de utilidad o modelo logit anidado generalizado (generalized nested logit model-GNL) para dar cuenta de la autocorrelación espacial. Los autores sostienen que modelos demasiado simples y restrictivos no suelen ser adecuados en un contexto de elección espacial. En contraste el modelo GNL es conveniente en términos de su computación y obtiene una estructura muy flexible de los patrones de sustitución entre las alternativas de elección. En términos generales, esta flexibilidad se logra mediante la asignación (o anidación) de las alternativas cercanas en el espacio (una alternativa puede pertenecer a varios nidos). Por lo tanto, los autores presentan un modelo de elección discreta más general. El estudio presenta además datos y la especificación del modelo para un caso de elección de escuela concreto: el análisis de libre elección de escuela en la ciudad de Dresden, Alemania. El análisis confirma la influencia de la mayoría de las variables exógenas presentes en la literatura. Los resultados de la estimación demuestran en términos generales la aplicabilidad de los modelos MEV en un contexto espacial y la importancia de la autocorrelación espacial en el modelado de elección de escuela. Los autores concluyen sugiriendo el uso de modelos más flexibles y complejos que los modelos utilizados habitualmente, en particular los modelos logit estándar. 从空间视角看，灵活的替代模式在个人行为选择建模中发挥着重要作用。当存在两个或两个以上备选方案集具有共性且无法被建模者观察到时，就可能出现相关性问题。多元极值模型（MEV）通过不相关的替代属性（IIA）实现了对多元logit模型（MNL）中常数限制的松弛替代。现有校园网络规划方法通常无法解释替代模式，而且没有考虑到自由择校因素。本文简要地建立一个封闭离散选择模型（广义嵌套（GNL）模型），从效用最大化角度来解释空间相关性。此外分析还表明，非常简单的约束模型通常不具有足够的空间选择情境。相比之下，GNL模型计算便捷，且可以在各选择方案中获得非常灵活的替代模式。大致而言，这种灵活性大体是通过与住处位置距离上彼此靠近的替代选择分配而获得，一个给定的选择可能属于不同的住处。因此，我们给出了一个更一般的离散选择模型。此外，还给出了针对择校问题的数据和模型设定。基于德国德累斯顿市自由择校分析，证实了已有研究中多数外生变量的影响。估计结果证实了MEV模型在空间分析中的适用性以及择校模型中空间相关的重要性，并建议使用更加灵活和复杂的模型而不是标准的logit模型。" @default.
• W1907154032 created "2016-06-24" @default.
• W1907154032 creator A5004319720 @default.
• W1907154032 creator A5036356490 @default.
• W1907154032 creator A5060028473 @default.
• W1907154032 date "2012-01-01" @default.
• W1907154032 modified "2023-09-26" @default.
• W1907154032 title "Exposing Unobserved Spatial Similarity: Evidence from German School Choice Data" @default.
• W1907154032 cites W123430343 @default.
• W1907154032 cites W1586833993 @default.
• W1907154032 cites W1951101691 @default.
• W1907154032 cites W1969768256 @default.
• W1907154032 cites W1976956597 @default.
• W1907154032 cites W1979011328 @default.
• W1907154032 cites W1987250215 @default.
• W1907154032 cites W2016546933 @default.
• W1907154032 cites W2018413525 @default.
• W1907154032 cites W2037813314 @default.
• W1907154032 cites W2042906894 @default.
• W1907154032 cites W2050693813 @default.
• W1907154032 cites W2059451978 @default.
• W1907154032 cites W2062047248 @default.
• W1907154032 cites W2069703538 @default.
• W1907154032 cites W2081345313 @default.
• W1907154032 cites W2090145536 @default.
• W1907154032 cites W2090736998 @default.
• W1907154032 cites W2113722549 @default.
• W1907154032 cites W2131448191 @default.
• W1907154032 cites W2138151011 @default.
• W1907154032 cites W2170976557 @default.
• W1907154032 cites W2484937882 @default.
• W1907154032 cites W2806659011 @default.
• W1907154032 cites W4241023880 @default.
• W1907154032 cites W4253590894 @default.
• W1907154032 cites W4312873548 @default.
• W1907154032 doi "https://doi.org/10.1111/j.1538-4632.2011.00836.x" @default.
• W1907154032 hasPublicationYear "2012" @default.
• W1907154032 type Work @default.
• W1907154032 sameAs 1907154032 @default.
• W1907154032 citedByCount "18" @default.
• W1907154032 countsByYear W19071540322013 @default.
• W1907154032 countsByYear W19071540322014 @default.
• W1907154032 countsByYear W19071540322016 @default.
• W1907154032 countsByYear W19071540322017 @default.
• W1907154032 countsByYear W19071540322018 @default.
• W1907154032 countsByYear W19071540322019 @default.
• W1907154032 countsByYear W19071540322020 @default.
• W1907154032 countsByYear W19071540322021 @default.
• W1907154032 countsByYear W19071540322022 @default.
• W1907154032 countsByYear W19071540322023 @default.
• W1907154032 crossrefType "journal-article" @default.
• W1907154032 hasAuthorship W1907154032A5004319720 @default.
• W1907154032 hasAuthorship W1907154032A5036356490 @default.
• W1907154032 hasAuthorship W1907154032A5060028473 @default.
• W1907154032 hasConcept C105795698 @default.
• W1907154032 hasConcept C117568660 @default.
• W1907154032 hasConcept C140331021 @default.
• W1907154032 hasConcept C144237770 @default.
• W1907154032 hasConcept C149782125 @default.
• W1907154032 hasConcept C151730666 @default.
• W1907154032 hasConcept C151956035 @default.
• W1907154032 hasConcept C163839840 @default.
• W1907154032 hasConcept C177264268 @default.
• W1907154032 hasConcept C189352744 @default.
• W1907154032 hasConcept C190669063 @default.
• W1907154032 hasConcept C199360897 @default.
• W1907154032 hasConcept C2776225642 @default.
• W1907154032 hasConcept C2778220771 @default.
• W1907154032 hasConcept C2779343474 @default.
• W1907154032 hasConcept C2780598303 @default.
• W1907154032 hasConcept C33923547 @default.
• W1907154032 hasConcept C41008148 @default.
• W1907154032 hasConcept C86803240 @default.
• W1907154032 hasConcept C95057490 @default.
• W1907154032 hasConceptScore W1907154032C105795698 @default.
• W1907154032 hasConceptScore W1907154032C117568660 @default.
• W1907154032 hasConceptScore W1907154032C140331021 @default.
• W1907154032 hasConceptScore W1907154032C144237770 @default.
• W1907154032 hasConceptScore W1907154032C149782125 @default.
• W1907154032 hasConceptScore W1907154032C151730666 @default.
• W1907154032 hasConceptScore W1907154032C151956035 @default.
• W1907154032 hasConceptScore W1907154032C163839840 @default.
• W1907154032 hasConceptScore W1907154032C177264268 @default.
• W1907154032 hasConceptScore W1907154032C189352744 @default.
• W1907154032 hasConceptScore W1907154032C190669063 @default.
• W1907154032 hasConceptScore W1907154032C199360897 @default.
• W1907154032 hasConceptScore W1907154032C2776225642 @default.
• W1907154032 hasConceptScore W1907154032C2778220771 @default.
• W1907154032 hasConceptScore W1907154032C2779343474 @default.
• W1907154032 hasConceptScore W1907154032C2780598303 @default.
• W1907154032 hasConceptScore W1907154032C33923547 @default.
• W1907154032 hasConceptScore W1907154032C41008148 @default.
• W1907154032 hasConceptScore W1907154032C86803240 @default.
• W1907154032 hasConceptScore W1907154032C95057490 @default.
• W1907154032 hasIssue "1" @default.
• W1907154032 hasLocation W19071540321 @default.
• W1907154032 hasOpenAccess W1907154032 @default.
• W1907154032 hasPrimaryLocation W19071540321 @default.

• next