中职教育-《交通调查与分析》课件：第十一章 交通意向调查(马超群 主编 人民交通出版社).ppt

SP调查设计
SP实验设计方法概要总结
2. 内容约束 主要工作：删除技术上不可能或不合理的情境（属性组合） 目的：减少选项卡数量，更符合实际情况 假设：技术上不可能实现或实际情况中不合理的标准 损失：正交性 支持理由：“设计数据的正交性（DDO）”和“估测数据的正交性（EDO）”是不完全相同 的。分析技术上不可能实现或不合理的情境的调查数据得到的结果是不可靠的。 备注：再度插入被删除的情境是不可行的。
1. 删除冗余选项 主要工作：删除冗余选项 目的：减少选项卡数量，删除没有调查价值的问题 假设：偏好意向具有传递性 损失：正交性 支持理由：“设计数据的正交性（DDO）”和“估测数据的正交性（EDO）”是不完全相同 的。冗余选项带来极少量有价值的信息，同时会引起被调查者的负面情绪影响认真的思考及 有效的答题。 备注：再度插入被删除的情境是有问题的。
可替代方案是由属性和属性水平组合而成的。上述案例中“地铁”这一选择方案具有4个属性，分别是“出 行时间”，“平均等待时间”，“票价”和“换乘次数”。属性的价值量度称为属性水平，或称水平值。上述 案例的选项卡“地铁”的属性“出行时间”的水平值为40min，倘若调查者考虑“出行时间”有40min、50min、 60min这三种水平值，则称属性“出行时间”有3个水平值。每个替代方案，都是不同属性水平的组合，每种组 合都是一个情境（或称为选项）。
（1）我们可以针对尚未实施的新政策进行调查研究 （2）属性在市场上鲜有变化 （3）属性水平高度依赖于市场 （4）SP数据的收集更经济 然而另一方面，SP调查的主要缺点是其可靠性存在偏差。因为是在假设情境下的行为调查， 可能调查对象的回答值会与实际采取的行动不一致。其中两个知名的偏差有： 调查对象试图证明自己的实际行为的合法性等； 调查对象试图通过回答控制、影响政策。
概述
克罗斯等人（1988）曾将SP方法定义为“调查受访者对一组预先设置的交通运输问题选项的偏好， 以此来预测实际情况的方法。”
与SP数据相对的是显示性偏好（RP，Revealed Preference）数据，RP数据不是对“假想的预先 设置情景”的调查数据，而是被调查者实际发生状况的回顾数据。RP数据也称为显示偏好数据。 SP、RP两种数据的概念如图11-1和11-2所示。
围之内的。至少包含一个在所有实验中都用到的被调查的所有属性中允许进行相对偏好比较的共 同属性（例如，票价或者出行时间）。
表11-10展示了公交服务的案例。票价被作为一个常见的属性进行选择，假定其在预测模型中 已经有了一个明确的定义。在实验1中我们关注地铁票价和其他与时间相关的属性之间的权衡关系， 而在实验2中我们关注地铁票价和其他确定的属性之间的权衡关系。
在图11-1中，我们观察或要求被调查者在现有的可提供选择的服务中实际如何进行选择。 在图11-2中，我们展示了在新的交通运输服务领域的案例，其中介绍到了“交通运输工程”。
概述
表11-1总结了RP数据与SP数据的特征对比。因为SP数据是一种实验数据，我们可以很容易对 调查设计进行控制，因此具有以下优点：
计应用到2个不同被调查者的调查表设计中的案例。采用这一方法可以通过足够数量的样本来估测 因使用部分因子设计而忽略的一些相互作用。然而这也或许会带来更多的冗余选项并使针对个人 的分析评价难度更大。
SP调查设计
SP实验设计方法概要总结
部分因子设计 主要工作：从全因子设计中选择特定的情境（属性组合） 目的：减少选项卡的数量 假设：部分甚至所有交互作用都是不显著的 损失：部分甚至所有的交互作用影响 支持理由：许多地方解释只有主要因子的影响
第十一章 交通意向调查
➢ 11.1 概述 ➢ 11.2 SP调查设计 ➢ 11.3 数据资料整理与分析
交通意向调查
【教学目标】 本章的教学内容主要包括：
基本内容：SP调查的起源、定义，SP调查与RP调查的比较，SP调查 设计，SP调查数据处理； 重点：SP调查设计； 难点：SP实验设计方法。 通过本章内容学习希望能够达到以下几个目标： 掌握：SP调查与RP调查的不同之处，全因子设计与部分因子设计； 理解：SP调查的设计要素； 了解：SP调查数据处理的思路。
在属性差异方面定义属性的设计被称为“关联”设计，因为如果基本选项的值被改变，则其他选项的值也 会以同样的方式被改变，而它们之间的差异性则仍然是保持独立的。
表11-11展示了一个关于一个简单的“关联”设计是如何减少属性数量的例子，以及随之生成的选项。可以 将这个方法引申使用到进一步的属性的定义与一般情况有所差异的选择实验中（例如除了公交汽车、地铁之外 的公共交通）。
SP调查设计
选择实验设计
6. 展示不同的设计 上述方法的使用会削弱原始因子设计的优势，而解决方法之一就是为每个人展示不同的设计。
海牙咨询集团的WinMINT的“G M”命令可以实现为每个被调查者提供不同的属性水平值。 随机使用这一方法进行个体分析将更接近假设的同质性，从而更加有效。表11-12就是折叠设
在“删除冗余选项”的概念中，这个想法是减少那些没有被问价值的选项卡，因为根据研 究人员的猜测这些结果都是可以得到的。而在“上下文约束”的概念中，我们减少的是那些 无法在真实的市场环境中存在的属性组合情况。因此这些选项卡的调查结果是无法通过研究 者的猜测来重新获得的。
“删除冗余选项”是考虑选项卡的内容，而“上下文约束”则仅仅考虑选项本身的意义。 在这个处理过程中我们也失去了属性间的“正交性”。
SP调查设计的要素
偏好的表达方法
1
偏好的陈述背景
2
选择方法的统计设计
3
属性及属性的水平
4
调查样本及样本数
5
调查方法
6
SP调查设计
SP调查设计的要素——偏好的表达方法
SP调查设计
SP调查中，被调查者的偏好表达一般分为选择、排序、评价三种，调查设计人员可以根据不同的调查目的 及需要选用不同的偏好表达方法。三种方法的特征和案例介绍如下。
SP设计中的统计设计就是“如何为每一个被调查者设计图11-3所示的选项卡”。
SP调查设计的要素——属性及属性的水平
SP调查设计
在确定属性水平时，应该首先将能够反映属性现实情况的水平（实测值）包含在内，其次在 实测值的基础上+-20%~+-50%。
在考虑设置属性水平的时候，必须考虑以下几点：
（1）水平值设计必须是合理的；
在这第5个方法中，成对出现的选项（例如，乘汽车出行和乘地铁出行）也许会有作为选项之间的差异性而 定义的属性。例如，在一个实验设计中与其将乘汽车的费用和乘地铁的费用作为两个单独的属性而定义，不如 定义一个可以代表乘汽车的费用和乘地铁的费用之间的差异性的属性来使用。通过这种方式，在实验设计中的 原本的两个属性就可以被一个新的属性所替代。
表11-9是一个LMN模型的全因子设计（拥有2个“两级别”的属性的二元选择设计），总共有 14个选项卡项。在我们的设计中，阴影部分属于块A，其他部分属于块B。在每个块中，属性间仍 然保持着“正交性”的。
SP调查设计
选择实验设计
4. 一系列实验中的共同属性 针对每个个体所开展的一系列的实验，在每个实验中保持属性的数量是在可管理的数量的范
（2）需要与被调查者实际经历的属性水平有所关联；
（3）属性水平必须能体现在考虑替代方案时的差异区分及竞争力；
（4）属性水平必须能覆盖每一个消费者考虑替代方案时能接受的属性变化范围。
为了向被调查者呈现出尽可能明确的、容易理解并贴合实际的SP调查表，其中关于出行的内 容对于被调查者来说必须是熟悉的。因此，为满足以上第2个要求，我们可以在一次实际出行的属 性水平的基础上进行一定的变化来进行属性水平的设计，如表11-5所示，可以按某一固定值的增 减设计水平值，也可以按比例变化设计水平值。
SP实验设计方法——部分因子设计
SP调查设计
部分因子设计源于对相互作用的考虑。在全因子设计中，不仅在主要因子之间是正交的，在 相互作用的因子之间也是正交的，因而在部分因子设计中除了主要的影响因子之外我们忽略一些 相互作用的因子，示例见表11-8。
假设有3个2种水平值的属性，为保持从0开始的等间距，属性水平记为1和-1。在全因子设计中， 所有属性（主要影响因子），相互作用的因子都必须是正交的或者相互独立的。在部分因子设计 中，就是从全因子设计中选择特定的选项（如本例中的1、4、6、7行）的过程，相互作用的项不 再是正交的了。例如，属性1和相互作用项2×3就是完全相关的了，然而仍然保留了主要影响因子 之间的正交性。
对结果进行分析，被调查者被按特征进行分组可以提升属性的同质性（如，性别，职业）。 模型系数（或“偏好权重”）源自于用来计算不同属性应对票价变化的相对重要性这样一个分析 （即由比例系数推导而出）。在那种方式下，我们通过给出一个常数量的实验来对不同属性进行 估计。
选择实验设计
SP调查设计
5. 在属性之间的方差项上定义属性
SP调查设计
SP实验设计方法——全因子设计
以表11-6所示的实验设计为例，实验需要研究被调查者对一个公共交通服务的3个属性（即票 价、通行时间和发车频率）的偏好，而每个属性分别有2个水平值。我们希望各属性的水平值能更 多一些，然而为了简单起见我们就限制为两个水平值。可以看到8种情况分别代表不同类型的公共 交通服务，被调查者需要对这8种情况进行评估。为了方便表示，通常我们将表11-6改写为表11-7 的数据形式。
选择实验设计
SP调查设计
3. “块”设计
这第3个方法，要求将选项集拆分成不同子集（被称为“块”），保留完整的实验设计但将任 务分摊给一定数量的不同被调查者。
“块”必须要能独立地代替部分因子设计，至少要能允许属性的主要影响因素能被分别地观 察到，否则将削弱分析的数据的有效性。出于这个原因，块设计是在需要考虑相互作用项（相乘 项）时使用的。
(1) 选择法
选择法是被调查者从2个以上的选择肢中选择最偏好的1个，如表11-2所示。与其他方法相比，调查实施方 便，是SP调查中偏好表达最常用的方法。其缺点是每次只能获取被选择的选择肢信息，而对没有被选择的选择 肢的偏好程度等偏好数据则无法获取。
(2) 排序法
排序法是调查过程中向被调查者展示所有的选择肢，被调查者按照自己的偏好程度对选择肢进行排序，如 表11-3所示。排序法的优点是所有的选择肢同时被考虑，一次调查可以获取所有的选择肢数据，但是随着选择 肢数目增加，被调查者对其排序的难度将增加，所获取数据的可信度也随之下降。
(3) 评价法
ቤተ መጻሕፍቲ ባይዱ
与排序法不同，对选择肢的偏好程度直接通过李克特尺度的形式来表示的方法，一般为5或7个尺度，如表 11-4所示。所获取的数据不仅包括被选择的选择肢数据，选择肢间的排序信息也可获取。
SP调查设计的要素——选择方法的统计设计
SP调查设计
基于选择的SP实验包含了一些SP选择问项，在每一问项中每个调查者都会被问及“你会选择哪一种”，被 调查者需要回答N个问题，在第一问中选择“地铁”，这一问项中的选项被称为选择肢，该问项有2个选择肢， “地铁”和“公共汽车”，选择肢的集合称为选项集，而选项则称为“选择肢”。
1.删除冗余选项 通过将这些冗余选项卡项插回数据集合中以及“假设”的回答数据是可以克服这些问题的，
但是使用这样的人为数据必然是有问题的；此外我们可以通过假定的“传递性”效应来减少 一些冗余选项。 2. 进行上下文约束
另一种减少选项卡的方法是删除在实际中不可能或者不合理的属性的组合情况，类似于上 面所解释的“删除冗余选项”的概念，但是他们是相当不同的。
在上述案例中，提供2种可替代方案，这种选择被称为二元选择游戏（又称对立选择游戏）；而那些超过2 种可替代方案的选择被称为多元选择游戏；在一些问卷中，被调查者也可以选择“不确定”。
如果整个选择实验的每组可选择的方案都是相同的，则称为“固定选项集设计”；反之，如果每组可选择 的方案不尽相同，是变化的，则称为“可变选项集设计”。
SP调查设计
选择实验设计
为了减少选项卡的数量，部分因子设计是最常用的解决方案。这里我们介绍了 一些方法来解决阶乘设计的问题。
1 删除冗余选项 2 进行上下文约束 3 “块”设计 4 一系列实验中的共同属性 5 在属性之间的方差项上定义属性 6 展示不同的设计 7 随机选择
SP调查设计
选择实验设计