The estimation results are summaris

The estimation results are summarised in Table 1. Here, we can see that all
five MMNL specifications lead to significant gains in model fit over the MNL
model, highlighting the presence of significant levels of taste heterogeneity in the
sample. In terms of the adjusted ρ
2 measure, the best performance is obtained
by the Johnson SB distribution ahead of the Lognormal distribution, with the
symmetrical Triangular giving the poorest fit to the data. The three symmetrical
distributions produce significant probabilities of positive coefficient values,
especially for βTT, where these results can be directly linked to the distributional
assumptions (cf. Hess et al., 2005). Both the Lognormal and the Johnson SB
distributions indicate that the domain of the distribution for the two taste coefficients
should be entirely negative. Indeed, for the Lognormal distribution,
both offset parameters are negative (albeit no different from zero), while for the
Johnson SB distribution, the offset and range parameters are such that the upper
limit for both coefficients is below zero. Before moving on, it should also
be noted that for the Johnson SB distribution, the second shape parameter (γ)
is only significantly different from zero at the 89% level for βTC, while for βTT,
neither shape parameter is significant at any reasonable level of confidence. This
is an illustration of the difficulties of estimating parameters for this complex
distribution.

ผลลัพธ์ (ไทย) 1:

ผลการประเมินเป็น summarised ในตารางที่ 1 ที่นี่ เราสามารถเห็นได้ว่าทั้งหมดข้อมูลจำเพาะ MMNL ห้าทำกำไรในรูปแบบที่เหมาะสมกว่า MNL สำคัญรุ่น เน้นสถานะของระดับสำคัญของ heterogeneity รสชาติในการตัวอย่างการ ในแง่ของρปรับปรุงวัด 2 ประสิทธิภาพที่ดีที่สุดจะได้รับโดยการกระจาย Johnson SB ก่อนแจกแจง มีการระบบสามสกุลสมมาตรให้พอดีจนที่สุดกับข้อมูล สามสมมาตรการกระจายการผลิตกิจกรรมอย่างมีนัยสำคัญของค่าสัมประสิทธิ์เป็นบวกโดยเฉพาะอย่างยิ่งสำหรับ βTT ซึ่งผลลัพธ์เหล่านี้สามารถจะเชื่อมต่อกับการขึ้นสมมติฐาน (มัทธิว Hess et al., 2005) ทั้งแบบ Lognormal และ Johnson SBการกระจายการบ่งชี้ว่า โดเมนของการกระจายสำหรับสัมประสิทธิ์สองรสควรเป็นค่าลบทั้งหมด การแจกแจง แน่นอนทั้งสองพารามิเตอร์ออฟเซ็ตเป็นลบ (แม้ว่าไม่ใช่ศูนย์), ในขณะJohnson SB กระจาย พารามิเตอร์ออฟเซ็ตและช่วงเป็นที่ส่วนบนวงเงินสำหรับค่าสัมประสิทธิ์ทั้งนี้ศูนย์ ก่อนที่จะย้ายใน ควรยังจะสังเกตว่า การแจก Johnson SB ที่สองรูปร่างพารามิเตอร์ (γ)จะแตกต่างอย่างมากจากศูนย์ที่ระดับ 89% สำหรับ βTC สำหรับ βTTพารามิเตอร์รูปร่างไม่เป็นอย่างมีนัยสำคัญที่ระดับความเชื่อมั่นใด ๆ เหมาะสม นี้เป็นภาพของความยากลำบากของการประมาณพารามิเตอร์สำหรับการที่ซับซ้อนการกระจายงาน

ผลลัพธ์ (ไทย) 2:

ผลการประมาณค่าได้สรุปไว้ในตารางที่ 1 ที่นี่เราจะเห็นว่าทุก
ห้าข้อกำหนด MMNL นำไปสู่กำไรอย่างมีนัยสำคัญในแบบรูปแบบมากกว่า MNL
รุ่นไฮไลต์การแสดงตนของระดับที่มีนัยสำคัญของความหลากหลายรสชาติใน
ตัวอย่าง ในแง่ของการปรับρ
2 วัดประสิทธิภาพการทำงานที่ดีที่สุดที่จะได้รับ
จากการจัดจำหน่ายจอห์นสัน SB ข้างหน้าของการกระจาย Lognormal กับ
สามเหลี่ยมสมมาตรให้พอดีที่ยากจนที่สุดกับข้อมูลที่ สามสมมาตร
การแจกแจงความน่าจะเป็นในการผลิตอย่างมีนัยสำคัญของค่าสัมประสิทธิ์บวก
โดยเฉพาะอย่างยิ่งสำหรับβTTซึ่งผลเหล่านี้สามารถเชื่อมโยงโดยตรงกับการกระจาย
สมมติฐาน (cf เดิม et al., 2005) ทั้ง Lognormal และจอห์นสัน SB
แจกแจงระบุว่าโดเมนของการกระจายทั้งสองค่าสัมประสิทธิ์รสชาติ
ควรจะเป็นเชิงลบทั้งหมด อันที่จริงสำหรับการกระจายลอกนอร์มอล
ทั้งพารามิเตอร์ชดเชยเป็นลบ (แม้จะไม่แตกต่างจากศูนย์) ในขณะที่สำหรับ
การจัดจำหน่ายจอห์นสัน SB, ชดเชยและพารามิเตอร์ช่วงดังกล่าวว่าบน
ขีด จำกัด สำหรับค่าสัมประสิทธิ์ทั้งสองด้านล่างเป็นศูนย์ ก่อนที่จะย้ายก็ควร
จะตั้งข้อสังเกตว่าสำหรับการจัดจำหน่ายจอห์นสัน SB, พารามิเตอร์รูปร่างที่สอง (γ)
เป็นเพียงที่แตกต่างกันอย่างมีนัยสำคัญจากศูนย์ที่อยู่ในระดับ 89% สำหรับβTCในขณะที่สำหรับβTT,
พารามิเตอร์รูปร่างไม่เป็นอย่างมีนัยสำคัญในระดับที่เหมาะสมใด ๆ ความเชื่อมั่น นี่
คือตัวอย่างของความยากลำบากในการประมาณค่าพารามิเตอร์สำหรับการนี้ซับซ้อน
กระจาย

ผลลัพธ์ (ไทย) 3:

ในการสรุปในตารางที่ 1 ที่นี่เราสามารถดูว่า
5 ข้อกําหนด mmnl นำไปสู่กำไรอย่างมีนัยสำคัญในแบบพอดีกว่า mnl
รูปแบบเน้นการปรากฏตัวของระดับนัยสำคัญของความหลากหลายในรสชาติ
ตัวอย่าง ในแง่ของการปรับρ
2 วัดประสิทธิภาพที่ดีที่สุดจะได้รับ
โดยจอห์นสัน SB กระจายไปข้างหน้าของการแจกแจงลอกนอร์มอลกับ
สมมาตรสามเหลี่ยมให้พอดีที่สุดกับข้อมูล สามสมมาตรการแจกแจงความน่าจะเป็นที่สำคัญผลิตค่า

โดยเฉพาะบีตาบวกค่า TT ที่ผลลัพธ์เหล่านี้สามารถเชื่อมโยงโดยตรงกับสมมติฐานการแจกแจง
( CF . Hess et al . , 2005 ) ทั้งแบบและ SB
จอห์นสันdistributions indicate that the domain of the distribution for the two taste coefficients
should be entirely negative. Indeed, for the Lognormal distribution,
both offset parameters are negative (albeit no different from zero), while for the
Johnson SB distribution, the offset and range parameters are such that the upper
limit for both coefficients is below zero. Before moving on, it should also
be noted that for the Johnson SB distribution, the second shape parameter (γ)
is only significantly different from zero at the 89% level for βTC, while for βTT,
neither shape parameter is significant at any reasonable level of confidence. This
is an illustration of the difficulties of estimating parameters for this complex
distribution.