3. Methods3.1. Study areaThe study

3. Methods
3.1. Study area
The study area of this paper is metropolitan Perth, the state
capital of Western Australia and the fourth largest Australian city,
after Sydney, Melbourne and Brisbane. In Perth, there are five train
lines (Armadale, Fremantle, Joondalup, Midland and Mandurah
lines), with one spur line (the Thornlie line), giving an overall
starlike shape to this system (see Fig. 2). The total railway is
173.1 km in length and covers 69 train stations (Department of
Infrastructure and Transport, 2012).
3.2. Data collection and preparation
The data used in this paper were collected from two sources: a
field survey and archival data from related government departments.
Data such as geographical data (e.g., land use, Railway,
Road, Strategic Transport Evaluation Model (STEM) zone) and
previous survey data (e.g., 2008 P&R survey) were from the
Department of Transport (DoT), Public Transport Authority (PTA)
and The Department of Planning (DoP), Western Australia.
Intercept surveys were conducted to collect commuters’ trip
diaries and their attitudes to station facilities and service quality.
Seven train stations were selected—Warwick, Greenwood, Murdoch,
Warnbro, Midland, Cannington, and Claremont—and the data
were collected from 6:00 AM to 6:00 PM on July 31 and August 1,
2012. At these stations, respondents aged 18 and over were asked
to complete a self-administered questionnaire. In total, 940 survey
responses were used in this study.
Based on the research framework, 11 factors were used for
station choice modelling. The four factors in green colour in Table 1
were derived directly from the survey data, while the others
needed further calculation. Table 2 describes traveller and trip
characteristics of the sample used in this study.
3.3. Data analysis framework
The goal of study is to understand whether the chosen station
is the nearest station choice or not (1, or 0). In this sense, the
logistic regression model works as a classifier for understanding
the probability of choosing the nearest station among the chosen
stations. The logistic models estimate the conditional distribution
of the response Y, given the input variables X, Pr (Y = 1 |X = x).
which is a binary output from the input variables, such as train
users' and their trips’ characteristics. The parameters of x, which is
best fit to the data, was solved using Maximum likelihood
estimation. It can easily modify log p, which has an unbounded
range, using logistic transformation, logP=1 p, which is the
natural logarithm of odds that train users choose the nearest train
station. Therefore, we can transform the function of x into linear
function. Actually, logistic regression is linear interpolation for the
log-odds (Faraway, 2005). Fig. 3 summarises the data analysis
procedure. If the chosen station is the nearest station, the
dependent variable is one, otherwise it is zero. The independent
variables (Xn in Eq. (1)) are the characteristics of chosen stations,
individual respondents and their trips. The form of the logistic
regression equation is (Ralph et al., 2006):
ln p
1 p


¼ b0 þ b1X1 þ b2X2 þ . . . þ bnX2 þ e
where p is the proportion of successes;X1 to X2 are independent
variables;n is the number of independent variables;b0 is the
intercept;bi (i = 1,...,n) are the regression parameters; ande is the
random error term.
In this study, p represents the proportion choosing the nearest
station. And so 1 p is the proportion not choosing the nearest
station. p=1 p is the “odds” of choosing the nearest station.
lnfp=1 pg is called the “log odds” or the “logit” of Y. Regression
parameters, bi (i = 1,..., p), reflect the change in the log odds (or
logit) of Y relative to a one unit change in Xi. The independent
variables Xi can be continuous or categorical variables. The logistic
regression model was used for captive and non-captive stations
respectively to identify the significant factors affecting the nearest
station choice of train users. Sensitivity tests were also conducted
based on established the models to understand the influences of
independent variables, such as distance, on the nearest station
choice.
In addition, we used R Package ‘polycor’ to compute a
heterogenous correlation matrix, consisting of Pearson productmoment
correlations between numeric variables, polyserial
correlations between numeric and ordinal variables, and polychoric
correlations between ordinal variables.

ผลลัพธ์ (ไทย) 1:

3. วิธี3.1 การศึกษาพื้นที่พื้นที่ศึกษาของกระดาษนี้เป็นนครเพิร์ธ รัฐเมืองหลวงของออสเตรเลียตะวันตกและออสเตรเลียเมืองใหญ่สี่หลังจากซิดนีย์ เมลเบิร์น และบริสเบน ในเพิร์ธ มีห้ารถไฟบรรทัด (อาร์มาเดล ฟรีแมนเทิล จูนดาลัพ คอร์ปอร์เร และแมนดูร่าห์บรรทัด), บรรทัดหนึ่งเดือย (Thornlie บรรทัด), ให้การโดยรวมรูปร่างเป็น starlike ระบบนี้ (ดู Fig. 2) รถไฟรวมเป็น173.1 กม.ในความยาวและครอบคลุม 69 สถานีรถไฟ (ภาควิชาโครงสร้างพื้นฐานและการขนส่ง 2012)3.2 รวบรวมข้อมูลและการเตรียมข้อมูลที่ใช้ในเอกสารนี้ถูกเก็บรวบรวมจากแหล่งที่สอง: การสำรวจและเก็บถาวรข้อมูลจากหน่วยงานรัฐบาลที่เกี่ยวข้องข้อมูลเช่นข้อมูลทางภูมิศาสตร์ (เช่น ที่ดินใช้ รถไฟถนน เขตยุทธศาสตร์ขนส่งประเมินรูปแบบ (ก้าน)) และข้อมูลสำรวจก่อนหน้านี้ (เช่น 2008 P และ R ที่สำรวจ) ได้จากการกรมคมนาคม (DoT), หน่วยงานระบบขนส่งสาธารณะ (PTA)และแผนกวางแผน (รับ) ออสเตรเลียตะวันตกสำรวจจุดตัดแกนได้ดำเนินการรวบรวมของผู้เดินทางไดอารีส์และทัศนคติของสถานีสิ่งอำนวยความสะดวกและคุณภาพบริการเลือกสถานีรถไฟเจ็ด – วอริค Greenwood เมอร์ด็อคWarnbro คอร์ปอร์เร Cannington และโรงแรมแคลร์มองต์ — และข้อมูลได้รวบรวมจาก 6:00 AM ถึง 6:00 น. 31 กรกฎาคมและ 1 สิงหาคม2012. สถานีเหล่านี้ ผู้ตอบอายุ 18 และกว่าถูกถาม การกรอกแบบสอบถามที่มีการปกครองตนเอง รวม สำรวจความคิดเห็นที่ 940คำตอบที่ใช้ในการศึกษานี้ตามกรอบงานวิจัย ปัจจัย 11 ใช้สำหรับสถานีการสร้างแบบจำลองทางเลือก ปัจจัยสี่สีเขียวในตารางที่ 1ได้มาโดยตรงจากข้อมูลสำรวจ ในขณะที่คนอื่น ๆต้องคำนวณเพิ่มเติม ตารางที่ 2 อธิบายเดินและเดินลักษณะของตัวอย่างที่ใช้ในการศึกษานี้3.3 กรอบวิเคราะห์ข้อมูลเป้าหมายของการศึกษาคือการ เข้าใจว่าสถานีท่านเป็นการเลือกสถานีที่ใกล้ที่สุด หรือไม่ (1 หรือ 0) ในความรู้สึกนี้ การแบบจำลองถดถอยโลจิสติกทำงานเป็น classifier เพื่อความเข้าใจความน่าเป็นของการเลือกสถานีที่ใกล้ที่สุดระหว่างเลือกสถานี การแจกแจงแบบมีเงื่อนไขประเมินรูปแบบโลจิสติกของการตอบสนอง Y ให้ป้อนค่าตัวแปร X, Pr (Y = 1 | X = x)ซึ่งเป็นผลจากตัวแปรอินพุต เช่นรถไฟไบนารีผู้ใช้และตัวเดินลักษณะนี้ พารามิเตอร์ของ x ซึ่งเป็นเหมาะกับข้อมูล ถูกแก้ไขโดยใช้ความเป็นไปได้สูงสุดการประเมินการ สามารถได้อย่างง่ายดายปรับเปลี่ยนล็อก p ซึ่งมีการงที่ช่วง การใช้ logistic แปลง logP = 1 p ซึ่งเป็นลอการิทึมธรรมชาติของราคาที่ผู้ใช้รถเลือกรถไฟที่ใกล้ที่สุดสถานี ดังนั้น เราสามารถเปลี่ยนฟังก์ชันของ x เป็นเชิงเส้นฟังก์ชันการ จริง การถดถอยโลจิสติกจะสอดแทรกเชิงเส้นสำหรับการล็อกราคา (Faraway, 2005) Fig. 3 summarises การวิเคราะห์ข้อมูลขั้นตอนการ ถ้าสถานีท่านเป็นสถานีที่ใกล้ที่สุด การขึ้นอยู่กับตัวแปรเป็นหนึ่ง หรือ เป็นศูนย์ อิสระในการตัวแปร (Xn ใน Eq. (1)) มีลักษณะของสถานีท่านผู้ตอบแต่ละตัวและการเดินทาง รูปแบบของการลอจิสติกสมการถดถอยคือ (Ralph และ al., 2006):ln p1 p
¼ b0 þ b1X1 þ b2X2 þ...þ bnX2 þ eโดยที่ p คือ สัดส่วนของความสำเร็จ X 1 2 X เป็นอิสระตัวแปร n คือ จำนวนตัวแปรอิสระ b0 เป็นจุดตัดแกน bi (ฉัน = 1,..., n) เป็นพารามิเตอร์ถด คือ andeเงื่อนไขข้อผิดพลาดแบบสุ่มในการศึกษานี้ p หมายถึงสัดส่วนการเลือกสถานี และ 1 ดังนั้น p คือ สัดส่วนที่ไม่เลือกที่ใกล้เคียงที่สุดสถานี p = 1 p คือ "ราคา" ของการเลือกสถานีที่ใกล้ที่สุดlnfp = 1 pg จะเรียกว่า "ล็อกราคา" หรือ "logit" ของ Y. ถดถอยพารามิเตอร์ bi (ฉัน = 1,..., p), สะท้อนให้เห็นถึงการเปลี่ยนแปลงในราคาล็อก (หรือlogit) ของ Y เทียบกับหนึ่งหน่วยเปลี่ยนซีอานซีกวน อิสระในการตัวแปร Xi ได้ตัวแปรต่อเนื่อง หรือแตก การโลจิสติกแบบจำลองถดถอยที่ใช้สำหรับสถานีภายในกิจการและ และ จำเลยไม่ตามลำดับเพื่อระบุปัจจัยสำคัญที่มีผลต่อการเลือกสถานีของผู้ใช้รถ นอกจากนี้ยังได้ดำเนินการทดสอบความไวใช้ในการก่อตั้งรุ่นเข้าใจอิทธิพลของตัวแปรอิสระ เช่นระยะทาง บนสถานีที่ใกล้ที่สุดเลือกนอกจากนี้ เราใช้แพคเกจ R 'polycor' เพื่อคำนวณการความสัมพันธ์ของ heterogenous เมตริกซ์ เพียร์ productmoment ประกอบด้วยความสัมพันธ์ระหว่างตัวแปรตัวเลข polyserialความสัมพันธ์ระหว่างตัวแปรตัวเลข และเครื่องหมายสัญลักษณ์ และ polychoricความสัมพันธ์ระหว่างตัวแปรเครื่องหมายสัญลักษณ์

ผลลัพธ์ (ไทย) 2:

3. วิธีการ
3.1 พื้นที่ศึกษาพื้นที่การศึกษาของงานวิจัยนี้คือนครเพิร์ ธ รัฐเมืองหลวงของออสเตรเลียตะวันตกและสี่เมืองที่ใหญ่ที่สุดของออสเตรเลียหลังจากที่ซิดนีย์, เมลเบิร์นและบริสเบน ในเพิร์ ธ มีห้ารถไฟสาย(อาร์, Fremantle, Joondalup ประเทศและ Mandurah เส้น) กับกระตุ้นเส้น (เส้น Thornlie) ทำให้โดยรวมรูปร่างเหมือนดาวกับระบบนี้(ดูรูปที่. 2) รถไฟรวม173.1 กิโลเมตรยาวและครอบคลุม 69 สถานีรถไฟ (กรมโครงสร้างพื้นฐานและการขนส่ง2012). 3.2 การเก็บรวบรวมข้อมูลและการจัดเตรียมข้อมูลที่ใช้ในบทความนี้ได้ถูกรวบรวมจากสองแหล่ง: ก. การสำรวจภาคสนามและเก็บถาวรข้อมูลจากหน่วยงานราชการที่เกี่ยวข้องเช่นข้อมูลข้อมูลทางภูมิศาสตร์(เช่นการใช้ที่ดินการรถไฟถนนประเมินผลยุทธศาสตร์การขนส่งรุ่น(STEM) โซน ) และข้อมูลการสำรวจก่อนหน้า(เช่น 2008 P & สำรวจ R) มาจากกรมการขนส่งทางบก(dot), การขนส่งสาธารณะ (PTA) และภาควิชาการวางแผน (DOP) ออสเตรเลียตะวันตก. สำรวจสกัดกั้นได้ดำเนินการในการเก็บรวบรวมผู้โดยสาร 'เดินทางไดอารี่และทัศนคติของพวกเขาสิ่งอำนวยความสะดวกที่สถานีและคุณภาพการบริการ. เซเว่นสถานีรถไฟได้รับการคัดเลือก-Warwick, กรีนวูดเมอร์ด็Warnbro ประเทศ, Cannington และแคลร์และข้อมูลที่ถูกเก็บรวบรวม6:00-06:00 เมื่อวันที่ 31 กรกฎาคมและ 1 เดือนสิงหาคม, ปี 2012 ที่สถานีเหล่านี้ผู้ตอบแบบสอบถามที่มีอายุ 18 และถูกถามให้เสร็จสมบูรณ์แบบสอบถาม โดยรวมแล้ว 940 สำรวจการตอบสนองที่ถูกนำมาใช้ในการศึกษานี้. อยู่บนพื้นฐานของกรอบการวิจัยที่ 11 ปัจจัยที่ถูกนำมาใช้สำหรับสถานีการสร้างแบบจำลองทางเลือก ปัจจัยสี่สีสีเขียวในตารางที่ 1 ที่ได้รับโดยตรงจากข้อมูลการสำรวจในขณะที่คนอื่น ๆที่จำเป็นต่อการคำนวณ ตารางที่ 2 อธิบายเดินทางและการเดินทางลักษณะของกลุ่มตัวอย่างที่ใช้ในการศึกษาครั้งนี้. 3.3 กรอบการวิเคราะห์ข้อมูลเป้าหมายของการศึกษาคือการเข้าใจว่าสถานีได้รับการแต่งตั้งเป็นทางเลือกสถานีที่ใกล้ที่สุดหรือไม่(1 หรือ 0) ในความรู้สึกนี้รูปแบบการถดถอยโลจิสติกทำงานเป็นลักษณนามสำหรับการทำความเข้าใจน่าจะเป็นของการเลือกสถานีที่ใกล้ที่สุดในหมู่ที่เลือกสถานี โมเดลโลจิสติกประมาณเงื่อนไขการจำหน่ายของการตอบสนอง Y ที่ได้รับตัวแปร x, พีอาร์ (Y = 1 | X = x). ซึ่งเป็นผลผลิตไบนารีจากตัวแปรเช่นรถไฟของผู้ใช้และการเดินทางของพวกเขาลักษณะ พารามิเตอร์ของ x ซึ่งเป็นแบบที่ดีที่สุดกับข้อมูลที่ได้รับการแก้ไขโดยใช้ความน่าจะเป็นสูงสุดประมาณค่า มันสามารถปรับเปลี่ยนหน้าเข้าสู่ระบบซึ่งมีมากมายหลากหลายโดยใช้การเปลี่ยนแปลงโลจิสติก LogP = 1 พีซึ่งเป็นลอการิทึมธรรมชาติของอัตราต่อรองที่ฝึกอบรมผู้ใช้เลือกที่ใกล้ที่สุดรถไฟสถานี ดังนั้นเราจึงสามารถเปลี่ยนฟังก์ชั่นของ x เชิงเส้นเข้าไปในฟังก์ชั่น อันที่จริงการถดถอยโลจิสติกเป็นเชิงเส้นสำหรับการเข้าสู่ระบบการต่อรอง (Faraway 2005) มะเดื่อ. 3 สรุปการวิเคราะห์ข้อมูลขั้นตอน ถ้าสถานีได้รับการแต่งตั้งเป็นสถานีที่ใกล้ที่สุดที่ตัวแปรตามเป็นหนึ่งมิฉะนั้นจะเป็นศูนย์ อิสระตัวแปร (Xn ในสมการ (1).) จะมีลักษณะของสถานีที่เลือกตอบแบบสอบถามของแต่ละบุคคลและเดินทางของพวกเขา รูปแบบของโลจิสติกสมการถดถอยเป็น (ราล์ฟ et al, 2006.) LN พี1 พี? ¼ b0 þ b1X1 þ b2X2 þ . . þ bnX2 þจที่พีเป็นสัดส่วนของความสำเร็จ; X1 X2 จะมีความเป็นอิสระตัวแปรn คือจำนวนตัวแปรอิสระ; b0 เป็นตัด; สอง (i = 1, ... , n) คือตัวแปรถดถอย; Ande เป็นระยะข้อผิดพลาดแบบสุ่ม. ในการศึกษานี้แสดงให้เห็นถึงพีสัดส่วนการเลือกที่ใกล้ที่สุดอยู่ที่สถานี และอื่น ๆ 1 พีเป็นสัดส่วนไม่เลือกที่ใกล้ที่สุดอยู่ที่สถานี p = 1 พีคือ "การต่อรอง" ของการเลือกสถานีที่ใกล้ที่สุด. lnfp = 1 หน้าเรียกว่า "การต่อรองการเข้าสู่ระบบ" หรือ "โลจิต" ของวายถดถอยพารามิเตอร์สอง(i = 1, ... , พี) สะท้อนให้เห็นถึงการเปลี่ยนแปลงในอัตราต่อรองล็อก (หรือlogit) ของ Y ที่สัมพันธ์กับการเปลี่ยนแปลงในหนึ่งหน่วย Xi อิสระตัวแปร Xi สามารถเป็นตัวแปรต่อเนื่องหรือเด็ดขาด โลจิสติกแบบการถดถอยที่ใช้สำหรับสถานีเชลยและไม่เป็นเชลยตามลำดับในการระบุปัจจัยที่สำคัญส่งผลกระทบต่อที่อยู่ใกล้ที่สุดทางเลือกของผู้ใช้ที่สถานีรถไฟ การทดสอบความไวแสงได้ดำเนินการนอกจากนี้ยังขึ้นอยู่กับการจัดตั้งรูปแบบที่จะเข้าใจอิทธิพลของตัวแปรอิสระเช่นระยะทางที่สถานีรถไฟที่ใกล้ที่สุดทางเลือก. นอกจากนี้เราใช้ R แพคเกจ 'polycor' เพื่อคำนวณสัมพันธ์เมทริกซ์heterogenous ประกอบด้วยเพียร์สัน productmoment ความสัมพันธ์ ระหว่างตัวแปรตัวเลข polyserial ความสัมพันธ์ระหว่างตัวแปรที่เป็นตัวเลขและลำดับและ polychoric ความสัมพันธ์ระหว่างตัวแปรลำดับ

ผลลัพธ์ (ไทย) 3:

3 . วิธีการ
3.1 .
พื้นที่ศึกษาศึกษาพื้นที่ของกระดาษนี้เป็นนครเพิร์ธ เมืองหลวงของรัฐ
ออสเตรเลียตะวันตกและเมืองที่ใหญ่ที่สุดของออสเตรเลีย 4
หลังจากซิดนีย์ เมลเบิร์น บริสเบน ในเมืองเพิร์ธ มีห้าสายรถไฟ
( Armadale Fremantle , จูนดาลุพ , ภาคกลาง , Mandurah
และเส้น ) กับสายเดือย ( thornlie บรรทัด ) ให้มีรูปร่างโดยรวม starlike
ระบบนี้ ( ดูรูปที่ 2 )รถไฟรวม
173.1 กิโลเมตรในความยาวและครอบคลุม 69 สถานีรถไฟ ( ภาควิชา
โครงสร้างพื้นฐานและการขนส่ง , 2012 )
2 . การเก็บรวบรวมข้อมูลและการใช้ข้อมูลในกระดาษ
ครั้งนี้นำมาจากสองแหล่ง :
ภาคสนามและข้อมูลจดหมายเหตุจากหน่วยงานรัฐบาล .
ข้อมูลเช่นข้อมูลทางภูมิศาสตร์ ( เช่นการใช้ที่ดินรถไฟ
ถนนรูปแบบการประเมินยุทธศาสตร์การขนส่ง ( ต้น ) โซน ) และ
ข้อมูลการสำรวจก่อนหน้านี้ ( เช่น & 2008 P R (
) จากกรมขนส่ง ( DOT ) การขนส่งสาธารณะ ( PTA )
และแผนกวางแผน ( DOP ) ออสเตรเลียตะวันตก มีวัตถุประสงค์เพื่อรวบรวมการสำรวจสกัดกั้น

การเดินทางของผู้โดยสาร ไดอารี่และทัศนคติของพวกเขาไปยังสถานีสิ่งอำนวยความสะดวกและบริการคุณภาพ
สถานีรถไฟเจ็ดที่ Warwick , Greenwood , เมอร์ด็อก ,
warnbro , ภาคกลาง , cannington และ Claremont และเก็บข้อมูล
ตั้งแต่ 6.00 น. ถึง 06.00 น. วันที่ 31 กรกฎาคม และ 1 สิงหาคม
2012 ที่สถานีนี้ ผู้ตอบแบบสอบถามที่มีอายุ 18 ขึ้นไปถาม
กรอกแบบสอบถาม ทั้งหมด แต่การตอบสนองการสำรวจ

ใช้แบบสอบถาม ตามกรอบการวิจัย11 ปัจจัยใช้เป็นสถานี
เลือกนางแบบ สี่ปัจจัยสีเขียวในตารางที่ 1
ได้โดยตรงจากข้อมูลการสำรวจในขณะที่ผู้อื่น
ต้องการการคำนวณเพิ่มเติม ตารางที่ 2 การอธิบายลักษณะการเดินทางของนักท่องเที่ยว และกลุ่มตัวอย่างที่ใช้ในการศึกษา
.
3.3 . ข้อมูลการวิเคราะห์กรอบ
เป้าหมายของการศึกษาเพื่อทำความเข้าใจว่าเลือกสถานี
เป็นสถานีที่ใกล้ที่สุด เลือก หรือ ไม่ ( 1 หรือ 0 ) ในความรู้สึกนี้ ,
การวิเคราะห์การถดถอยโลจิสติก ทำงานเป็นส่วนขยายสำหรับความเข้าใจ
ความน่าจะเป็นของการเลือกสถานีที่ใกล้ที่สุดระหว่างเลือก
สถานี โมเดลโลจิสติกการประเมินตามเงื่อนไขของการกระจาย
Y ให้ใส่ตัวแปร x , PR ( Y = 1 | X = X )
ซึ่งเป็นผลผลิตไบนารีจากตัวแปรนำเข้า เช่น รถไฟ
ของผู้ใช้และการเดินทางของพวกเขาลักษณะ ค่าของ x ที่
ที่ดีที่สุดเหมาะสมกับข้อมูลถูกแก้ไข โดยใช้การประมาณความน่าจะเป็น
สูงสุด มันสามารถปรับเปลี่ยนเข้าสู่ระบบ P ซึ่งมีช่วงความ
ใช้โลจิสติกการ logp = 1 p ซึ่ง
ธรรมชาติราคาที่ผู้ใช้เลือกลอการิทึมของรถไฟสถานีรถไฟ
ที่ใกล้ที่สุด ดังนั้นเราจึงสามารถเปลี่ยนฟังก์ชันเป็นฟังก์ชันเชิงเส้นของ x
จริงๆ แล้วคือการถดถอยแบบเชิงเส้นสำหรับ
ล็อกราคา ( ไกล , 2005 ) รูปที่ 3 summarises
ขั้นตอนการวิเคราะห์ข้อมูล ถ้าสถานีที่เลือกเป็นสถานีที่ใกล้ที่สุด
ตัวแปรหนึ่ง มิฉะนั้น จะเป็นศูนย์ ตัวแปรอิสระ
( คริสเตียนในอีคิว ( 1 ) เป็นลักษณะของการเลือกสถานี
ผู้ตอบแบบสอบถามส่วนบุคคลและการเดินทางของพวกเขา รูปแบบของโลจิสติก
สมการถดถอย ( Ralph et al . , 2006 ) :
p
1 P


¼ B0 þ b1x1 þ b2x2 þ . . . . . . . . þ bnx2 þ E
ที่ p คือสัดส่วนของความสำเร็จ ; X1 กับ X2 ตัวแปรอิสระ
; n คือจำนวนตัวแปรอิสระคือ ; B0
สกัดกั้น ; บี ( i = 1 , . . . , n ) ได้สมการพารามิเตอร์ Ande เป็น

ความคลาดเคลื่อนในระยะ ในการศึกษานี้ พี แสดงสัดส่วนการเลือกสถานีที่ใกล้ที่สุด

ดังนั้น 1 P มีสัดส่วน ไม่ใช่เลือกที่สถานีที่ใกล้ที่สุด

P = 1 P เป็น " โอกาส " ของการเลือกสถานีที่ใกล้ที่สุด
lnfp = 1 PG เรียกว่า " บันทึกราคา " หรือ " โดยใช้ " Y )
พารามิเตอร์ บี ( i = 1 , . . . , p ) , สะท้อนให้เห็นถึงการเปลี่ยนแปลงใน log เดิมพัน ( หรือ Y
โลจิต ) ญาติ ต่อหนึ่งหน่วยการเปลี่ยนแปลงใน Xi Xi
ตัวแปรอิสระสามารถตัวแปรต่อเนื่องหรือเป็นเด็ดขาด โลจิสติก
แบบจำลองสมการถดถอยที่ใช้คือเชลยและไม่ใช่สถานีเชลย
ตามลำดับเพื่อระบุปัจจัยที่มีผลต่อการเลือกใช้สถานีที่ใกล้ที่สุด
รถไฟ การทดสอบความไวก็ดำเนินการตามขึ้นโมเดล
เข้าใจอิทธิพลของ
ตัวแปรอิสระ เช่น ระยะทาง ในการเลือกสถานีที่ใกล้ที่สุด
.
นอกจากนี้ เราใช้แพคเกจ ' R '
polycor คำนวณกลุ่มที่ประกอบด้วยเมทริกซ์สหสัมพันธ์ , ค่าสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน
ความสัมพันธ์ระหว่างตัวแปรตัวเลขความสัมพันธ์ระหว่างตัวแปรที่เป็นตัวเลขและ polyserial
.
polychoric และความสัมพันธ์ระหว่างตัวแปร . .