[发明专利]基于租房与购房两类选择者住房选择模型的微观仿真方法

摘要

本发明涉及一种基于租房与购房两类选择者住房选择模型的微观仿真方法。本发明通过研究两类选择者在进行住房选择时的选择影响因素，建立了两类选择者住房选择子模型，利用多元离散选择方法来计算效用概率，并通过最大似然估计法来估计效用方程系数，可利用t统计值和可调对数似然比对子模型的贡献度、信任度和拟合优度进行检测。应用本发明的方法能动态模拟城镇居民的住房选择行为，能为居民个人住房选择提供科学、有效、全局的决策建议，应用本方法也能有效模拟和预测城市土地利用的变化，为城市建设、管理和规划工作提供辅助决策支持。

主权项

一种基于租房与购房两类选择者住房选择模型的微观仿真方法，其特征在于，具体步骤为：步骤一：先通过对租房与购房两类选择者类型，实际选择情况，及实际选择时租房与购房两类选择者考虑因素的研究分析，获得租房与购房两类选择者住房选择因素，并根据选择者类型及两类选择者住房选择因素确定租房与购房两类子模型效用变量；步骤二：采用蒙特卡洛技术对城市土地空间资源和现有城市居民信息进行处理，产生新的空房信息，并结合选择者类型、租房与购房两类子模型效用变量得到住房选择子模型的效用方程，建立基于租房与购房两类选择者的住房选择子模型；步骤三：利用现有城市居民信息，对现有住房信息进行抽样；利用最大似然估计法和抽样住房信息对步骤二中所确定的住房选择子模型的效用方程进行β系数预测，并返回β系数预测值、标准误差、t统计值和可调对数似然比，利用t统计值和可调对数似然比对子模型的贡献度、信任度和拟合优度进行检测；步骤四：对步骤二中产生新的空房信息进行模拟住房选择，模拟选择过程，通过步骤三中所对应的租房或购房的住房选择子模型效用方程的β系数预测值，先计算出住房选择子模型的效用值U，并计算得到住址选择效用概率P及其累计概率；再通过蒙特卡洛方法产生T次0到1之间的随机数，选择随机数落入累计概率区间所对应的住房为所选择的住房，完成了住房选择的整个过程后，将选择结果结合GIS技术进行动态图形化显示；所述步骤三中对住房选择子模型效用方程进行β系数预测的步骤如下:1).对第n个人的选择能够准确预测到的概率是：当第n个人选择i时，уni＝1，否则уni＝0；其中i为第i个住房，Pni为住址选择效用概率；2).假定每个选择者之间的选择是独立的，则每个选择者的选择能够被准确观测到的概率为:其中β为子模型效用方程的系数；i为第i个住房，Pni为住址选择效用概率；3).将L(β)取对数线性化得到最大似然估计函数对于第n个选择者选择结果已知时，样本平均最大似然概率函数为：其中Pn(β)为选择者n准确预测结果概率，β为K*1阶矩阵；极大似然估计法是：在系数β的取值范围内，选取使L(β)达到最大的系数作为β的估计量，从而得到β系数，但在实际住房选择时，由于效用值是非线性的，所以在取最大值时不能对LL(β)直接微分，即不能通过来求β的值；4).对LL(β)进行泰勒二阶展开求β系数：其中：gt为K*1阶矩阵，Ht为k*k阶矩阵，(βt+1‑βt)′为(βt+1‑βt)的转置,t为统计值；对泰勒展开式求导，当导数等于0时，能得到最大值：则βt+1＝βt+(‑Ht‑1)gt，通过迭代法求β的最大值；令βt+1＝βt+λ(‑Ht)‑1gt其中：(‑Ht)‑1gt指方向，λ指步长，并且假定(‑Ht)‑1>0；迭代过程：若λ＝1时，LL(βt+1)>LL(βt)，则继续进行迭代，其中λ＝(2)n，n＝1,2,3….直到LL(βt+1)<LL(βt)时；若λ＝1时，LL(βt+1)<LL(βt)，则继续进行迭代，其中λ＝(1/2)n，n＝1,2,3….直到LL(βt+1)>LL(βt)时；通过上述方法找到函数的转折点，并且每次迭代时，都将把前一次β值传递给下一个，所求的最大值为本次迭代和前一次迭代值中较大的MAX(LL(βt+1)n，LL(βt+1)n+1)，从而得到与最大值相对应的系数预测值β。