5. NỘI DUNG NGHIÊN CỨU
4.2 Xây dựng mơ hình dự báo xác suất lựa chọn phương thức vận tải tạ
4.2.3. Xây dựng mơ hình dự báo
Q trình xây dựng và cải tiến mơ hình được bắt đầu với mơ hình thơng dụng thường được sử dụng trong nghiên cứu lựa chọn phương thức vận tải với hai biến độc lập quen thuộc là thời gian chuyến đi và chi phí chuyến đi. Sau đó các biến điều chỉnh được bổ sung vào mơ hình nhằm thu được mơ hình phù hợp nhất với bộ số liệu được sử dụng, bao gồm cả sự phù hợp về mặt thống kê và tương thích với lý thuyết về hành vi lựa chọn phương thức vận tải của người thực hiện chuyến đi.
4.2.3.1 Mơ hình xuất phát
Mơ hình xuất phát được ký hiệu là MH0 với hàm thỏa dụng có dạng:
(4. 2)
Trong đó:
TG: là thời gian chuyến đi CP: là chi phí chuyến đi
j: Loại phương thức vận tải (xe máy, ô tô …) i: người thực hiện chuyến đi thứ i
Bảng 4. 7 Kết quả ước lượng mô hình MH0
Giả thiết được đưa ra đối với mơ hình xuất phát là sự gia tăng của một đơn vị thời gian chuyến đi hay chi phí chuyến đi có tác động như nhau tới thỏa dụng của phương thức vận tải và sự khác biệt về mặt hình thức giữa các phương thức vận tải không ảnh hưởng tới việc lựa chọn. Nói cách khác việc lựa chọn phương thức vận tải để thực hiện chuyến đi hoàn toàn phụ thuộc vào thời gian và chi phí của chuyến đi đó.
Conditional (fixed-effects) logistic regression Number of obs = 99456 LR chi2(2) = 12851.09 Prob > chi2 = 0.0000 Log likelihood = -19426.072 Pseudo R2 = 0.2486 ------------------------------------------------------------------------------ LC | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- TG | -.1015258 .0015883 -63.92 0.000 -.1046389 -.0984127 CP | -.0394343 .0007722 -51.07 0.000 -.0409478 -.0379207 ------------------------------------------------------------------------------
Các kết quả cho thấy mơ hình MH0 phù hợp về mặt lý thuyết, các hệ số gắn với biến TG và CP đều nhỏ hơn không, phản ánh khi thời gian chuyến đi tăng hay chi phí chuyến đi tăng sẽ làm giảm hàm thỏa dụng từ đó giảm xác suất lựa chọn phương thức vận tải. Các thống kê z và xác suất P đều cho thấy các biến TG và CP có ảnh hưởng tới mơ hình.
4.2.3.2 Mơ hình MH1
Mơ hình MH1 được đưa ra trên cơ sở MH0 với sự thay đổi giả thiết. Trong mơ hình MH1 sự khác biệt về hình thức giữa các loại phương thức vận tải có ảnh hưởng tới việc lựa chọn của người thực hiện chuyến đi. Mơ hình MH1 về bản chất chính là mơ hình MH0 được bổ sung thêm hệ số chặn . Hàm thỏa dụng trong mơ hình MH1 có dạng:
(4. 3)
Bảng 4. 8 Kết quả ước lượng mơ hình MH1
Để ước lượng mơ hình MH1 các biến giả được đưa vào để ước lượng các tham số cho từng phương thức vận tải, các biến giả đưa vào bao gồm:
- OTO: nhận giá trị =1 nếu lựa chọn ô tô và nhận giá trị = 0 nếu chọn phương thức vận tải khác ô tô.
- DIBO: nhận giá trị =1 nếu lựa chọn đi bộ và nhận giá trị = 0 nếu chọn phương thức vận tải khác đi bộ.
Conditional (fixed-effects) logistic regression Number of obs = 99456 LR chi2(9) = 30952.25 Prob > chi2 = 0.0000 Log likelihood = -10375.494 Pseudo R2 = 0.5987 ------------------------------------------------------------------------------ LC | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- TG | -.2498103 .0054276 -46.03 0.000 -.2604481 -.2391725 CP | -.008205 .0013674 -6.00 0.000 -.0108851 -.0055249 OTO | -2.289573 .0647879 -35.34 0.000 -2.416555 -2.162591 DIBO | 3.191557 .1004151 31.78 0.000 2.994747 3.388367 XEDAP | -.6083302 .0545989 -11.14 0.000 -.7153421 -.5013182 XEOM | -5.680917 .224204 -25.34 0.000 -6.120348 -5.241485 TAXI | -1.178867 .0833921 -14.14 0.000 -1.342312 -1.015421 XEBUS | 6.288613 .1820953 34.53 0.000 5.931712 6.645513 KHAC | -2.98451 .0858069 -34.78 0.000 -3.152688 -2.816331 ------------------------------------------------------------------------------
- XEDAP: nhận giá trị =1 nếu lựa chọn xe đạp và nhận giá trị = 0 nếu chọn phương thức vận tải khác xe đạp.
- XEOM: nhận giá trị =1 nếu lựa chọn xe ôm và nhận giá trị = 0 nếu chọn phương thức vận tải khác xe ôm.
- TAXI: nhận giá trị =1 nếu lựa chọn taxi và nhận giá trị = 0 nếu chọn phương thức vận tải khác taxi.
- XEBUS: nhận giá trị =1 nếu lựa chọn xe buýt và nhận giá trị = 0 nếu chọn phương thức vận tải khác xe buýt.
- KHAC: nhận giá trị =1 nếu lựa chọn phương thức vận tải KHAC và nhận giá trị = 0 nếu chọn một trong các phương thức vận tải còn lại. Từ kết quả ước lượng mơ hình MH1 cho thấy:
Các xác xuất P đều xấp xỉ 0 nghĩa là các biến đưa vào mơ hình đều có
ảnh hưởng và các tham số đều có ý nghĩa thống kê. Hơn nữa, hệ số Pseudo R2
trong mơ hình MH1 (=0,5987) cao hơn so với hệ số tương ứng trong mơ hình MH0 nên nhiều khả năng mơ hình MH1 phù hợp hơn mơ hình MH0. Về bản chất mơ hình MH0 chính là mơ hình giới hạn của mơ hình MH1 với điều kiện giới hạn là: “ Tất cả các tham số đều bằng 0 ”. Nếu điều kiện giới hạn này là đúng thì mơ hình MH0 và mơ hình MH1 là tương đương như nhau, nếu điều kiện này sai, có nghĩa là ít nhất một tham số thì mơ hình MH1 phù hợp hơn
mơ hình MH0. Để kiểm tra nhận định này, kiểm định tỷ số hợp lý (LR-TEST)
được thực hiện nhằm so sánh hai mơ hình MH0 và MH1, với giả thiết cần kiểm
định: H0: “ Tất cả các tham số đều bằng 0 ”
Bảng 4. 9 Kết quả kiểm định LR-TEST cho mơ hình MH0 và MH1
Kết quả kiểm định cho thấy giả thiết H0 bị bác bỏ ở mức ý nghĩa rất thấp (Prob > chi2 = 0,000) hay có thể nhận định rằng mơ hình MH1 phù hợp hơn mơ hình MH0.
. lrtest ( MH0) ( MH1)
Likelihood-ratio test LR chi2(7) = 18101.16 (Assumption: MH0 nested in MH1) Prob > chi2 = 0.0000
4.2.3.3 Mơ hình MH2
Sự cải tiến mơ hình tiếp theo dựa trên giả thiết cho rằng: ngồi chi phí chuyến đi là yếu tố ảnh hưởng chính tới sự lựa chọn phương thức vận tải thì tỷ lệ giữa chi phí chuyến đi và thu nhập của người thực hiện chuyến đi cũng là yếu tố quan trọng quyết định hành vi lựa chọn phương thức vận tải của họ. Mơ hình MH2 được xây dựng bằng cách bổ sung thêm biến CT (đại diện cho tỷ lệ chi phí chuyến đi so với thu nhập của người thực hiện chuyến đi) vào mơ hình MH1. Hàm thỏa dụng trong mơ hình có dạng:
(4. 4)
Kết quả ước lượng mơ hình như trình bày trong bảng dưới đây. Bảng 4. 10 Kết quả ước lượng mơ hình MH2
Các mức ý nghĩa P gắn với mỗi biến đều xấp xỉ 0 cho thấy các biến được đưa vào mơ hình hồn tồn có ý nghĩa thống kê, các hệ số gắn với biến TG, CP, CT đều nhỏ hơn 0 phù hợp về mặt lý thuyết, các hệ số này cho thấy thời gian chuyến đi, chi phí chuyến đi hay tỷ lệ chi phí/thu nhập càng cao thì xác suất lựa chọn phương thức vận tải càng giảm.
Kiểm định LR-TEST tiếp tục được sử dụng để so sánh hai mơ hình MH1 và MH2 với giả thiết H0: .
Conditional (fixed-effects) logistic regression Number of obs = 99456 LR chi2(10) = 31185.23 Prob > chi2 = 0.0000 Log likelihood = -10259 Pseudo R2 = 0.6032 ------------------------------------------------------------------------------ LC | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- TG | -.2560191 .0055191 -46.39 0.000 -.2668364 -.2452018 CP | -.0035301 .0014856 -2.38 0.017 -.0064419 -.0006183 CT | -25.68319 3.010677 -8.53 0.000 -31.58401 -19.78237 OTO | -2.212674 .0651697 -33.95 0.000 -2.340404 -2.084944 DIBO | 3.247406 .1012088 32.09 0.000 3.049041 3.445772 XEDAP | -.6212935 .0546951 -11.36 0.000 -.728494 -.514093 XEOM | -5.476761 .2230179 -24.56 0.000 -5.913868 -5.039654 TAXI | -.9337038 .0848692 -11.00 0.000 -1.100044 -.7673633 XEBUS | 6.487831 .1847219 35.12 0.000 6.125783 6.84988 KHAC | -3.026401 .0860477 -35.17 0.000 -3.195052 -2.857751 ------------------------------------------------------------------------------
Bảng 4. 11 Kết quả kiểm định LR-TEST cho mơ hình MH1 và MH2
Kết quả kiểm định cho thấy giả thiết H0 bị bác bỏ ở mức ý nghĩa rất thấp (Prob > chi2 = 0,000) hay có thể nhận định rằng mơ hình MH2 phù hợp hơn mơ hình MH1.
4.2.3.4 Mơ hình MH3
Mơ hình tiếp theo (mơ hình MH3) nghiên cứu kỹ hơn ảnh hưởng của thời gian chuyến đi tới việc lựa chọn phương thức vận tải. Trong mơ hình này, biến thời gian chuyến đi được tách thành 2 nhân tố, thời gian trên phương tiện (TGT) và thời gian ngoài phương tiện (TGN). Hàm thỏa dụng có dạng:
(4. 5)
Kết quả ước lượng mơ hình MH3 cho thấy các tham số ước lượng được đều có ý nghĩa thống kê (xác suất P xấp xỉ 0), các tham số gắn với biến TGT, TGN, CP, CT đều mang dấu âm phù hợp với lý thuyết.
Bảng 4. 12 Kết quả ước lượng mơ hình MH3
Bảng 4. 13 Chỉ số AIC, BIC trong mơ hình MH2 và MH3
. lrtest ( MH1) ( MH2)
Likelihood-ratio test LR chi2(1) = 232.99 (Assumption: MH1 nested in MH2) Prob > chi2 = 0.0000
Conditional (fixed-effects) logistic regression Number of obs = 99456 LR chi2(11) = 32949.05 Prob > chi2 = 0.0000 Log likelihood = -9377.0945 Pseudo R2 = 0.6373 ------------------------------------------------------------------------------ LC | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- TGT | -.2000372 .0051768 -38.64 0.000 -.2101836 -.1898908 TGN | -1.408185 .0552493 -25.49 0.000 -1.516471 -1.299898 CP | -.005052 .001387 -3.64 0.000 -.0077704 -.0023337 CT | -19.98327 2.523715 -7.92 0.000 -24.92966 -15.03688 OTO | -2.477541 .0646667 -38.31 0.000 -2.604286 -2.350797 DIBO | 2.297897 .0982138 23.40 0.000 2.105402 2.490392 XEDAP | -1.019103 .0540798 -18.84 0.000 -1.125097 -.9131081 XEOM | -5.444363 .2183018 -24.94 0.000 -5.872226 -5.016499 TAXI | -1.17128 .0833689 -14.05 0.000 -1.334681 -1.00788 XEBUS | 40.14073 1.649858 24.33 0.000 36.90707 43.3744 KHAC | -3.269373 .0856211 -38.18 0.000 -3.437187 -3.101559 ------------------------------------------------------------------------------
Akaike's information criterion and Bayesian information criterion
----------------------------------------------------------------------------- Model | Obs ll(null) ll(model) df AIC BIC -------------+--------------------------------------------------------------- MH2 | 99456 -25851.62 -10259 10 20538 20633.07 MH3 | 99456 -25851.62 -9377.094 11 18776.19 18880.77 -----------------------------------------------------------------------------
Hệ số Pseudo R2 trong mơ hình MH3 (=0,6373) cao hơn so với hệ số