Cette thèse s’intéresse à plusieurs questions posées par l’introduction et la généralisation, en France, d’incitatifs économiques de type P4P appliqués à la médecine générale. Ces schémas incitatifs (CAPI, ROSP) ont pour objectif d’améliorer la qualité des soins, mais ils sont débattus en termes d’efficience et d’effets indésirables potentiels. Dans un premier temps, nous évaluons l’impact du CAPI sur différents indicateurs de la qualité des soins : la durée de la consultation et le dépistage des cancers. Puis, nous étudions les modalités d’une meilleure implication du médecin généraliste (MG) dans le dépistage des cancers, en appliquant la méthodologie des choix discrets. Enfin, nous analysons la relation entre motivations intrinsèques et extrinsèques des MGs français. Nous montrons que le CAPI n’a pas eu d’impact significatif sur les indicateurs de qualité considérés et que les MGs seraient sensibles à d’autres dispositifs non monétaires potentiellement moins coûteux. Enfin, nous mettons en évidence une relation de substituabilité entre motivations intrinsèques et extrinsèques. Ces résultats invitent à davantage de prudence dans la définition des incitatifs économiques en médecine générale. / This thesis addresses several issues raised by the introduction in France of economic incentives such as pay-For-Performance applied to general practice. These incentive schemes are designed to improve the quality of care, but they are discussed both in terms of effectiveness and potential side effects. Initially, we assess the impact of the CAPI scheme on various indicators of quality of care: the consultation length and cancers screening. Then, using the discrete choice experiment methodology, we reveal general practitioners (GPs) preferences for devices aimed at improving the early detection of cancers. Finally, we analyse empirically the relationship between French GPs' intrinsic and extrinsic motivations. We show that the CAPI has not had a significant impact on the selected quality indicators. In addition, GPs would be sensitive to potentially less costly nonmonetary devices. Eventually, we highlight a negative relationship between GPs' intrinsic and extrinsic motivations. Our results call for greater caution in the definition of economic incentives in general practice.

La présente thèse de doctorat a pour objectif d'examiner la place et l'importance de l'accessibilité dans les modèles de choix de localisation des ménages et des entreprises. Ces modèles sont deux éléments clés de la conception et la construction des modèles d'interaction transport – usages du sol. Il s’agit, plus précisément, d’analyser l’effet de divers choix méthodologiques d’un point de vue théorique et empirique afin de donner des réponses à des interrogations tout aussi théoriques, méthodologiques, empiriques et politiques. Pour y répondre, quatre articles de recherche constituent le travail principal de la thèse. Les quatre travaux produits ont pour objet l’étude de l’aire urbaine lyonnaise et utilisant des modèles de choix discrets pour expliquer les choix de localisation.Dans le premier article, l’objectif est d’analyser l’effet de la mesure d’accessibilité sur les résultats du modèle de choix de localisation résidentielle. Alors que l'accessibilité a toujours été importante au niveau théorique, certains travaux relativisent son importance au niveau empirique, considérant que d'autres attribues de localisation sont plus influentes. Cet article analyse si différentes méthodes de mesure de l'accessibilité peuvent conduire à des résultats divergents. La conclusion principale estque l'accessibilité est une variable indispensable pour les modèles de choix localisation résidentielle et ce quelle que soit la mesure. Sans la variable de l’accessibilité, le modèle donne des résultats incohérents.Dans le deuxième article, l’objectif est d’analyser les différences de préférences en matière d’accessibilité entre les entreprises nouvellement créées et les entreprises qui se relocalisent. L'accessibilité est l'un des facteurs les plus importants du choix de localisation d’une entreprise. Cependant, même si cela semble intuitif, les travaux analysant les différences entre les créations et les relocalisations sont peu nombreux. En utilisant des données pour huit secteurs d’activités économiques et en confrontant les créations aux relocalisations, les résultats démontrent que l’effet de l’accessibilité diffère d’un secteur économique à l’autre. Cette différence dépend du type d’activité économique du secteur mais aussi du type d’accessibilité.Dans le troisième article, l’objectif est d’évaluer la différence d’impact de l’accessibilité sur les choix de localisation des entreprises du secteur des services aux entreprises. En distinguant les services entre Front Office et Back Office selon leur fonction dans un modèle de choix de localisation, les résultats démontrent que l'effet de l'accessibilité diffère d'un sous-secteur économique à l'autre. Dans le quatrième papier, l'objectif est d'analyser l'évolution temporelle des préférences en matièred'accessibilité des choix résidentiels. De plus en plus de ménages choisissent d’acheter une résidence en banlieue, profitant ainsi de l’augmentation de l’accessibilité. En opposition, les jeunes ménages, appelés aussi «millennials», choisissent de louer dans les zones centrales. Distinguant les locataires des propriétaires, l'analyse des élasticités de périodes 1999, 2006 et 2013 confirme l'intuition initiale qui est que les locataires sont plus sensibles à l'accessibilité à l'emploi. Plus important encore, lapréférence des locataires évolue et croit au cours de la période analysée, alors que celle des propriétaires évolue de façon inverse. Nous suggérons aux planificateurs et aux concepteurs de modèles d’intégrer la dynamique temporelle dans leurs modèles afin d'anticiper au mieux les tendances futures. / This PhD thesis has as objective to examine the place and the importance of accessibility in location choice models of households and firms, two key construction elements of Land-Use Transport Interaction models. More specifically, the aim is to analyse the effect of various methodological choices from a theoretical and empirical point of view in order to give some answers to theoretical, methodological, empirical and policy issues. Having as a case study the urban area of Lyon and using discrete models to explain the location choices of households and firms, four research papers comprise the main work of this dissertation.In the first paper, the objective was to analyse the effect of the accessibility measure on the results of residential location choice model. While accessibility has always been important at theoretical level, at empirical level, some works questioned its importance, considering other location characteristics as more influential. This paper examines whether different accessibility measurement methods can lead to divergent results. The conclusion is that accessibility is an indispensable variable for residential location choice models and the conclusion remains the same whatever is the measure. Without accessibility, the model gives inconsistent results. Complex accessibility measures give better results, especially for predictions, but simple measures are also relevant for residential location choices modelling.In the second paper, the objective was to analyse the differences of accessibility preferences between new and relocating firms. Accessibility is one of the most important attributes of a location choice of an economic establishment. However, even if it seems intuitive, works analysing any differences between creations and relocations are scarce. Using data from eighteconomic sectors and comparing creations to relocations, the results demonstrate that the effect of accessibility differs between in the same economic sector.In the third paper, the objective was to evaluate the difference of the accessibility impact on the location choices of firms of the business services sector. Distinguishing between Front Office and Back Office business services in a location choice model, the results demonstrate that the effect of accessibility differs between economic subsectors.In the fourth paper, the objective was to analyse the temporal evolution of the preferences for accessibility for residential choices. More and more people choose to buy a residence at the suburbs taking advantage of the accessibility increase. At the same time, young households, the so called millennials, choose to rent in central areas. Distinguishing between renters andowners, the analysis of the elasticities for 1999, 2006 and 2013 confirm the initial intuition. Renters were always more sensitive to accessibility to employment. More importantly, renters show an increasing preference for accessibility during the analysis period, while the owners the opposite. We suggest that planners and model developers should integrate temporal dynamics into their models in order to anticipate better future tendencies.

Die vorliegende Studienarbeit beschäftigt sich mit der Fragestellung, inwiefern sich Revealed-Preference-Daten aus der deutschen Mobilitätsbefragung "Mobilität in Städten" SrV 2008 dazu eignen, um basierend auf denen im Datensatz enthaltenen Wegen Verkehrsmittelwahlmodelle zu schätzen. Dazu wurden Wegedaten aus der Befragung verwendet, und die Wahlalternativen mit Hilfe der Google Directions API rekonstruiert. Mit den rekonstruierten Variablen Reisezeit und Reisekosten sowie verschiedenen sozioökonomischen und externen Variablen aus SrV 2008 wurden verschiedene Wahlmodelle geschätzt. Durch schrittweises Hinzufügen der Variablen konnte das Modell immer weiter verbessert werden. Wie zu erwarten, erwiesen sich dabei die Reisezeit und die Reisekosten als hoch signifikant. Von den restlichen Variablen waren jedoch lediglich das Geschlecht der befragten Person sowie die Wettersituation zum Zeitpunkt der Wahlentscheidung signifikant. Für das finale Modell wurden Zeitkostensätze errechnet und mit verschiedenen europäischen Studien verglichen. Die errechneten Zeitkostensätze erwiesen sich dabei als plausibel. Die SrV-Daten eignen sich also für die Schätzung von Wahlmodellen.:1 Einleitung 1 1.1 Vorstellung des Themas 1 1.2 Ziel dieser Arbeit 1 1.3 Gliederung dieser Arbeit 2 1.4 Wesentliche Ergebnisse 2 2 Theoretischer Hintergrund 3 2.1 Diskrete Wahltheorie 3 2.1.1 Deterministischer Nutzen 4 2.1.2 Stochastischer Störterm 5 2.1.3 Logit-Modell 6 2.2 Parameterschätzung 8 2.2.1 t-Test 9 2.2.2 Likelihood-Ratio Test 9 2.2.3 Likelihood-Ratio-Index 10 2.3 Datenquellen 10 3 Generierung eines RP-Datensatzes aus SrV-Daten 13 3.1 SrV 2008 13 3.2 Auswahl an Variablen und Datensätzen 13 3.3 Rekonstruktion der generischen Variablen 15 3.3.1 Google Directions API 15 3.3.2 Automatisierte API-Abfrage 16 3.3.3 Reisekosten 17 3.4 Erzeugter Datensatz 18 4 Modellentwicklung und Parameterschätzung 21 4.1 Entwicklung des Wahlmodells 21 4.2 Parameterschätzung mit Biogeme 24 4.3 Anwendung der Parameterschätzung auf die SrV-Daten 28 5 Diskussion der Modellergebnisse 33 5.1 Darstellung der Nutzeneinflüsse 33 5.2 Zeitkostensätze 35 5.3 Fehlerquellen 37 5.4 Fazit 38 Literaturverzeichnis 41 Datenquellen 45 Anhang 49 / The following thesis analyzes, if revealed preference data from the German mobility survey "Mobilität in Städten" SrV 2008 is suited to estimate mode choice models. For that purpose, trip data from the survey was used and the different choice alternatives were reconstructed with the Google Directions API. Several mode choice models were estimated with the help of the reconstructed variables travel time and travel costs plus several socioeconomic and external variables from SrV 2008. The variables were added to the model step by step, thereby the quality of the model improved. As expected, travel time and travel costs were highly significant. However from the remaining variables only the gender of the person and the weather at the time of the trip were significant. For the final model, values of time were calculated and these were compared with values from different European studies. The calculated values of time proved to be feasible. Therefore, SrV data is suited to be used for mode choice models.:1 Einleitung 1 1.1 Vorstellung des Themas 1 1.2 Ziel dieser Arbeit 1 1.3 Gliederung dieser Arbeit 2 1.4 Wesentliche Ergebnisse 2 2 Theoretischer Hintergrund 3 2.1 Diskrete Wahltheorie 3 2.1.1 Deterministischer Nutzen 4 2.1.2 Stochastischer Störterm 5 2.1.3 Logit-Modell 6 2.2 Parameterschätzung 8 2.2.1 t-Test 9 2.2.2 Likelihood-Ratio Test 9 2.2.3 Likelihood-Ratio-Index 10 2.3 Datenquellen 10 3 Generierung eines RP-Datensatzes aus SrV-Daten 13 3.1 SrV 2008 13 3.2 Auswahl an Variablen und Datensätzen 13 3.3 Rekonstruktion der generischen Variablen 15 3.3.1 Google Directions API 15 3.3.2 Automatisierte API-Abfrage 16 3.3.3 Reisekosten 17 3.4 Erzeugter Datensatz 18 4 Modellentwicklung und Parameterschätzung 21 4.1 Entwicklung des Wahlmodells 21 4.2 Parameterschätzung mit Biogeme 24 4.3 Anwendung der Parameterschätzung auf die SrV-Daten 28 5 Diskussion der Modellergebnisse 33 5.1 Darstellung der Nutzeneinflüsse 33 5.2 Zeitkostensätze 35 5.3 Fehlerquellen 37 5.4 Fazit 38 Literaturverzeichnis 41 Datenquellen 45 Anhang 49

La modélisation du choix d'itinéraire est un sujet de recherche bien étudié avec des implications, par exemple, pour la planification urbaine et l'analyse des flux d'équilibre du trafic. En raison de l'ampleur des effets que ces problèmes peuvent avoir sur les communautés, il n'est pas surprenant que plusieurs domaines de recherche aient tenté de résoudre le même problème. Les défis viennent cependant de la taille des réseaux eux-mêmes, car les grandes villes peuvent avoir des dizaines de milliers de segments de routes reliés par des dizaines de milliers d'intersections. Ainsi, les approches discutées dans cette thèse se concentreront sur la comparaison des performances entre des modèles de deux domaines différents, l'économétrie et l'apprentissage par renforcement inverse (IRL). Tout d'abord, nous fournissons des informations sur le sujet pour que des chercheurs d'un domaine puissent se familiariser avec l'autre domaine. Dans un deuxième temps, nous décrivons les algorithmes utilisés avec une notation commune, ce qui facilite la compréhension entre les domaines. Enfin, nous comparons les performances des modèles sur des ensembles de données du monde réel, à savoir un ensemble de données couvrant des choix d’itinéraire de cyclistes collectés dans un réseau avec 42 000 liens. Nous rapportons nos résultats pour les deux modèles de l'économétrie que nous discutons, mais nous n'avons pas pu générer les mêmes résultats pour les deux modèles IRL. Cela était principalement dû aux instabilités numériques que nous avons rencontrées avec le code que nous avions modifié pour fonctionner avec nos données. Nous proposons une discussion de ces difficultés parallèlement à la communication de nos résultats. / Route choice modeling is a well-studied topic of research with implications, for example, for city planning and traffic equilibrium flow analysis. Due to the scale of effects these problems can have on communities, it is no surprise that diverse fields have attempted solutions to the same problem. The challenges, however, come with the size of networks themselves, as large cities may have tens of thousands of road segments connected by tens of thousands of intersections. Thus, the approaches discussed in this thesis will be focusing on the performance comparison between models from two different fields, econometrics and inverse reinforcement learning (IRL). First, we provide background on the topic to introduce researchers from one field to become acquainted with the other. Secondly, we describe the algorithms used with a common notation to facilitate this building of understanding between the fields. Lastly, we aim to compare the performance of the models on real-world datasets, namely covering bike route choices collected in a network of 42,000 links. We report our results for the two models from econometrics that we discuss, but were unable to generate the same results for the two IRL models. This was primarily due to numerical instabilities we encountered with the code we had modified to work with our data. We provide a discussion of these difficulties alongside the reporting of our results.

Eine zentrale Aufgabe des Marketings ist es, die Präferenzen von Konsumenten zu verstehen und die Heterogenität dieser aufzudecken. Eine Reihe kritischer Entscheidungen, z.B. bei der Neuproduktentwicklung, der Marktsegmentierung und dem Targeting oder der Preisgestaltung, beruhen auf der genauen Einschätzung der Konsumentenpräferenzen. Die Marketingliteratur hat sich bisher auf die Entwicklung von Modellen und Schätzverfahren konzentriert, die es ermöglichen, die Heterogenität von Konsumentenpräferenzen aufzudecken. Konsumenten unterscheiden sich jedoch auch in der Art und Weise, wie sie Kaufentscheidungen treffen und welche verfügbaren Informationen sie nutzen. Das Ziel dieser Dissertation ist es, unser Verständnis für die Unaufmerksamkeit der Konsumenten gegenüber Produkteigenschaften bezüglich Entscheidungen zu verbessern. Es geht darum, 1) die Verbreitung einer solchen Unaufmerksamkeit in verschiedenen Kontexten zu untersuchen, 2) die Methoden, die ein solches Verhalten explizit berücksichtigen, zu untersuchen und zu erweitern, 3) potenzielle Verzerrungen in Parametern zu verstehen und 4) Implikationen für das Management abzuleiten. Die Ergebnisse aus einer umfassenden Reihe von Anwendungen legen nahe, dass Konsumenten in verschiedenen Kontexten (z.B. Produktkategorien) und Settings (z.B. von hoher oder niedriger Komplexität) eine Menge an verfügbaren Informationen bezüglich Produkteigenschaften ignorieren. Zweitens, Entscheidungsmodelle, die ein solches Verhalten explizit berücksichtigen und zusätzlich weitere Daten wie z.B. Eye-Tracking nutzen, zu einem besseren In- und Out-of-Sample-Fit führen. Drittens führt die Missachtung eines solchen Verhaltens zu Verzerrungen, deren Richtung und Größe von der Art des Merkmals (d.h., ob eine bestimmte Richtung der Präferenzen erwartet werden kann) und dem Anteil der Konsumenten, die dieses Merkmal ignorieren, abhängt. Infolgedessen kann es dazu kommen, dass Manager keine optimalen Preis- und Targeting-Entscheidungen treffen. / A central task of marketing is understanding consumer preferences and uncovering consumer heterogeneity. A range of critical decisions, e.g., new product development, market segmentation and targeting, or pricing, rest upon accurate estimation of consumer preferences. Marketing literature has mainly focused on the development of models and estimation procedures that allow uncovering heterogeneity in consumer preference. However, consumers differ not only in their tastes but also in the way they make purchase decisions and the information they use. The overall objective of this dissertation is to enhance our understanding of consumers' inattention to attributes when making choices. It aims to 1) examine the prevalence of such inattention across numerous contexts and settings, 2) investigate and extend the approaches that explicitly accommodate such behavior, 3) understand potential biases that may arise, and 4) demonstrate managerial implications when such behavior is neglected. The findings from a broad set of applications suggest that consumers ignore a substantial amount of available attribute information across various contexts (e.g., product categories) and settings (e.g., of high or low complexity). Second, we establish that choice models explicitly accounting for such behavior and, additionally, leveraging supplementary data such as eye tracking, result in better in- and out-of-sample fit. Third, neglecting such behavior leads to significant biases, the direction and the magnitude of which depend on the type of the attribute (i.e., whether a particular direction of preferences can be expected) and the share of consumers ignoring this attribute. As a result, managers may make suboptimal pricing and targeting decisions.

No description available.

No description available.

No description available.

Dans des régions avec beaucoup d'électricité renouvelable, comme le Québec, une augmentation du nombre de Véhicules Électriques (VE) peut réduire les gaz à effet de serre. Par contre, l'autonomie réduite des VE et la présence limitée d'infrastructure publique pour recharger les véhicules peuvent contribuer à un phénomène nommé anxiété de l'autonomie, où les usagers n'achètent pas des VE par peur qu'ils tombent en panne. On peut alors planifier l'emplacement de l'infrastructure publique de recharge de manière stratégique pour combattre cet effet, menant alors à un taux d'adoption plus élevé pour les VE. En utilisant des modèles de choix discret, nous incorporons des modèles économétriques de demande avancés capturant les préférences hétérogènes des usagers à l'intérieur de l'optimisation. En particulier, comme nous le démontrerons, ceci permet l'inclusion de nouveaux facteurs importants, tels qu'une disponibilité de la recharge à domicile et des effets de distance plus granulaire. Par contre, la méthodologie existante pour ce processus crée un modèle de programmation linéaire mixte en nombres entiers qui ne peut pas être résolue, même pour des instances de taille modeste. Nous développons alors une reformulation efficace en problème de couverture maximum qui, comme nous le démontrerons, permet une amélioration de plusieurs ordres de magnitude pour le temps de calcul. Bien que cette reformulation dans un problème de couverture maximum améliore grandement la capacité à résoudre le modèle, celui-ci demeure difficile à résoudre pour des problèmes de grandes tailles, nécessitant des heuristiques pour obtenir des solutions de haute qualité. Nous développons alors deux méthodes de décomposition de Benders spécialisées pour cette application. La première est une méthode de décomposition de Benders accélérée, qui se spécialise à réduire l'écart d'optimalité et à la résolution de problèmes de petite taille ou de taille modeste. La deuxième approche rajoute un branchement local à la méthode de décomposition de Benders accélérée, qui sacrifie de l'efficacité lors de la résolution de problèmes de plus petite taille pour une capacité augmentée afin d'obtenir des solutions réalisables de haute qualité. Finalement, nous présentons une méthode pour dériver des valeurs de paramètres autrement difficiles à obtenir pour le modèle de choix discrets dans le modèle d'optimisation. Ces paramètres dictent les effets de l'infrastructure publique de recharge sur l'adoption des VE. Pour ce processus, nous regardons les facteurs qui encouragent les usagers courants des VE à utiliser l'infrastructure existante. De manière plus précise, nous utilisons des données de recharge réelles de la ville de Montréal (Québec) pour estimer les impacts des caractéristiques des stations, tels que la distance des usagers, le nombre de bornes de recharge, et les installations à proximité. Différents types d'infrastructure sont considérés, de manière parallèle avec des modèles de choix discrets qui peuvent tenir compte de plusieurs observations pour chaque individu. Les contributions de cette thèse sont plus générales que simplement l'adoption de VE, étant applicable, par exemple, au problème de capture maximum, au problème de couverture maximum à multiples périodes, et à la prédiction de la station de recharge choisie par les conducteurs de VE. / In areas with large amounts of clean renewable electricity, such as Quebec, an increase to the number of electric vehicles (EVs) can reduce greenhouse gas emissions. However, the reduced range of EVs and the limited public charging infrastructure can contribute to a phenomenon known as range anxiety, where users do not purchase EVs out of concern they run out of charge while driving. We can strategically optimise the placement of public EV charging infrastructure to combat this effect, thus leading to increased EV adoption. By utilising discrete choice models, we incorporate advanced econometric demand models capturing heterogeneous user preferences within the optimisation framework. In particular, as we demonstrate, this allows for the inclusion of new, important attributes, such as a more granular home charging availability and a continuous degradation of quality based on the distance. However, existing methodologies for this optimisation framework result in a mixed-integer linear program which cannot be solved for even moderately sized instances. We thus develop an efficient reformulation into a maximum covering location problem which, as we show experimentally, allows for multiple orders of magnitude of improved solving time. While the reformulation into a maximum covering location problem greatly improves the solving capabilities for the model, it remains intractable for large-scale instances, relying on heuristics to obtain high-quality solutions. As such, we then develop two specialised Benders decomposition methods for this application. The first is an accelerated branch-and-Benders-cut method, which excels at solving small or medium-scale instances and at decreasing the optimality gap. The second approach incorporates a local branching scheme to the accelerated branch-and-Benders-cut method, which sacrifices some efficiency in solving smaller instances for an increased ability to obtain high-quality feasible solutions. Finally, we discuss a method for deriving difficult-to-obtain parameter values of the discrete choice model in the optimisation framework. These parameter values dictate the effects of the public charging infrastructure on EV adoption and, as such, play a crucial role in the optimisation model. For this process, we investigate the attributes that encourage current EV owners to utilise existing infrastructure. More specifically, we use real charging session data from the city of Montreal (Quebec) to determine the impacts of station characteristics such as the distance to the users, the number of outlets, and the nearby amenities. Different types of charging infrastructure are considered alongside discrete choice models which take into account multiple observations from individual users. The contributions of this thesis lie more broadly than simply EV adoption, being applicable to, e.g., the maximum capture problem, the multi-period maximum covering location problem, and the prediction of the charging station selected by EV drivers.

Parmi les méthodes d’estimation de paramètres de loi de probabilité en statistique, le maximum de vraisemblance est une des techniques les plus populaires, comme, sous des conditions l´egères, les estimateurs ainsi produits sont consistants et asymptotiquement efficaces. Les problèmes de maximum de vraisemblance peuvent être traités comme des problèmes de programmation non linéaires, éventuellement non convexe, pour lesquels deux grandes classes de méthodes de résolution sont les techniques de région de confiance et les méthodes de recherche linéaire. En outre, il est possible d’exploiter la structure de ces problèmes pour tenter d’accélerer la convergence de ces méthodes, sous certaines hypothèses. Dans ce travail, nous revisitons certaines approches classiques ou récemment d´eveloppées en optimisation non linéaire, dans le contexte particulier de l’estimation de maximum de vraisemblance. Nous développons également de nouveaux algorithmes pour résoudre ce problème, reconsidérant différentes techniques d’approximation de hessiens, et proposons de nouvelles méthodes de calcul de pas, en particulier dans le cadre des algorithmes de recherche linéaire. Il s’agit notamment d’algorithmes nous permettant de changer d’approximation de hessien et d’adapter la longueur du pas dans une direction de recherche fixée. Finalement, nous évaluons l’efficacité numérique des méthodes proposées dans le cadre de l’estimation de modèles de choix discrets, en particulier les modèles logit mélangés. / Maximum likelihood is one of the most popular techniques to estimate the parameters of some given distributions. Under slight conditions, the produced estimators are consistent and asymptotically efficient. Maximum likelihood problems can be handled as non-linear programming problems, possibly non convex, that can be solved for instance using line-search methods and trust-region algorithms. Moreover, under some conditions, it is possible to exploit the structures of such problems in order to speedup convergence. In this work, we consider various non-linear programming techniques, either standard or recently developed, within the maximum likelihood estimation perspective. We also propose new algorithms to solve this estimation problem, capitalizing on Hessian approximation techniques and developing new methods to compute steps, in particular in the context of line-search approaches. More specifically, we investigate methods that allow us switching between Hessian approximations and adapting the step length along the search direction. We finally assess the numerical efficiency of the proposed methods for the estimation of discrete choice models, more precisely mixed logit models.