每個人在面臨特定的選擇集合時, 可能會有不同的選擇行為發生, 如果將每個人的反 應集合起來, 組成一組資料, 利用這些資料, 我們就可以導出一種行為模式。一般的 行為模式都將應變數視為連續變數( 例如需求量),近年發展出的個體選擇模式(Discr -ete Choice Model)則將應變數視為間斷的(Discrete)孌數( 例如交通工具的選擇: 汽車=1、火車=2、飛機=3等等) 。藉由這種模式, 我們可以進一步研究或預測人類在 面臨各種選擇時所產生的行為。 一個行為模式, 包含了可以被觀察的自變數和未知的參數, 我們利用抽樣觀察而得的 資料來推估這些未知的參數, 但不同的抽樣方法會導致不同的估計值。一般而言, 在 這類問題中應用到的抽樣方法有三種:1. 簡單隨機抽樣、2.外生分層抽樣、3.內生分 層抽樣。本文主要的研究內容集中在探討運用不同的內生分層抽樣法所推估的參數值 之間的差異。 研究方法大致可分為三個步驟: 一. 閱讀前人的文獻, 彙總整理前人的方法, 并發現新的抽樣與估計法: 此法是先決 定內生分層后每層的抽樣比例, 再用系統抽樣的方法抽出樣本, 最后用最大概似法對 參數加以推估。以Binary Logit Model為例: P(1︱x)=1/(1+exp(-xb)) P(0︱x)=1/(1+exp(xb)) 其log likelihood fuction為 logL=Σ {y [log(gl)+log(p(1︱x )]+(1-y )[log(g0)+log(P(0︱x )]-log[gl P (1︱x )+g0 P(0︱x )]} 其中y =1 or 0;gi是選擇i 選項的抽樣比例(i=1 or 0);x 為自變數;b是欲估計的參 數。 二、證明利用新法所產生之估計式, 和前人所研究出的估計式同樣具有一致性。 三、模擬一組母體, 再比較新法與前人的估計式間的差異。