确定出行方式选择中的因果关系
摘要：在旅行方式选择决策中，这篇文章提出了一项关于因果建模的开创性研究，使用了因果发现算法。这些模型是传统的基于相关性的技术的重大进步。我们提出了一种新颖的方法，将因果发现与结构方程模型（SEM）相结合。这种建模方法通过结合因果发现和SEM的优点，克服了SEM的一些局限性。因果发现算法可以从观察数据和领域知识中确定因果图，而SEM可以估计直接因果效应并测试因果发现算法的性能。在这项研究中，我们测试了四种因果发现算法：Peter-Clark (PC)、Fast Causal Inference (FCI)、Fast Greedy Equivalence Search (FGES)和Direct Linear Non-Gaussian Acyclic Models (DirectLiNGAM)。结果显示，基于DirectLiNGAM的SEM模型最好地捕捉到了旅行方式选择行为中的因果关系。它通过了多项拟合度检验，包括均方根误差逼近度（RMSEA）和拟合优度指数（GFI），并且具有最低的贝叶斯信息准则（BIC）值。分析是基于收集自纽约大都会区的2017年全国家庭出行调查数据进行的。
作者：Rishabh Singh Chauhan, Christoffer Riis, Shishir Adhikari, Sybil Derrible, Elena Zheleva, Charisma F. Choudhury and Francisco Camara Pereira
论文ID：2208.05624
分类：Applications
分类简称：stat.AP
提交时间：2023-04-26