离散选择实验应用于2型糖尿病患者治疗偏好的文献分析作者：刘世蒙李顺平杨毅唐程翔陈英耀来源：《中国药房》2020年第20期摘要目的：为2型糖尿病患者的临床治疗和药物经济学研究提供参考。
方法：以“离散选择”“糖尿病”“Discrete choice”“Discrete ranking”“Conjoint analysis”“Diabetes mellitus”“Type2”“Type 2 diabetes mellitus”“Non-insulin-dependent diabetes mellitus”等为关键词，收集自建库起至2019年12月在中国知网、万方、PubMed、Web of Science等国内外数据库中发表的中英文文献，从属性与水平、DCE选项集、数据质量、样本量、计量经济学分析以及患者偏好结果等6个方面对离散选择实验（DCE）在2型糖尿病患者治疗偏好领域中的应用情况进行梳理总结。
结果与结论：共检索到相关文献295篇，其中有效文献30篇。
药物管理、血糖控制和低血糖事件是被纳入次数较多的属性;通常采用D-高效设计、D-最优设计或正交设计生成DCE选项集;问卷数据质量可通过问卷内部效度进行检验;样本量一般使用拇指法则进行计算;条件Logit模型、多项Logit模型以及混合Logit模型是最常使用的数据分析模型。
相较于轻微的低血糖事件，患者的治疗选择更容易受血糖控制的影响，但当低血糖事件发生在夜间或者程度较重时，患者的治疗偏好往往会发生改变;多数研究纳入了药物管理相关属性，但其并非影响患者治疗偏好的主要因素，且与患者既往服药史密切相关。
DCE已被广泛应用于国外2型糖尿病的相关研究中，但在我国应用不多。
DCE的数据质量较难控制，虽然构建复杂计量经济学模型的趋势在逐渐上升，但多数研究仍未就样本量确定方法、选项集设计原理、质量控制选项等设计细节予以充分的介绍，且部分研究存在属性數量过多、水平间距过大或过小等不足。
通勤者出行时间与出行方式选择行为研究诸葛承祥;邵春福;李霞;孟梦【摘要】With analysis of the joint choice features of travel time and travel mode, the paper develops two nested Logit (NL) models on commuters' travel time and travel model choice behavior . The data from the 2005 Beijing household travel survey are used to estimate the two models by the BIOGEME. The structure of the NL model is identified by the inclusive value parameter, and the result reveals the travel time-travel mode model is more reasonable than the travel mode-travel time model, which indicates that the commuters always choose the travel time at first and then consider the travel mode under the time constrain. Moreover, the parameters of travel time-travel mode model are calibrated and analyzed. The joint choice features of travel time and travel mode are further discussed, which provides theory basis for relevant management policy making during peak time.%在分析通勤者出行时间与出行方式选择特征的基础上,建立出行时间—出行方式与出行方式—出行时间两个方向的Nested Logit模型.利用北京市第三次居民出行调查数据,借助BIOGEME软件对两个模型进行估计.首先通过包容系数对Nested Logi模型的结构关系进行辨识,结果显示,出行时间—出行方式选择模型比出行方式—出行时间选择模型合理,表明通勤者在选择出行时间后,在其约束下考虑合适的出行方式;在此基础上,对出行时间—出行方式选择模型的参数进行标定并分析标定结果,进一步揭示通勤者出行时间与出行方式的选择特征,从而为制定高峰时期相关管理政策提供理论依据.【期刊名称】《交通运输系统工程与信息》【年(卷),期】2012(012)002【总页数】6页(P126-131)【关键词】城市交通;通勤;出行时间;出行方式;Nested Logti(NL)模型【作者】诸葛承祥;邵春福;李霞;孟梦【作者单位】北京交通大学城市交通复杂系统理论与技术教育部重点实验室,北京100044;北京交通大学城市交通复杂系统理论与技术教育部重点实验室,北京100044;北京理工大学机械与车辆学院,北京100081;北京交通大学城市交通复杂系统理论与技术教育部重点实验室,北京100044【正文语种】中文【中图分类】U491出行行为理论是交通管理和控制中最为重要的理论之一,对个体出行行为的研究,是进行城市交通规划、建设、管理的一项不可缺少的基础工作,也是城市社会学研究的重要课题.相对于其它目的的出行者,通勤者的选择行为在时间和空间上具有更大的恒定性,此外,由于通勤行为集中在一定的短暂时期和一定的区域发生,使得通勤时段（早晚高峰）的交通尤为拥堵,这是城市交通问题中最为突出的问题[1].因此,对通勤者的出行行为进行研究可为缓解高峰时期拥堵奠定理论基础.国外学者对通勤者的活动研究较为广泛,Bowman和Ben-Akiva（2001）开发了日活动计划系统,可以对通勤者工作日的活动模式进行模拟[2]；Gulob（2000）将通勤活动作为研究对象,利用结构方程模式研究出行链数量、活动停留时间、出行时间三个影响因素之间的相互关系[3].国内学者对通勤者的出行特征较为关注,陈征等（2006）研究了通勤出行交通结构,不同人群交通方式选择特征以及通勤交通方式的出行距离特征[4]；.在出行行为的研究中,离散选择模型的应用较为广泛.Abane（1993）用多项Logit模型（Muhinomial Logit Mode1）分析了通勤者上下班出行方式选择,结果表明,出行者年龄、性别和收入都影响选择行为[5]；国内学者李霞利用网络广义极值模型对居住地和通勤方式的选择行为进行了研究,结果表明,相比郊区的通勤者,中心区的通勤者对出行时间的增加更为敏感[6].在个体进行出行决策时,各个决策过程存在相互影响.本文以Nested Logit模型为工具,对通勤者的出行时间与出行方式选择行为进行研究,从而为相关政策法规的制定奠定理论基础.通勤者在出行时间与出行方式的选择过程中,存在两种决策类型：（1）部分通勤者会根据个人的意愿,先决定通勤所需时间,然后在出行时间的约束下,结合个人偏好,对各种交通方式进行比选.（2）另一部分通勤者会先考虑出行方式,然后在交通方式的约束下结合实际情况,选择通勤所需时间.在交通方式选定的情况下,由于上班地点固定,通勤者考虑准时到达工作地,通常会通过改变通勤速度来对出行时间进行选择和控制,如改变步行速度,自行车速度,小汽车行驶速度,而对公共交通出行而言,若时间紧迫,会选择速度快的交通工具,如地铁；相反地,若时间充裕,则选择速度适中的交通工具,如普通公交.基于出行时间和出现方式选择之间的密切联系,考虑到不同交通方式的运行能力以及出行者的体能特征,本文首先将通勤者的通勤时间划分为3个区间：＜30 min,30-60 min,＞60 min.在＜30 min区间内,通勤者出行方式会以步行与自行车为主；在30-60 min区间内,通勤者选择非机动车和机动车出行都较合适；在＞60 min区间内,通勤者一般都只能采取机动车方式出行.为了便于对通勤者交通方式选择行为进行分析,本文将居民通勤出方式划分为步行、自行车、公共交通（包括公交车、小公共、地铁）、小汽车（包括驾驶和乘坐小汽车）,这四种交通方式占到通勤者上、下班所采用交通方式总量的92％以上[1].基于2005年北京市第三次居民出行调查数据,对通勤者出行时间与出行方法选择情况做了具体分析,结果如图1所示.从图中可知,随着出行时间的变长,步行出行的人数急剧降低,而公共交通与小汽车出行的人数增加,自行车出行的人数先增多后减少.3.1 Nested Logit模型通勤者出行选择行为,包含了一系列决策过程,各个决策过程相互影响,根据决策的复杂程度,将决策方案分为若干个层次.Nested Logit模型（NL）是离散选择模型中具有代表性的一种,是在多项Logit模型（MNL）基础上的一种改进模型,能较好地模拟通勤者分层决策行为[7].NL模型各选择枝之间的关系可以描述为树状结构,在每个树的节点分叉处又可以看作为一个独立的MNL模型[8].为了探究通勤者出行时间与出行方式的选择行为,建立树状结构如图2所示.考虑到步行对于短时间通勤较为合理,因此本文做如下假设：通勤者出行时间超过30 min,不选择步行方式通勤.本文以出行时间—出行方式联合选择模型（即图2（b））为例,说明NL模型的推导过程.设i为通勤者n的出行时间的选择肢（i=1, 2,3）；j为出行方式选择肢数（j=1,2,...,10）；xij是最底层方式选择层的可观测变量,通勤者在选择第i个出行时间区间下,选择第j种出行方式的概率为Pji为计算上层i的选择概率前,首先要定义下层返回的复合效用IV值（Inclusive Value）,下层效用对上层效用的影响即通过IV进行传递[7].上层第i个选择肢的IV 值定义如下：上层第i个选择肢的选择概率为式中α和β是需要标定的参数向量；ωi是上层出行时间选择层的可观测变量；λi称为包容系数（Inclusive Value Parameter）.则通勤者选择某种交通方式的概率Pij为3.2 模型结构关系辨识在构造Nested Logit模型时,需要确定模型各选择层的结构关系,从而判断模型各选择层之间是否具有阶层关系.分层的原则是：选择方案之间差异较大的优先考虑,将其置于上层；而选择方案之间差异较小的,将其置于下层.结构设定之后,一般根据包容系数λi判断模型结构是否正确.辨识方法具体如下[1]：（1）当λi=1时,模型的上、下层没有阶层关系；（2）当λi=0时,模型的上、下层之间既没有阶层关系,也不能称为联合选择概率形式,即上、下之间没有相互关系,两个选择层为两个独立、不相关的选择行为,可以利用两个独立的多项Logit模型分别建模；（3）当λi＜0时,模型下层效用对上层起着负作用,减少上层被选择的概率,和实际不相符合；（4）当λi＞1时,模型下层内某选择肢效用的增加,不但增加了该选择肢被选择的概率,也增加了该层内其它选择肢被选择的概率,与现实情况相违背；（5）当0＜λi＜1时,Nested Logit模型中各层之间有阶层关系,且阶层关系为合理的结构关系.4.1 模型变量定义出行者的出行空间和方式选择受到出行者的个人属性、家庭属性及出行特征的影响,本模型中应用到的变量如表1所示.4.2 建模数据背景及分析为了避免模型回归时出行样本误差现象,本文从北京市第三次居民出行调查数据中随机抽取2 000条样本数据,其中四种交通方式出行的记录各500次,各占25％,性别、年龄以及出行时间的分布情况如表2所示.4.3 建模数据背景及分析本文借助BIOGEME进行参数估计,BIOGEME软件包主要针对离散选择模型而设计,结构灵活,能够估计的模型包括MNL模型、Nested Logit模型、CNL模型、Mixture Logit模型、NetworkGEV模型、Binary Probit模型、连续和离散的混合广义极值模型等[6].通勤者出行选择行为包含一系列的决策过程,如图2所示,本文分别模拟出行方式—出行时间选择模型与出行时间-出行方式选择模型.首先对包容系数值（λi）进行计算,判断如何安排出行时间与出行方式的上、下层关系比较合理,其结果如表3所示.从表3可知,由于出行方式—出行时间模型中NESTA的λi=1,模型的上、下层没有阶层关系；出行时间—出行方式模型中,其λi都满足0＜λi＜1的条件,因此模型结构合理.最终选择出行时间—出行方式模型,其参数的标定结果如表4所示,表中（变量名_i,i=1,2,…,10）为Nested Logit模型10个选择肢的效用函数的变量.通过参数分析可知：（1）年龄.对选择低于30 min的通勤者,Age_1到Age_4数值均为正且以此减少,表明年龄越大的通勤者越倾向于选择步行,年龄对选择交通方式的影响大小依次为步行、自行车、公交车和小汽车；同理,对选择出行时间介于30 min和60 min之间的出行者,年龄越大的通勤者越倾向于选择自行车.（2）收入.对选择低于30 min的通勤者,Income_1大于Income_4,且都为正,表明收入越高越倾向于选择步行和小汽车两种交通方式,高收入人群选择小汽车出行的行为较为常见,而选择步行出行的原因可能有以下几方面：①高收入人群更有经济能力选择离工作地较近的地方居住,步行上班较为方便；②高收入人群本身受教育程度普遍较高,环保意识较强,选择步行出行较多.（3）自行车数量.对选择0-60 min的通勤者,BikeNum_1到 BikeNum_7都为正,且BikeNum_2与BikeNum_5分别为NESTA与NESTB中的最大值,表明通勤者拥有自行车数量越多,选择自行车出行的概率越大.（4）小汽车数量.对选择0-30 min的通勤者,CarNum_1与CarNum_4为正,CarNum_2与CarNum_3为负,表明小车拥有数量越多,选择步行与小汽车出行较多,且不偏向于选择自行车与公共交通方式出行,原因与“收入”项分析类似.（5）出行距离.对选择0-30 min的通勤者,Distance_1到Distance_4都负,且Distance_1与Distance_2偏大,表明出行距离越长,通勤者越不偏向于选择步行与自行车出行. （6）在参数估计中,NESTC中的“变量名_10”为参考项,其值固定为0,而“变量名_8”,“变量名_9”在参数估计结果中,由于T-test值都偏小,非显著区别与0,表明在选择出行时间大于60min,所选择的影响因素（变量）对选择结果无影响,通勤者选择的情况呈现随机分布,结合图1可知,原因在于通勤者选择自行车、公共交通与小汽车的概率较为接近.本文利用Nested Logit模型研究通勤者对出行时间与出行方式的选择行为,结合北京市第三次居民出行调查数据,通过包容系数辨识出行时间—出行方式模型较为合理,表明通勤者在出行之前,先对出行时间进行选择,在其约束下,再对出行方式进行比较选择.在此基础上,通过对模型的参数估计,分析通勤者在不同的出行时间下,对交通方式的选择情况.本文的研究成果可作为通勤者出行选择行为研究的理论基础,为制定高峰时期相关管理政策提供理论依据.【相关文献】[1] 陈团生.通勤者出行行为特征与分析方法研究[D].北京交通大学,2007.[CHEN T S.Research on commuters'travel behavior characteristics and analysis method[D],Beijing Jiaotong University,2007.][2] J L Bowman,ME Ben-Akiva.Activity-based disaggregate travel demand model systeMwith activity schedules[J].Transportation Research Part A：Policy andPractice,2001,35：1-28.[3] Thomas F Golob.A simultaneous model of household activity participation and trip chain generation[J]. Transportation Research Part B：Methodological,2000, 34：355-376. [4] 陈征,周恒,刘英舜.苏州居民通勤出行交通方式选择特征研究[J].道路交通与安全,2006,8：34-37. [CHEN Z,ZHOU H,LIU Y S.Study on vacation queue model for optimization on timing for signalized intersection[J].Road Traffic＆Safety,2006,8：34-37.][5] Abane,A M.Mode choice for the journey to work among formal sector employees in accra,Ghana[J]. Journal of TransportGeography,1993,1（4）：219-229.[6] 李霞,邵春福,曲天书.基于网络广义极值模型的居住地和通勤方式同时选择模型研究[J].北京大学学报（自然科学版）,2010,46（6）：926-932.[LIX, SHAO C F,QU TS.Application of network generalized extreme valuemodel to estimate residential location and commute mode choice[J].Acta ScientiaruMNaturaliuMUniversitatis Pekinensis,2010,46（6）：926-932.] [7] 唐洁,隽志才,高林杰.城市居民出行空间和方式联合选择模型研究[J].公路交通科技,2010,27（5）：83-87,99.[TANG J,JUAN Z C,GAO L J.Travel space and mode combined choice model for urban travelers[J].Journal of Highway and Transportation Research andDevelopment,2010,27（5）：83-87,99.][8] 栾琨,隽志才,宗芳.通勤者出行方式与出行链选择行为研究[J].公路交通科技,2010,27（6）：107-110.[LUAN K,JUN ZC,ZONG F.Research on commuters choice behavior between travelmode and trip chain[J].Journal of Highway and Transportation Research and Development,2010,27（6）：107-110.]。
