基于Dubin-McFadden多项Logit转换回归模型（MNLSR）的远程办公频率多类别处理效应评估：以车辆行驶里程（VMD）为例

《Journal of Choice Modelling》：Reintroducing multinomial logit switching regression models: Examining the treatment effect of multiple teleworking frequency categories on vehicle-miles driven

　　

摘要专业翻译 本研究旨在重新引入基于Dubin-McFadden（DMF）方法的多项Logit转换回归模型（Multinomial Logit Switching Regression, MNLSR），以检验多种远程办公频率类别对车辆行驶里程（Vehicle-Miles Driven, VMD）的处理效应。首先，研究人员阐明了该模型的符号体系，并系统构建了针对多种处理状态的处理效应公式。其次，将MNLSR模型应用于远程办公对VMD影响的实际评估中。最后，提出一种基于模拟的方法，用于将模型中经对数变换的结果变量反变换至原始尺度，以计算更具解释性和政策相关性的处理效应。研究结果表明，MNLSR模型能够有效校正多类别处理情境下的自选择偏差，为交通行为及其他社会科学领域的因果推断提供了实用分析框架。

论文解读文章

一、研究背景与问题提出

在人类行为研究中，个体决策往往嵌入复杂的社会结构之中，同时受到可观测与不可观测因素的共同影响。不可观测因素如个性特征、社会规范、制度约束等，深刻影响行为结果，并给因果推断带来挑战。当某一先前决策（行为）的不可观测特征同时影响后续行为结果时，便会产生所谓的自选择偏差（self-selection bias）。若在建模过程中忽视这种偏差，或遗漏特定群体，将导致行为模型结果产生偏误。这一问题广泛存在于社会学、经济学、心理学、政治学及工程学等多个学科领域。

在交通研究领域，居住区位选择是典型的受自选择偏差影响的"先前决策"。经典的内生转换回归模型（Endogenous Switching Regression Models, ESRMs）及其变体已被广泛应用于校正此类偏差，但多数应用集中于二元处理状态（如城市与非城市）。然而，现实中的决策情境很少是二元的，捕捉人类行为的复杂性往往需要纳入多个"处理"状态。

二、研究目的与意义

本研究旨在展示基于Dubin-McFadden（DMF）方法的多项Logit转换回归模型（MNLSR）在远程办公情境下校正自选择偏差的应用。具体而言，研究人员分析了两种远程办公状态（即"非经常性"远程办公与"经常性"远程办公作为处理状态，相对于不远程办公的未处理状态）对车辆行驶里程（VMD）的处理效应。

本研究的贡献主要体现在三个方面：第一，澄清了MNLSR模型中此前未被一致认识的关键特征，增进了对模型假设和解释的理解；第二，提供了当存在多个处理状态时模型估计与处理效应定义的详细指导，填补了现有研究的不足；第三，引入了一种模拟方法，用于在原始尺度上计算模型中经对数变换的结果变量的处理效应，从而促进更具解释性和政策相关性的推断。

三、主要研究方法

本研究采用2021年春季（2月下旬至4月）在德克萨斯州达拉斯-沃斯堡-阿灵顿（DFA）和华盛顿（DC）-阿灵顿-亚历山德里亚（WAA）两个都市统计区收集的问卷调查数据。样本经过加权处理以实现对就业人口的代表性，最终工作样本量为1584人。

在方法论层面，研究人员构建了MNLSR模型，该模型包含选择模型和结果模型两个层次。选择模型采用多项Logit（MNL）设定，误差项服从Gumbel分布；结果模型采用线性回归设定，因变量为对数转换的VMD，误差项服从正态分布。为处理Gumbel分布与正态分布误差项之间的联合分布问题，研究采用了Dubin-McFadden（DMF, 1984）假设。模型估计采用两步法：首先估计选择模型，然后计算校正项（CT函数）纳入结果方程。由于两步估计量在方差-协方差矩阵上不一致，研究人员采用1000次重复的Bootstrap方法计算标准误。

四、研究结果

选择模型结果：在人口统计特征方面，受教育程度较高（本科及以上）和家庭收入较高（10万美元及以上）的人群更倾向于采用任一频率的远程办公。拥有灵活工作安排和全职工作与经常性远程办公（UTWing）的概率正相关。远程办公可行性越高，采用任一形式远程办公的可能性越大。在态度因素方面，偏好主动交通方式且不太倾向于拥有汽车的人群更可能采用经常性远程办公；认为通勤具有正向效用的人群更可能采用非经常性远程办公（NUTWing）；工作干扰家庭（WIF）与两种远程办公状态均正相关。选择模型的McFadden伪R2为0.496（等可能基准）或0.472（市场份额基准），拟合优度较好。

结果模型结果：三个远程办公状态各自的结果方程呈现差异化特征。在非远程办公者（NTWer）方程中，年龄与VMD正相关，高收入（10万美元及以上）显著增加VMD，居住于小城镇和农村地区显著增加VMD，全职工作者VMD更高，偏好大房子态度与VMD正相关。在非经常性远程办公者（NUTWer）方程中，教育程度与VMD正相关，居住于郊区和农村显著增加VMD，偏好主动交通方式与VMD负相关，偏好拥有汽车与VMD正相关。在经常性远程办公者（UTWer）方程中，女性VMD显著较低，子女数量与VMD正相关，居住于郊区和农村显著增加VMD，偏好拥有汽车和城市主义者态度均与VMD正相关。各结果模型的R2分别为0.168、0.169和0.125，合并R2为0.232。

选择偏差校正项：在UTWer结果方程中，α_t^U系数为0.271且在0.001水平上显著，表明影响远程办公选择的不可观测因素与影响VMD的因素之间存在显著相关，证实了自选择偏差的存在及校正的必要性。

五、讨论与结论

研究人员指出，MNLSR模型中的校正项E[η_t|t*]构成了选择偏差，它是各备选方案选择概率的函数。当不存在选择偏差时，相关系数ρ_t^t′及其缩放版本α_t^t′均为零，条件期望也为零；当存在选择偏差时，这些参数不再为零。研究还强调，在估计处理效应的情境下，应采用放宽版本的DMF公式，允许校正项随潜在状态t变化，而非约束其在不同潜在状态下保持一致。

研究结论表明，MNLSR模型为处理多类别处理状态下的自选择偏差提供了实用且灵活的分析框架。该方法不仅适用于交通行为研究，还可推广至其他社会科学领域的结果变量分析。未来研究可进一步探索基于Copula方法的联合估计策略，以实现更高效的参数估计。