L I CAM OAN Tác gi xin cam đoan lu n v n t t nghi p t b n thân th c hi n không chép công trình nghiên c u c a ng i khác đ làm s n ph m c a riêng Các s li u k t lu n nghiên c u trình bày lu n v n ch a t ng đ c công b nghiên c u khác Các thông tin th c p s d ng lu n v n có ngu n g c đ c trích d n rõ ràng Tác gi hoàn toàn ch u trách nhi m v tính xác th c nguyên b n c a lu n v n H c viên Nguy n Thanh S n M CL C TRANG PH BÌA L I CAM OAN M CL C DANH M C CÁC B NG BI U DANH M C CÁC HÌNH V VẨ CH TH NG 1: GI I THI U 1.1 LÝ DO NGHIÊN C U 1.2 M C TIÊU NGHIÊN C U 1.3 PH M VI VÀ CH IT NG NGHIÊN C U NG 2: T NG QUAN LÝ THUY T VÀ CÁC NGHIÊN C U TH C NGHI M 2.1 T NG QUAN LÝ THUY T 2.1.1 Thuy t l a ch n h p lý 2.1.2 Lý thuy t đ c tính giá tr c a Lancaster 10 2.1.3 Lý thuy t RUM 11 2.2 M T S NGHIÊN C U TH C NGHI M LIÊN QUAN 20 2.2.1 M t s nghiên c u n 2.2.2 Nghiên c u n CH NG 3: PH c 21 c 27 NG PHÁP LU N NGHIÊN C U 30 3.1 KHUNG PHÂN TÍCH NGHIÊN C U 30 3.2 THI T K THÍ NGHI M 31 3.3 MÔ HÌNH KINH T L 3.4 D CH NG 35 LI U NGHIÊN C U 37 NG 04: K T QU PHÂN TÍCH 41 4.1 TH NG KÊ MÔ T 41 4.2 MÔ HÌNH H I QUY 47 4.2.1 K t qu mô hình h i quy chu n 47 4.2.2 K t qu mô hình h i quy t ng quát 48 4.2.3 Xác su t l a ch n tàu n ng m 53 4.3 M C S N LÒNG TR 55 4.4 K T LU N 57 CH NG 05: M T S HÀM Ý CHÍNH SÁCH 58 5.1 B I C NH CHÍNH SÁCH 58 5.2 HÀM Ý CHÍNH SÁCH 62 5.3 H N CH C A TÀI 63 DANH M C TÀI LI U THAM KH O PH L C 01 B NG CÂU H I PH NG V N CÁ NHÂN PH L C 02 K T QU H I QUY MÔ HÌNH CONDITIONAL LOGIT CHU N PH L C 03 K T QU H I QUY MÔ HÌNH CONDITIONAL LOGIT T NG QUÁT PH L C 04 M C S N LÒNG TR CHO CÁC THU C TệNH PH TI N NG DANH M C CÁC B NG BI U B ng 2.1 S khác cách l y m u c a ba ph B ng 3.1 ng pháp l a ch n nh ngh a bi n mô hình……………………………………….34 B ng 3.2 B ng câu h i ph ng v n m u…………………………………………… 39 B ng 4.1 Th ng kê mô t gi i tính, đ tu i, thu nh p, s n m h c 42 B ng 4.2 M t s đ c m cá nhân m u 45 B ng 4.3 H s cl ng cho s thích c a ng i dân đ i v i vi c ch n ph ng ti n l i b ng mô hình CL chu n 47 B ng 4.4 H s cl ng cho s thích c a ng i dân đ i v i vi c ch n ph ng ti n l i b ng mô hình CL t ng quát 49 B ng 4.5 So sánh đ phù h p c a mô hình CL chu n CL t ng quát 52 B ng 4.6 T l cá nhân chuy n sang s d ng tàu n ng m 53 B ng 4.7 cl ng m c s n lòng tr Krinsky - Robb kho ng tin c y 95% 56 B ng 5.1 Các n Metro d đ nh xây d ng t i thành ph H Chí Minh 59 DANH M C CÁC HÌNH V VẨ TH Hình 2.1 Các nhánh c a lý thuy t xác su t l a ch n 13 Hình 3.1 Khung phân tích c a mô hình l a ch n r i r c……………………………30 Hình 3.2 Các thu c tính c a t ng giai đo n l i 32 Hình 4.1 Phân b đ tu i m u 43 Hình 4.2 Phân ph i thu nh p m u 44 Hình 4.3 Thu nh p trung bình theo trình đ giáo d c 44 Hình 4.4 T l t n su t c a m c đích l i c a cá nhân 46 Hình 4.5 Xác su t ch n s d ng tàu n ng m theo m c giá đ nh theo mô hình Conditional logit chu n 54 Hình 4.6 Xác su t ch n s d ng tàu n ng m theo m c giá đ nh theo mô hình Conditional logit t ng quát 55 CH NG 1: GI I THI U 1.1 LÝ DO NGHIÊN C U Tình tr ng k t xe, tai n n giao thông, ô nhi m môi tr ph ng khí th i c a ng ti n giao thông nh ng v n đ mà h u h t qu c gia phát tri n Châu Á ph i đ i m t, có Vi t Nam Vì c s h t ng giao thông đô th ch a phát tri n b t k p v i s l xe tr nên nghiêm tr ng ng ph ng ti n cá nhân t ng nhanh đư làm tình tr ng k t hai đô th l n Hà N i TP.HCM i v i TP.HCM, theo s li u u tra c a T ng c c th ng kê: dân s c a thành ph đ n n m 2013 vào kho ng tri u dân1 Bên c nh đó, s l ng xe máy ô tô đư t ng g p l n t 2000- 2011, tính đ n h t n m 2013 đư t ng thêm 15% so v i n m 2010 nh ng t l đ t dành cho giao thông kho ng 7,8% th p h n so v i n 25%)2 H th ng xe buýt công c ng đ c th gi i (kho ng 20- c xây d ng v i k v ng gi m áp l c lên h th ng giao thông c a thành ph , nh ng th c t t l ng r t kho ng 5% vào n m 2009 Trong đó, ng ph i s d ng ph ng ti n i dân v n ch n l i b ng ng ti n cá nhân mà b ng xe máy ch y u Trong th i gian g n đây, d án đ k v ng c a quy n đ a ph k t xe D án đ ng s t đô th nh n đ ng, s h c r t nhi u s quan tâm ng gi i quy t cho tình tr ng ùn t c ng s t đô th bao g m sáu n s đ c tri n khai d i hình th c BOT ho c PPP Nh ng m t câu h i đ t sau hoàn thành d án: ng i dân s s d ng tàu n thay cho ph ng ti n khác hay v n s d ng ph ti n cá nhân cách th c l i ch y u i u đòi h i c n m t nghiên c u xem xét y u t tác đ ng đ n quy t đ nh l a ch n cách th c l i c a ng ng i dân tính Theo k t qu “ i u tra bi n đ ng dân s k ho ch hóa gia đình th i m 1/4/2003 Các k t qu ch y u” c a T ng c c th ng kê Vi t Nam công b vào tháng 12 n m 2013 Ngu n: http://www.fetp.edu.vn/attachment.aspx?ID=8190 Bài vi t: “Ch ng k t xe Hà N i Thành Ph H Chí Minh” c a V Thành T Anh Hoàng Ph ng, Ch ng trình gi ng d y Kinh t Fulbright, ngày tháng n m 2013 xác su t ch n s d ng K t qu c a nghiên c u s cung c p đánh giá v y u t tác đ ng đ n s l a ch n c a ng i dân Bên c nh đó, nghiên c u đ a hàm ý trình xây d ng sách phát tri n giao thông đô th th i gian t i 1.2 M C TIÊU NGHIÊN C U Nghiên c u t p trung phân tích hành vi l a ch n ph tàu n ng m c a ng i có nhu c u l i, đ ng th i nghiên c u nh ng y u t tác đ ng đ n quy t đ nh ch n ph ng ti n l i c a ng 1.3 PH M VI VẨ NG NGHIÊN C U Nghiên c u đ ng ti n l i, c th IT i dân t i TP.HCM c ti n hành v i ph m vi nghiên c u đ c l a ch n th c hi n t i TP.HCM, đ i v i cá nhân Nghiên c u d a hai lý thuy t n n c b n cho vi c mô hình hóa s l a ch n, là: lỦ thuy t đ c tính c a giá tr Lancaster xây d ng, lý thuy t Random Utility Theory (RUT) nghiên c u th c nghi m có liên quan đ xây d ng khung phân tích ậ s đ Ch ng Ti p đó, Ch c nghiên c u th o lu n chi ti t ng s th o lu n ph ng pháp lu n cho nghiên c u này, cách thi t k nghiên c u thi t k b ng câu h i u tra chi ti t s đ c gi i thi u CH NG 2: T NG QUAN LÝ THUY T VÀ CÁC NGHIÊN C U TH C NGHI M 2.1 T NG QUAN LÝ THUY T Khi tóm l c v l ch s hình thành lý thuy t l a ch n kinh t h c, McFadden (2001) vi t có t a đ “Economic Choice”, đư đ c p: Lý thuy t kinh t h c c n cho r ng ng i tiêu dùng tìm ki m vi c t i đa hóa s thích c a h s thích th hi n qua s khác bi t quy t đ nh S h p lý hành vi c a ng i tiêu dùng đ c di n gi i theo ngh a r t đ c tr ng b i John Hicks Paul Samuelson v s hoàn h o S hoàn h o đ thích c a cá nhân đ c hai tác gi nêu hàm ý s c xem n đ nh, t nhiên mà có Các nhà kinh t h c đư xem xét đ n s khác bi t v s thích, nh ng s ph c t p đư đ c u th c nghi m v c u th tr ng Ng c b qua nghiên i tiêu dùng có nh ng s thích đ c đ i di n b i m t hàm h u d ng U(x) v i m t véc-t x c a m c đ tiêu dùng cho nh ng hàng hóa khác đ t i đa hóa hàm h u d ng này, d i s ràng bu c ngân sách: , p m t véc-t giá a thu nh p c a cá nhân, nh v y hàm c u ) Khi đ lúc s tr thành: nhi u đ c áp d ng nghiên c u th tr c thêm vào hàm c u đ tính toán s khác bi t d li u quan sát, Ph n nhi u đư đ c di n gi i nh sai s c a x, ho c có th t nh ng sai l m vi c t i u hóa c a ng ph i mang nh ng ràng bu c đ chung, nhà kinh t h c tr i tiêu dùng Ch có hàm c u đ i di n d(a,p) m i c đ a lỦ thuy t ng i v tiêu dùng Nhìn c nh ng n m 1960 s d ng lý thuy t ng nh m t công c l p lu n, đ khám phá nh ng tính ch t c a ph th tr ng, m t ph n ng sách kinh t liên quan Khi lý thuy t v ng i tiêu dùng ng án t ch c i tiêu dùng đ c áp d ng nghiên c u th c nghi m d a vào c p đ d li u khác nhau, có th theo góc đ c a m t th tr th ng ng nh t đ nh ho c góc đ m t qu c gia Các nghiên c u ng phát tri n d a gi i h n c a m t ch th đ i di n nh t đ nh (ví d , i tiêu dùng ho c doanh nghi p), v i cách nhìn nh n nh ng hành vi c a ch th đ i di n mang tính ph quát th tr ng đ c nghiên c u Khi quan sát b sai l ch theo nh ng hàm ý lý thuy t v ch th đ i di n khác bi t s đ c nhà nghiên c u tính toán vào m t ph n nhi u sai s đo l không xem y u t không quan sát đ ng c a d li u, c ho c khác bi t qua cá nhân đ i di n Trong nh ng n m 1960, s gia t ng d li u kh o sát hành vi cá nhân s c i ti n nhanh chóng c a máy tính cá nhân đư giúp nhà nghiên c u phân tích đ c nh ng d li u này, t p trung ch y u vào s khác bi t nhu c u c a cá nhân Vi c mô hình hóa gi i thích s khác bi t gi a cá nhân tr nên quan tr ng nh m t ph n c a lý thuy t ng i tiêu dùng i u đ c bi t rõ ràng đ i v i l a ch n r i r c, ví d nh l a ch n cách th c l i ho c ngh nghi p Nh ng gi i pháp cho v n đ nêu đư đ a đ n nh ng công c phân tích kinh t l ng vi mô v hành vi l a ch n nh hi n Ngu n g c c a k thu t l a ch n b t ngu n t nh ng nghiên c u ngành tâm lý h c nh ng ch a th áp d ng vào nghiên c u th tr hành vi c a ng ng i tiêu dùng l nh v c kinh t h c Vào n m 1960, Jacob Marschak đư đ a lý thuy t nghiên tâm lý h c c a Thurstone vào mô hình kinh t , b ng cách di n gi i nh ng kích thích v m t tâm lý theo khái ni m c a kinh t h c, v i xác su t vi c l a ch n đ t i đa hóa h u d ng mà b n thân ch a đ ng y u t ng u nhiên (Kjær, 2005) Marschak g i mô hình t i đa hóa h u d ng ng u nhiên (Random Utility Maximization, RUM) đo l ng giá tr kinh t , có hai cách ti p c n đ c a Kjær (2005), Bateman c ng s (2002): Ph Preference Method) ph Trong đó, ph ph c trình bày nghiên c u ng pháp ti t l s thích (Revealed ng pháp phát bi u s thích (Stated Preference Method) ng pháp có liên quan đ n phát bi u s thích bao g m hai lo i: ng pháp đánh giá ng u nhiên (Contingent valuation method, CVM) ph ng pháp thí nghi m l a ch n r i r c (Discrete choice experiment, DCE) S đ i c a lý thuy t RUM, s phát tri n nhanh c a k thu t kinh t l ng đư giúp cho ph ng pháp liên quan đ n l a ch n nghiên c u kinh t tr nên h u ích, có kh n ng áp d ng ph bi n nghiên c u th c nghi m Nh ng quan tr ng nh t, lý thuy t RUM đư cung c p đ quan sát đ c u th tr c c a ng ng, ph c m i liên h gi a hành vi i tiêu dùng v i lý thuy t kinh t h c Trong l nh v c nghiên ng pháp thí nghi m l a ch n r i r c đ c m t s nhà nghiên c u g i v i tên k thu t phân tích k t h p (Conjoint analysis, CA), đ nghiên c u c a Green Srinivasan (1978) Ph đóng vai trò quan tr ng d đoán hi u đ cđ c p ng pháp phân tích k t h p c quy t đ nh c a ng i tiêu dùng thông qua nh ng phân tích d a thu c tính s n ph m Tuy nhiên, c m t phân tích k t h p không đ c s d ng r ng nghiên c u kinh t sau này, mà đ c thay th b i k thu t có giá tr h n d a n n t ng lý thuy t v s ng u nhiên h u d ng (Random Utility Theory, RUT) (Louviere công s , 2000; Louviere, 2001; Louviere công s , 2010) c ng RUM mà nghiên c u s th o lu n chi ti t h n nh ng ph n k ti p Trong nghiên c u kinh t h c môi tr ng, k thu t có liên quan đ n l a ch n th ng đ c g i thí nghi m s l a ch n (Choice Experiment, CE) ho c mô hình hóa l a ch n (Choice Modelling, CM) Các nhà kinh t h c đư chia k thu t liên quan đ n l a ch n thành ba nhóm, bao g m: (1) Thí nghi m s l a ch n r i r c; (2) S p x p ng u nhiên; (3) X p h ng ng u nhiên Cách phân lo i d a s khác v gi đ nh lý thuy t, ph ng pháp phân tích ti n trình th c hi n thí nghi m (Bateman c ng s , 2002; Blamey c ng s , 2002; Louviere c ng s , 2000) Cách thi t k ph b n gi ng cho m i k thu t đáp viên ph i đ a đ v i m t t p ph t án đư đ c s thích đ i m t ng án đ y đ h u h n v i thu c tính khác c a đ i ng Các gi đ nh lý thuy t c a ba ph h c phúc l i ng án ch n c i v i ph ng pháp đ u phù h p v i lý thuy t kinh t ng pháp DCE yêu c u đáp viên ch n m t ph c đ a ra, nên m c đ yêu c u đ i v i đáp viên h n ph x p h ng nh ng l i cung c p thông tin v đáp viên h n Ph nhiên yêu c u đáp viên s p x p cho t t c ph ng ng pháp s p x p, ng pháp s p x p ng u ng án d li u s cung c p đ h n thông tin v s thích c a đáp viên h n ph ng pháp l a ch n r i r c, nhiên u đòi h i đáp viên ph i có kh n ng nh n th c nhi u h n M c Gi đ nh th m i: B n ph i m t 1250 VN /1km b ng tàu n ng m ch c ch n có gh ng i Các thu c tính T ng th i gian l i Ph ng ti n l i hi n t i:ầầầầ ……… phút S s n có c a gh Có ng i Không Chi phí chuy n ……… đ ng Chi phí đ xe ……… đ ng L a ch n c a b n TƠu n ng m ……… phút Có ……… đ ng đ ng Ph n III: Anh/Ch vui lòng cho bi t m t s thông tin cá nhân Gi i tính Anh/Ch : Nam N M c thu nh p hàng tháng c a Anh/Ch là: ………………………VN Tu i c a Anh/Ch là:………………… S n m h c c a Anh/Ch là:……… Anh/ch hi n lƠm vi c: Làm c quan nhà n c Làm c quan nhà n c N i tr Sinh viên Khác Anh/Ch hi n s h u xe máy: Có Không Xin chân thành c m n Anh/Ch đư tham gia ph ng v n! PH L C 02 K T QU H I QUY MÔ HÌNH CONDITIONAL LOGIT CHU N Mô hình CL chu n ch bao g m bi n thu c c a tính ph Iteration 0: log likelihood = -909.93021 Iteration 1: log likelihood = -886.44048 Iteration 2: log likelihood = -886.35569 Iteration 3: log likelihood = -886.35567 Conditional (fixed-effects) logistic regression Log likelihood = -886.35567 ng ti n Number of obs = 2760 LR chi2(3) = 147.44 Prob > chi2 = 0.0000 Pseudo R2 = 0.0768 -choice | Coef Std Err z P>|z| [95% Conf Interval] -+ -totaltime | -.0478902 0050636 -9.46 0.000 -.0578148 -.0379657 totalcost | -.0766596 0119402 -6.42 0.000 -.100062 -.0532572 seat | 3784166 1025459 3.69 0.000 1774304 5794029 Ki m tra hi n t Ma tr n t ng đa c ng n gi a bi n mô hình ng quan gi a bi n: Correlation matrix of coefficients of clogit model | choice e(V) | totalt~e totalc~t seat -+ -choice | totaltime | 1.0000 totalcost | 0.1664 1.0000 seat | -0.6352 -0.0288 Ki m tra h s phóng đ i ph Variable | VIF 1.0000 ng sai: 1/VIF -+ -totaltime | 5.04 0.198230 totalcost | 4.23 0.236384 seat | 3.10 0.322301 -+ -Mean VIF | 4.13 K t qu b ng trên, có th đ n k t lu n: h s phóng đ i ph 10, không xãy hi n t ng sai ng đa c ng n hoàn h o gi a thu c tính c a ph m cd i ng ti n Mô hình CL chu n v i thu c tính bi n ASC Iteration 0: log likelihood = -929.86701 Iteration 1: log likelihood = Iteration 2: log likelihood = -884.54862 Iteration 3: log likelihood = -884.54426 Iteration 4: log likelihood = -884.54426 -885.7311 Conditional (fixed-effects) logistic regression Log likelihood = -884.54426 Number of obs = 2760 LR chi2(4) = 151.06 Prob > chi2 = 0.0000 Pseudo R2 = 0.0787 -choice | Coef Std Err z P>|z| [95% Conf Interval] -+ -totaltime | -.069136 01313 -5.27 0.000 -.0948703 -.0434018 totalcost | -.0764746 0119627 -6.39 0.000 -.0999211 -.0530282 seat | 2959157 1129035 2.62 0.009 0746289 5172026 ASC | -.3682441 2000446 -1.84 0.066 -.7603244 0238362 Tính Odds Ratio cho mô hình CL chu n có bi n ASC Iteration 0: log likelihood = -929.86701 Iteration 1: log likelihood = Iteration 2: log likelihood = -884.54862 Iteration 3: log likelihood = -884.54426 Iteration 4: log likelihood = -884.54426 -885.7311 Conditional (fixed-effects) logistic regression Log likelihood = -884.54426 Number of obs = 2760 LR chi2(4) = 151.06 Prob > chi2 = 0.0000 Pseudo R2 = 0.0787 -choice | Odds Ratio Std Err z P>|z| [95% Conf Interval] -+ -totaltime | 9331997 0122529 -5.27 0.000 9094909 9575266 totalcost | 9263764 011082 -6.39 0.000 9049088 9483533 seat | 1.344357 1517826 2.62 0.009 1.077484 1.677329 ASC | 6919483 1384205 -1.84 0.066 4675148 1.024123 Tính ph n tr m thay đ i Odds clogit (N=2760): Percentage change in odds Odds of: vs | b z P>|z| % -+ totaltime | -0.0691 -5.266 0.000 -6.7 totalcost | -0.0765 -6.393 0.000 -7.4 seat | 0.2959 2.621 0.009 34.4 ASC | -0.3682 -1.841 0.066 -30.8 - Ki m tra hi n t Ma tr n t ng đa c ng n có thêm bi n ASC ng quan gi a bi n: Correlation matrix of coefficients of clogit model | choice e(V) | totalt~e totalc~t seat ASC -+ -choice | totaltime | 1.0000 totalcost | 0.0695 1.0000 seat | 0.0576 -0.0275 1.0000 ASC | 0.9130 0.0036 0.3409 K t qu c a ma tr n t ng quan th hi n: có s t th i gian l i, h s t 1.0000 ng quan ch t gi a bi n ASC bi n t ng ng quan lên đ n 0.913 Ki m tra h s phóng đ i ph Variable | VIF ng sai: 1/VIF -+ -totalcost | 6.94 0.144117 totaltime | 5.59 0.178889 seat | 3.11 0.321546 ASC | 2.04 0.489873 -+ -Mean VIF | 4.42 H s phóng đ i ph nh n đ c hi n t ng sai c a bi n thu c tính v n m cd i 10, có th t m ch p ng đa c ng n không hoàn h o gi a thu c tính PH L C 03 K T QU H I QUY MÔ HÌNH CONDITIONAL LOGIT T NG QUÁT Mô hình CL t ng quát v i t t c bi n thu c tính, ASC bi n t Iteration 0: log likelihood = -858.68381 Iteration 1: log likelihood = -823.18297 Iteration 2: log likelihood = -822.69006 Iteration 3: log likelihood = -822.6889 Iteration 4: log likelihood = -822.6889 Conditional (fixed-effects) logistic regression Log likelihood = -822.6889 ng tác Number of obs = 2760 LR chi2(8) = 274.78 Prob > chi2 = 0.0000 Pseudo R2 = 0.1431 choice | Coef Std Err z P>|z| [95% Conf Interval] -+ -totaltime | -.0480732 0132777 -3.62 0.000 -.074097 -.0220494 totalcost | -.0793224 0128876 -6.15 0.000 -.1045817 -.0540631 seat | 3299894 1184354 2.79 0.005 0978602 5621186 ASC | 5.105157 6976098 7.32 0.000 3.737867 6.472447 ASC_age | -.2903716 0347208 -8.36 0.000 -.358423 -.2223201 ASC_sex | -.1126757 1216909 -0.93 0.354 -.3511854 1258341 ASC_inc | 071674 0279904 2.56 0.010 0168138 1265343 ASC_educ | 1210513 058062 2.08 0.037 0072519 2348507 Tính Odds Ratio cho t ng quát CL v i t t c bi n thu c tính, ASC bi n t ng tác Iteration 0: log likelihood = -858.68381 Iteration 1: log likelihood = -823.18297 Iteration 2: log likelihood = -822.69006 Iteration 3: log likelihood = -822.6889 Iteration 4: log likelihood = -822.6889 Conditional (fixed-effects) logistic regression Log likelihood = -822.6889 Number of obs = 2760 LR chi2(8) = 274.78 Prob > chi2 = 0.0000 Pseudo R2 = 0.1431 -choice | Odds Ratio Std Err z P>|z| [95% Conf Interval] -+ -totaltime | 953064 0126545 -3.62 0.000 9285816 9781919 totalcost | 923742 0119049 -6.15 0.000 9007012 9473723 seat | 1.390953 1647382 2.79 0.005 1.102809 1.754385 ASC | 164.87 115.0149 7.32 0.000 42.00829 647.0652 ASC_age | 7479856 0259706 -8.36 0.000 6987774 8006591 ASC_sex | 8934404 1087235 -0.93 0.354 7038533 1.134094 ASC_inc | 1.074305 0300703 2.56 0.010 1.016956 1.134888 ASC_educ | 1.128683 0655336 2.08 0.037 1.007278 1.26472 Tính ph n tr m thay đ i Odds clogit (N=2760): Percentage change in odds Odds of: vs | b z P>|z| % -+ totaltime | -0.0481 -3.621 0.000 -4.7 totalcost | -0.0793 -6.155 0.000 -7.6 seat | 0.3300 2.786 0.005 39.1 ASC | 5.1052 7.318 0.000 16387.0 ASC_age | -0.2904 -8.363 0.000 -25.2 ASC_sex | -0.1127 -0.926 0.354 -10.7 ASC_inc | 0.0717 2.561 0.010 7.4 ASC_educ | 0.1211 2.085 0.037 12.9 - So sánh m c Ủ ngh a th ng kê h s c a hai mô hình CL chu n CL t ng quát (1) (2) (1) (2) choice choice choice choice choice totaltime totalcost seat -0.0691*** -0.0481*** (-5.27) (-3.62) -0.0765*** -0.0793*** (-6.39) (-6.15) 0.296** (2.62) ASC 0.330** ASC_age -0.290*** (-8.36) ASC_sex -0.113 (-0.93) ASC_inc 0.0717* (2.56) (2.79) -0.368 5.105*** (-1.84) (7.32) ASC_educ 0.121* (2.08) -N 2760 2760 -t statistics in parentheses * p