【正文】 優(yōu)惠，均以實際鄰里特征，因此透露的喜好，匹配。應(yīng)用的可能性比試驗并沒有證實，列入捕捉到的出行方式選擇模型的潛變量訪問和城市生活的喜好增加其解釋力的潛變量模型?？偨Y(jié)的結(jié)果，估計參數(shù)都是重大和有預(yù)期的跡象。這表明，更多的個人（口頭）良好的公共交通設(shè)施和城市的生活方式傾向于較高的是交通和步行司機和乘客，自行車，汽車方面的效用。乘客的具體成本系數(shù)有一個積極的跡象，但沒有統(tǒng)計學(xué)意義。SPSS軟件用于潛變量得分的估計。提取的因子分進入了出行的選擇，因為泛型變量的模型在不同個體間的變量的效用，但不是變量。為了減少通過個人反應(yīng)獲得的信息，我第一次使用因素分析。答復(fù)采用Likert式五點協(xié)議的尺度?？捎米兞考?CAR_AV, PASS_AV, BIKE_AV, WALK_AV, TRANS_AV)指定的變量是可行的每一個人。數(shù)據(jù)整理后，下面的結(jié)果是建立在1438個人的答復(fù)的基礎(chǔ)上的?？绲貐^(qū)可用的選項也不一樣。我利用1723個成年人包括退休人員管理的個人出行模式選擇顯性偏好調(diào)查。學(xué)者們關(guān)注在不同的研究情境下出行行為和態(tài)度之間的關(guān)聯(lián)：Handy等(2005)表明觀念上的差異在很大程度上解釋觀測到的郊區(qū)和傳統(tǒng)鄰居出行方式上的差異。進一步的定性調(diào)查表明第一組中的人會不同程度地在影響他們出行時間、旅費和后續(xù)模式選擇的出行上成功滿足他們良好交通的主張。背景和制定假設(shè)本文研究的課題是指出對特殊生活方式的偏好如何影響出行行為特別是出行模式選擇。所謂的“可持續(xù)運輸模式”包括公交、自行車、步行的份額在減少，小汽車的份額在增加。同時，交通運輸系統(tǒng)造成了一些環(huán)境問題而且由于廢氣、噪聲、震動對人類健康造成負面影響，尤其是在市中。日常出行方式選擇及其影響因素：旅行與生活方式的特征Braun Kohlov225。在發(fā)達國家，交通運輸部門為GDP作的貢獻大約是10%，它的服務(wù)是經(jīng)濟行為和閑暇行為的先決條件。我們體驗到了客運模式劃分的變化。第五部分介紹模型的估算和討論的結(jié)構(gòu)，而第六部分總結(jié)主要發(fā)現(xiàn)，并概述未來可能的研究方向。對于第二組的個人來說交通不要緊因為他們“不管怎樣都開車”。在效用函數(shù)列入潛在因素（心理）提高了模型的解釋力。數(shù)據(jù)這些數(shù)據(jù)是在2008年從7個選定的捷克城市和它們的郊區(qū)的出行行為的調(diào)查中獲得的?？偟倪x擇包括12個選項（開車者，搭車者，摩托車，電車，無軌電車，公共汽車，地鐵，火車，區(qū)域公交車，自行車，步行，其他）。數(shù)據(jù)是由專業(yè)機構(gòu)收集的。并非所有的替量都被認為是為每一個人提供。潛變量基于前面的定性調(diào)查和文獻（Walker和Li，2006年）的結(jié)果獲取所需的特色街區(qū)和公共交通無障礙的態(tài)度問題納入問卷。*鄰里和訪問指標(biāo)、變量采用Likert式五點協(xié)議的尺度。雙方提取的因子分作為變量保存。BIOGEME軟件（Bierlaire 2003, 2008）用于多項Logit模型估計。正如所料，汽車成本和運輸成本，均在5%水平顯著，有負數(shù)，這以為著對各自替代品的效用的負面影響。兩個潛變量，抓住良好的接入和城市生活偏好的影響，最終進入模型，有統(tǒng)計學(xué)意義和積極影響交通和步行實用。然而，解釋可能是雙重的，這些人喜歡過境國和使用無視成本或他們忽視了成本，因為他們可以步行出行距離較短的感謝。順序（兩階段）估計方法相結(jié)合的因子分析和隨機實用的選擇模型（多項羅吉特）。然而，為了避免測量誤差偏差，建議（BenAkiva等人，1999，Walker和Li，2006）同時估計潛變量得分或類和選擇模型。 LERMAN, S. Discrete Choice Analysis: Theory and Application to Travel Demand. Cambridge (Mass.): The MIT Press, 1985.BENAKIVA, M.。 LI, J. Latent Lifestyle Preference and Household Location Decisions. Journal of Geographical Systems, 2007, vol. 9, no. 1, s. 77–101.附錄：表一：因素分析：總方差的解釋提取方法：主成分分析。