Você está na página 1de 10

MODELAGEM DE ESCOLHA DISCRETA E O MTODO DE PREFERNCIA

DECLARADA

Pterson Dayan Machado Gonalves
Pastor Willy Gonzles Taco
Universidade de Braslia UnB
Departamento de Engenharia Civil e Ambiental FT
Programa de Ps-graduao em Transportes

RESUMO
Este artigo trata da utilizao da modelagem de escolha discreta e do mtodo de preferncia declarada para
auxiliar nas tomadas de decises a partir do conhecimento do comportamento dos usurios de um determinado
produto ou servio. Vrios estudos na rea de transportes podem ser desenvolvidos com auxlio dos mtodos de
preferncia declarada. Para tanto, so apresentados os conceitos do mtodo e os modelos existentes para
modelagem de escolha discreta como ferramenta de utilizao na rea de transportes.

ABSTRACT
This article discusses the use of discrete choice modeling and stated preference method to assist in decision
making from the knowledge of the behavior of users of a particular product or service. Several studies in the area
of transport can be developed with the help of stated preference methods. To this end, we present the concepts of
method and models for discrete choice modeling as a tool for use in transport.

1. INTRODUO
Neste artigo pretende-se apresentar e discutir o mtodo de preferncia declarada e a modelagem de
escolha discreta amplamente utilizado nas tomadas de decises em transportes. Os mtodos
apresentados permitem revelar informaes importantes e melhorar o conhecimento do
comportamento dos usurios para intervenes polticas mais acertadas.
O mtodo de preferncia declarada permite definir o comportamento entre os indivduos pela coleta de
dados de tal maneira que se torne possvel realizar uma modelagem via fatores aleatrios, como a
modelagem de escolha discreta tal como Morikawa (1989).
O objetivo do uso da modelagem de escolha discreta e do mtodo de preferncia declarada de
primeiramente trazer mais informaes sobre a opinio dos indivduos, permitindo assim verificar a
utilidade de um produto ou servio para a populao, e por fim definir as medidas a serem tomadas
para atingir um maior potencial de acordo com a finalidade desejada, ou at mesmo, para evitar gastos
desnecessrios.
Os modelos de escolha discreta so apresentados como forma de identificar a evoluo da utilizao
da modelagem partindo do conceito de utilidade.
2. MTODO DE PREFERNCIA DECLARADA
A pesquisa de preferncia declarada um experimento estatstico utilizado como alternativa
para coletar e analisar as preferncias dos consumidores. Para isso, so combinados atributos
com valores variveis de forma a cobrir a rea de interesse, representando assim cenrios
reais.
Estes cenrios so apresentados no mtodo de preferncia declarada por Novaes et al (1996),
na forma de cartes (textos, esquemas), onde pede-se s pessoas entrevistadas que
classifiquem os cenrios em ordem decrescente de preferncia. Para isso feita uma breve
explicao introdutria sobre a pesquisa. Aps a coleta de dados utilizada uma tcnica de
calibrao para ajustar os coeficientes de uma funo utilidade.
O conceito de funo utilidade adotado no mtodo de preferncia declarada utilizado para
representar a atratividade das alternativas, oriundo da Teoria do Consumidor (Fergunson,
1976). Utilidade representa a satisfao ou benefcio que um indivduo percebe quando
consome seus recursos em diferentes bens ou servios (Freitas, 1995).
Vrios estudos na rea de transportes podem ser desenvolvidos com auxlio dos mtodos de
preferncia declarada. Entre eles pode-se citar:
a. Estudo sobre as modalidades de transporte pblico;
b. Desenvolvimento de um busway;
c. Comparao dos sistemas nibus e VLT (veculo leve sobre trilhos);
d. Sistemas de mdia e alta capacidade para transporte pblico;
e. Implantao de parmetros condicionantes implementao dos planos e
projetos ciclovirios;
f. Anlise da demanda por servios ferrovirios e a relao com a qualidade de
servio prestado;
g. O valor do conforto nos servios de transporte pblico urbano;
h. Demandas de viagens a shopping centers e outros plos geradores de vigens;
i. O valor da "marca" no transporte areo.
2.1. PREFERNCIA DECLARADA E PREFERNCIA REVELADA
Qualquer que seja a forma de modelar a escolha dos usurios de transporte, a sua concepo
fundamentada, principalmente, no planejamento de coleta de dados de preferncia declarada
(PD) e/ou preferncia revelada (PR). Os dados de PR representam as escolhas j realizadas
por usurios, portanto, representa o comportamento real de escolha. Os dados de preferncia
declarada fornecem informaes a respeito da escolha do indivduo diante de um conjunto de
alternativas previamente definidas, hipotticas ou no. Morikawa (1989) discute a
estabilidade e a validade dos dados, dividindo-os nos seguintes itens:
2. Questionamentos referentes s decises em dados de PD e PR. Na confeco dos
questionrios o pesquisador recai em quatro possibilidades;
a. Prominence Hypothesis onde se considera que o respondente escolhe
observando um ou poucos atributos no seu processo de avaliao da escolha,
desconhecendo que existe o efeito compensado entre os atributos que pode ser
incorporado na escolha;
b. Policy-Response Bias onde o respondente presume que poder se beneficiar
da resposta que der (Morikawa, 1989);
c. Inrcia das preferncias relativa situao onde o respondente no consegue
compreender como o novo produto influenciaria na sua vida (Morikawa,
1989); e
d. Justification Bias onde o respondente pode querer justificar comportamentos
passados na sua resposta.
3. Descrio imperfeita das alternativas:
a. Omisso de variveis para simplificao dos questionrios;
b. Ao associar a situao com uma imagem pode est perdendo a percepo do
respondente frente situao vivida e o presente na imagem;
4. Omisso de situaes restritas:
a. O respondente pode, consciente ou inconscientemente, ignorar suas restries
pessoais, uma vez que o questionrio se aplica a uma hiptese.
Como descrito acima, os resultados podem vir viesados da forma como os questionrios
foram aplicados. Fora isso, cada uma das fontes de dados possui vantagens e limitaes.
Ortzar e Willuemsem, (1997) relatam os principais aspectos limitantes dos dados de PR,
podendo-se destacar:
- A existncia de altas correlaes entre os atributos, que impede a estimao isolada
dos efeitos dos atributos;
- A dificuldade de estimar variveis qualitativas; e
- A no possibilidade de avaliar alternativas que ainda no atuam no mercado.
Dessa forma, as lacunas formadas pelas limitaes dos dados de PR podem ser preenchidas
pelas vantagens advindas no uso de dados de PD, dentre as quais possvel destacar as
seguintes:
- Permitem o controle dos valores dos atributos atravs de projetos ortogonais, que
permitem a estimao dos efeitos de cada atributo isoladamente;
- Permitem a anlise de variveis qualitativas, com o alcance de resultados satisfatrios;
- Permitem a anlise de alternativas que ainda no existem no mercado atual.
Por outro lado, a principal limitao dos dados de PD consiste no fato de no refletirem o
comportamento atual do mercado, caracterstica peculiar dos dados de PR. Por isso a literatura
recomenda (Swait, Louviere e Williams (1994) e Hensher, Louviere e Swait (2000)), sempre
que vivel a modelagem com dados de PR e de PD conjuntamente, pois assim seria possvel
ao mesmo tempo unir as vantagens e diminuir as limitaes de cada fonte de dados.
Em casos de estudos de previso de demanda, especificamente, a modelagem conjunta de
dados de PD e PR condio sine qua non para a obteno de cenrios consistentes. Em
estudos de anlise trade-off, que permitem a determinao da importncia relativa dos
atributos, aconselhvel somente a utilizao de dados de PD (Swait, Louviere e Williams,
1994 e Hensher, Louviere e Swait, 2000).
Os mtodos de estimao com dados conjuntos partem do princpio de explorar, por um lado,
as estimaes dos efeitos isolados de cada atributo da funo de utilidade, obtidas com os
dados de PD, e por outro, informaes acerca da diviso atual de mercado, obtidas com os
dados de PR. Esses mtodos tambm so chamados de mtodos de enriquecimento de
dados. Morikawa (1989), Ben-Akiva e Morikawa (1990), Morikawa, Ben-Akiva e Yamada
(1991) propem uma forma de juntar diferentes amostras (dados de PD e PR).
3. MODELOS DE ESCOLHA DISCRETA
Segundo Ortzar e Willumsen (1997), o princpio bsico dos modelos de escolha discreta
enuncia que a probabilidade de um indivduo fazer uma certa opo funo de suas
caractersticas scio-econmicas e da atratividade da alternativa em questo em comparao a
outras.
Os modelos de escolha discreta passaram por uma evoluo partindo do conceito de utilidade
aleatria presente no trabalho de Thurnstone (1927), tendo como ponto culminante o axioma
de Luce (1959). Os modelos atuais descrevem de forma mais realista as diferenas entre as
demandas ou utilidades de indivduos que demanda produtos ou servios.
McFadden (2000) indica a vantagem do mtodo por poder ser associado teoria econmica,
principalmente na adequao da abordagem de Lancaster (1966) reduzindo a
dimensionalidade no tratamento de utilidades, no mais por produtos, mas por atributos.
Os modelos de escolha discreta tipo logit passaram por uma evoluo do processo de
estimao s formas de aquisio dos dados. Isso propiciou modelos que podem descrever
comportamentos mais heterogneos entre indivduos ou entre grupos de indivduos, com
destaque aos modelos: Multinomial Logit, Nested Logit e Mixed Logit (Train, 2003).
Na atualidade os modelos de escolha discreta tipo logit espacial se propem a descrever
heterogeneidade entre indivduos de regies distintas tal como o Mixed Logit, mas associando
a estrutura espacial ao modelo (Klier e McMillen, 2006).
3.1 O MODELO LOGIT MULTINOMIAL
A funo de utilidade que representa o grau de preferncia de uma alternativa para certo
indivduo definida em funo dos valores dos atributos das alternativas e das caractersticas
socioeconmicas do indivduo, tal como na equao 3.1.
) , (
n in in
S z U U =
(3.1)
em que: U
in
:= Utilidade de uma alternativa i para um indivduo n;
z
in
:= Vetor dos atributos relevantes da alternativa i;
S
n
:= Vetor das caractersticas socioeconmicas do indivduo n;
Dado que a utilidade no pode ser prevista com total certeza, segundo Ben-Akiva e Lerman
(1985) trata-se a utilidade como uma varivel aleatria, formada por uma componente
determinstica e outra aleatria que reflete as irracionalidades da escolha do indivduo. Esta
abordagem tem como base trabalhos de psicologia, inicialmente propostos por Thurstone em
1927 sobre utilidades aleatrias, onde se presume que os indivduos no escolhem com 100%
de certeza as coisas, mas com uma idiossincrasia presente no termo erro.
Dessa forma, a utilidade de uma alternativa i para um indivduo n (U
in
) pode ser representada
pela seguinte expresso:
in in in
V U c + =
(3.2)
Com: U
in
:= Utilidade global de uma alternativa i para um indivduo n;
V
in
:= Componente sistemtica da utilidade de uma alternativa i para um indivduo n;
c
in
:= Componente aleatria da utilidade de uma alternativa i para um indivduo n.
A escolha de uma alternativa i em relao outra j se d pela comparao entre duas
utilidades tal que j i U U
jn in
= > , . Como a utilidade possui um componente determinstico e
outro aleatrio, a escolha do indivduo se dar ao satisfazer a inequao descrita abaixo.
] , |
~
~
Pr[
] , | Pr[
] , | Pr[
] , | Pr[ ) , | Pr(
x z
x z
x z
x z x z
j i V
j i V V
j i V V
j i U U j y
in jn jn in
in jn in in
jn in
= > =
= > =
= + > + =
= > = =
c
c c
c c
(3.3)
Luce (1959) demonstrou, assumindo a parte determinstica como uma forma linear descrita na
equao 3.4 e a distribuio de probabilidade dos termos aleatrios valor extremo do tipo II
para
ij
c
( ) ( ) ( )
ij ij
f c c exp exp ( = , que a probabilidade de escolha tem a forma funcional da
equao 3.4.

ink k in in in in
x x x x V | | | | | + + + + + = ...
3 3 2 2 1 1 0
(3.4)
Onde:
ink
x
: Atributo k da alternativa i para o indivduo n;
|
0
:= Constante especfica da alternativa e representa o efeito de escolha da alternativa
que no est includa nos efeitos dos atributos;
|
k
:= Peso relativo do atributo
ink
x
na composio da funo utilidade.

e
=
) (
) (
h A j
V
V
n
jn
in
e
e
i P
(3.5)
em que: P
n
(i):= Probabilidade de escolha de uma alternativa i por um indivduo n;
A(n):= Conjunto de alternativas j disponveis para o indivduo n;
V
in
:= Utilidade sistemtica de uma alternativa i para um indivduo n;
V
jn
:= Utilidade sistemtica de uma alternativa j para um indivduo n;
Segundo Novaes, et al (1996), algumas formas podem ser utilizadas de forma a ajustar o
modelo proposto, tais como: mnimos quadrados mais busca direta, linearizao aproximada,
e mxima verossimilhana.
A estimao do modelo na forma binria feita com a maximizao da funo 3.6.
Considerando uma amostra com N observaes e definindo y
in
= 1 (se, na observao n, foi
escolhida a alternativa i) ou y
in
= 0 (caso contrrio).

=
+ =
N
n
ni
in
ni
in
P y P y LL
1
)) 1 log( ) 1 ( )) log( ) ( (3.6)
Onde: LL:= logartmo da funo de verossimilhana;
P
ni
:= Probabilidade do indivduo n escolher a alternativa i, expressa em (3.5);
N:= tamanho da amostra.
As estatsticas para avaliar a qualidade de estimao dos modelos da famlia logit, conforme
Ben-Akiva e Lerman (1985), so as seguintes:
-
) 0 ( L
: valor da funo logartmica de verossimilhana quando todos os parmetros so
zero;
-
) (c L
: valor da funo logartmica de verossimilhana quando somente a constante
especfica da alternativa includa. Isto corresponde ao caso onde a probabilidade de
escolha funo apenas da frao de amostra que escolheu a determinada alternativa;
-
) (| L
: valor mximo da funo logartmica de verossimilhana;
-
)) ( ) 0 ( ( 2 | L L
: estatstica utilizada para testar a hiptese de que todos os
parmetros so zero; assintoticamente distribuda como
2
_
com k graus de
liberdade, onde k igual ao nmero de parmetros estimados;
-
)) ( ) ( ( 2 | L c L
: estatstica utilizada para testar a hiptese nula de que todos os
parmetros so zero; assintoticamente distribuda como
2
_
com k J +1 graus de
liberdade, onde J o nmero de alternativas;
-
2
zero

: mede a frao do valor de verossimilhana explicado pelo modelo, definido


como
(

|
|
.
|

\
|

) 0 (
) (
1
L
L |
.
Os valores de
2
zero

dependero do tipo de modelo a ser construdo. Essa medida mais


adequada na comparao de duas especificaes desenvolvidas com o mesmo conjunto de
dados.
Adicional ao modelo logit tradicional, faz-se estimaes das mesmas formas funcionais
utilizando da metodologia desenvolvida por Morikawa (1989) e depois a de estimaes de
mxima verossimilhana simulada e bayesiana para modelo logit com fatores aleatrios
apresentada por Train (2003).
4. CONCLUSO
O mtodo de preferncia declarada permite o controle dos valores dos atributos atravs de
projetos ortogonais, que permitem a estimao dos efeitos de cada atributo isoladamente,
permitindo o alcance de resultados satisfatrios mesmo para as alternativas que ainda no
existem no mercado atual.
A principal limitao dos dados de preferncia declarada consiste no fato de no
representarem o comportamento atual do mercado e sim em uma opinio dos usurios de
como seria seus comportamentos diante dos atributos definidos.
As tcnicas utilizadas na modelagem de escolha discreta so intensivas em computao,
permitindo a ampliao dos problemas inerentes aos modelos estruturais. Desta forma os
mtodos podem revelar informaes importantes e melhorar o conhecimento do
comportamento dos usurios para intervenes polticas mais acertadas.
Os mtodos de estimao de modelos de escolha discreta evoluram, podendo gerar ganhos
em estimao pontual, dependendo da funo geradora dos dados. Isso propiciou modelos que
podem descrever comportamentos mais heterogneos entre indivduos ou entre grupos de
indivduos.
BIBLIOGRAFIA
Ben-Akiva, M. E., (1973) Structure of Travel Demand Model, Ph.D. Dissertation, Department of Civil
Engineering, MIT.
Ben-Akiva, M. E. e Lerman, S. R. (1985). Discrete Choice Analysis, The MIT Press, EUA.
Ben-Akiva. M. e T. Morikawa (1990) Estimation of Switching Models from Revealed Preferences and Stated
Intentions Transportation Research, 24A, 485-495.
Ferguson, C. E.. (1976). Microeconomia. Rio de Janeiro, 616p.
Freitas, A. A. F. F, (1995). Modelagem Comportamental dos Decisores Atravs de Tcnicas de Preferncia
Declarada: Uma Aplicao no Setor Imobilirio de Florianpolis-SC
Hensher, D., J. Louviere, e J. Swait (2000) Stated choice methods: analysis and applications. Cambridge
University.
Hensher, D., J. Louviere, e J. Swait (1999) Combining Sources of Preference Data Journal of Econometrics, 87,
97-221.
Klier, T. e McMillen, D. P., (2006) Clustering of Auto Supplier Plants in the U.S.: GMM Spatial Logit for Large
Samples. Mimeo.
Luce, R. (1959). Individual Choice Behavior. A Theoretical Analysis. Wiley, New York.
Lancaster, K. J. (1966) A New Approach to Consumer Theory. Journal of Political Economy, 74, 132-157.
McFadden, D. L. (2000) Disaggregate Behavioral Travel Demands RUM Side A 30-Year Retrospective. -
presentation at the International Association of Travel Behavior Analysts, Brisbane, Australia, July 2,
2000, and at RU2000, Duke University, Aug. 6, 2000.
Morikawa, T. (1989) Incorporating Stated Preference Data in Travel Demand Analysis, Ph.D. Dissertation,
Department of Civil Engineering, MIT.
Morikawa, T., M. Ben-Akiva, K. Yamada (1991) Forecasting Intercity Rail Ridership Using Revealed
Preference and Stated Preference Data. Transportation Research Record, 1328, 30-35.
Novaes, A. G., Efrn, A. J., Granemann, S. R., & Rodriguez, C. T. (1996). Tcnicas de Preferncia Declarada na
Anlise do Nvel de Servio Hoteleiro. Departamento de Engenharia de Produo e Sistemas.
Florianpolis-SC
Swait, J., Louviere, J. & Williams, M. (1994) A Sequential Approach to Exploiting the Combined Strengths of
SP and RP Data: Application to Freight Shipper Choice. Transportation, 21:135-152.
Ortzar, J. D. e Willumsen, L. G. (1997) Modelling Transport Second Edition John Wiley e sons.
Train, K. E., (2003), Discrete Choice Models with Simulation, Cambridge Press.
Thurstone, L. (1927). A Law of Comparative Judgement. Psychological Rev. 34: 273-286.

Pterson Dayan Machado Gonalves (petersondayan@hotmail.com)
Pastor Willy Gonzles Taco (pwgtaco@gmail.com)
Universidade de Braslia UnB
Departamento de Engenharia Civil e Ambiental FT
Programa de Ps-graduao em Transportes
Campus Universitrio Darcy Ribeiro Faculdade de Tecnologia Bloco SG-12
CEP 70919-970, Braslia, Brasil