Dynamic Programming Approaches for Estimating and Applying Large-scale Discrete Choice Models

People go through their life making all kinds of decisions, and some of these decisions affect their demand for transportation, for example, their choices of where to live and where to work, how and when to travel and which route to take. Transport related choices are typically time dependent and characterized by large number of alternatives that can be spatially correlated. This thesis deals with models that can be used to analyze and predict discrete choices in large-scale networks. The proposed models and methods are highly relevant for, but not limited to, transport applications. We model decisions as sequences of choices within the dynamic discrete choice framework, also known as parametric Markov decision processes. Such models are known to be difficult to estimate and to apply to make predictions because dynamic programming problems need to be solved in order to compute choice probabilities. In this thesis we show that it is possible to explore the network structure and the flexibility of dynamic programming so that the dynamic discrete choice modeling approach is not only useful to model time dependent choices, but also makes it easier to model large-scale static choices. The thesis consists of seven articles containing a number of models and methods for estimating, applying and testing large-scale discrete choice models. In the following we group the contributions under three themes: route choice modeling, large-scale multivariate extreme value (MEV) model estimation and nonlinear optimization algorithms. Five articles are related to route choice modeling. We propose different dynamic discrete choice models that allow paths to be correlated based on the MEV and mixed logit models. The resulting route choice models become expensive to estimate and we deal with this challenge by proposing innovative methods that allow to reduce the estimation cost. For example, we propose a decomposition method that not only opens up for possibility of mixing, but also speeds up the estimation for simple logit models, which has implications also for traffic simulation. Moreover, we compare the utility maximization and regret minimization decision rules, and we propose a misspecification test for logit-based route choice models. The second theme is related to the estimation of static discrete choice models with large choice sets. We establish that a class of MEV models can be reformulated as dynamic discrete choice models on the networks of correlation structures. These dynamic models can then be estimated quickly using dynamic programming techniques and an efficient nonlinear optimization algorithm. Finally, the third theme focuses on structured quasi-Newton techniques for estimating discrete choice models by maximum likelihood. We examine and adapt switching methods that can be easily integrated into usual optimization algorithms (line search and trust region) to accelerate the estimation process. The proposed dynamic discrete choice models and estimation methods can be used in various discrete choice applications. In the area of big data analytics, models that can deal with large choice sets and sequential choices are important. Our research can therefore be of interest in various demand analysis applications (predictive analytics) or can be integrated with optimization models (prescriptive analytics). Furthermore, our studies indicate the potential of dynamic programming techniques in this context, even for static models, which opens up a variety of future research directions.

L’importance du rendement, du soutien des adultes, des attentes de réussite et de la valeur accordée aux mathématiques dans les choix de filières de formation préuniversitaire des étudiantes issues des séquences de mathématiques enrichies

La présente étude s’intéresse aux choix de filières de formation des filles comparées aux garçons. La présence des filles dans les filières de formation dans le domaine des sciences, de la technologie, du génie et de la mathématique (STGM) est moins importante que celle des garçons. Ce fait est documenté dans la plupart des pays industrialisés (OCDE, 2013). Les décideurs sont préoccupés par cette sous-représentation des filles et des femmes dans ces domaines et s’affairent à comprendre le phénomène, dans le but d’agir pour changer la situation (Drouin et al., 2008; MCCCF, 2011). Or, les facteurs d’influence pour expliquer cet écart entre les garçons et les filles sont nombreux et ne font pas l’objet d’un consensus dans la littérature (Ceci et al., 2009). Toutefois, plusieurs s’entendent pour dire que les mathématiques, importantes dans les profils de formation en STGM, et la façon dont les filles les perçoivent pourraient expliquer, en partie, leurs choix (Rowan-Kenyon et al., 2012 et Wang et al., 2013). Ces auteurs ont aussi suggéré que le contexte social et les croyances des filles au sujet des mathématiques seraient déterminants dans le processus de choix impliquant cette discipline. Un modèle théorique sociocognitif, inspiré par les travaux de Lent et al, (1994-2006), expliquant le processus de choix scolaires et professionnels a permis de conceptualiser les liens entre les déterminants socio-motivationnels spécifiques aux mathématiques. L’objectif général de la présente étude était de mieux documenter l’importance des mathématiques dans les choix de filières de formation menant aux carrières en STGM. Spécifiquement, nous avons examiné les relations entre le rendement en mathématiques, la perception des élèves quant au contexte social (soutien des parents et enseignants), leurs attentes de réussite, la valeur qu’ils accordent aux mathématiques (sentiment d’autoefficacité, anxiété, perception de l’utilité et intérêt) et les choix de filières de formation générale après leur secondaire (sciences humaines sans mathématiques, sciences humaines avec mathématiques, sciences de la santé et sciences pures). Nous avons exploré les distinctions entre les filles et les garçons. Pour ce faire, 1129 élèves finissants ont été questionnés au sujet de leurs motivations en mathématiques et de leurs intentions de formation post-secondaire. Par la suite, une comparaison entre les 583 filles et les 543 garçons a été réalisée par des analyses de régression logistiques multinomiales. Les résultats montrent que plusieurs déterminants permettent de dégager des similitudes et des différences quant aux choix de filières de formation des filles et des garçons. D’abord, il semble que pour la plupart des élèves, filles ou garçons, un rendement élevé et un important soutien des enseignants tel que perçu par les élèves à la fin du secondaire est davantage lié aux choix de filières en sciences pures et en sciences de la santé qu’en sciences humaines avec ou sans mathématiques. Toutefois, le soutien des parents perçu est plus déterminant pour les filles qui choisissent les sciences de la santé que pour les garçons. Le soutien des enseignants perçu est plus déterminant pour les garçons qui choisissent les sciences humaines que pour les filles. Aussi, un faible sentiment d’autoefficacité en mathématiques serait associé au choix de filières en sciences humaines, alors qu’une forte anxiété en mathématiques chez les filles serait associée aux filières en sciences de la santé. Pour les garçons, c’est davantage l’intérêt en mathématiques qui est déterminant pour choisir la filière des sciences pures. La perception de l’utilité des mathématiques est déterminante à la fois pour les garçons et pour les filles qui choisissent les filières de sciences les menant à des carrières en STGM. En somme, nos résultats suggèrent que le soutien en mathématiques de la part des adultes significatifs, tel que perçu par les élèves, est moins prépondérant que les attentes de réussite (sentiment d’autoefficacité et anxiété) et la valeur accordée aux mathématiques (intérêt et utilité perçue) pour comparer les garçons et les filles dans leurs choix de filières. À la lumière des résultats obtenus, il nous semble que l’implantation de mesures, dans les milieux scolaires, pour renforcer le sentiment d’autoefficacité des jeunes filles en mathématiques et surtout pour diminuer leur taux d’anxiété dans cette matière serait une voie prometteuse pour atteindre la parité entre les garçons et les filles dans les filières en STGM.

Group-Based Symptom Trajectories in Indicated Prevention of Adolescent Depression

Background: Adolescent depression prevention research has focused on mean intervention outcomes, but has not considered heterogeneity in symptom course. Here, we empirically identify subgroups with distinct trajectories of depressive symptom change among adolescents enrolled in two indicated depression preven- tion trials and examine how cognitive-behavioral (CB) interventions and baseline predictors relate to trajectory membership. Methods: Six hundred thirty-one participants were assigned to one of three conditions: CB group intervention, CB bibliotherapy, and brochure control. We used group-based trajectory modeling to identify trajectories of depressive symptoms from pretest to 2-year follow-up. We examined associations between class membership and conditions using chi- square tests and baseline predictors using multinomial regressions. Results: We identified four trajectories in the full sample. Qualitatively similar trajectories were found in each condition separately. Two trajectories of positive symptom course (low-declining, high-declining) had declining symptoms and were dis- tinguished by baseline symptom severity. Two trajectories of negative course (high-persistent, resurging), respectively, showed no decline in symptoms or de- cline followed by symptom reappearance. Participants in the brochure control condition were significantly more likely to populate the high-persistent trajectory relative to either CB condition and were significantly less likely to populate the low-declining trajectory relative to CB group. Several baseline factors predicted trajectory classes, but gender was the most informative prognostic factor, with males having increased odds of membership in a high-persistent trajectory rel- ative to other trajectories. Conclusions: Findings suggest that CB preventive interventions do not alter the nature of trajectories, but reduce the risk that adolescents follow a trajectory of chronically elevated symptoms.