Lösta och olösta problem i tidsvärdesestimering

1. Lösta och olösta problem i tidsvärdesestimering Jonas Eliasson Professor Transport systems analysis Director Centre for Transport Studies

2. Diverse problem vid estimering av tidsvärden • Restidsvärdet = betalningsviljan för att förkorta restiden • Beror av individens och resans egenskaper • Specifikt: alternativnytta av tid, alternativnytta av pengar samt restidens ”direkta nytta” • Hur reder man ut vad som beror på vad? Och vad bör man ”rensa bort” (om något)? • Tidsvärdet påverkas av egenskaper hos experimentet. Hur rensar man bort det? • Tidsvärdet är fördelat. Ingen hänsyn till det => skeva estimat. Så hur gör man?

3. Idé • Bara två variabler => kan räkna ut ett tidsvärdes-”bud” • Kan kolla hur många som ”accepterar budet” (väljer det dyrare alternativet) • Kan undersöka tidsvärdets fördelning utan att göra antaganden • Dessutom lättare att införa förklaringsvariabler och sedan rensa bort experimentrelaterat och ev. annat

4. Resultat andel som inte accepterar budet bud

5. Resultat (2) • Fördelningen ger medelvärde etc. • Obs: måste kunna observera ”svansen” (höga tidsvärden) • gick inte i danska studien pga. för låga bud, men gick i svenska studien • Nu är fråga 3 löst!

6. Vad är problemet med den ”traditionella” metoden? • Om  gumbel => logitmodell. • Tidsvärdet = • Traditionell metod: • Men (1):  och  är fördelade. • Tar man inte hänsyn till fördelningarna riskerar man skevt estimat. • Beräkna kvoten av två fördelningar är ofta svårt, ineffektivt och/eller omöjligt • Men (2): Varför ska felet  se ut just så? • Är ”fel-antagandet” fel påverkas estimaten • Kan testa detta med nya ansatsen! • … och det visar sig att kvotskattningens ”fel-ansats” funkar bättre

7. Ny ansats ”med variabler” • Anta att tidsvärdet W = exp(x +  •  är normalfördelad slumpterm, x är kovariater,  parametervektor • Tidsvärdet blir lognormalfördelat • y = 1{W < bud + } •  logistiskt fel, representerar ”slumpfel” hos respondenten • Kan nu estimera parametrarna  • Varför? • Behövs inte för att veta medeltidsvärdet (det är redan avklarat) • Vill kunna ”ta bort” experiment-effekter… (fråga 2!) • … och kanske vissa socioekonomiska effekter… (? – fråga 1!) • Notera hur lätt det blir att stoppa in kovariater! • Not: Vid kvotskattning måste man anta fördelat tidsvärde, annars blir det tokigt!

8. ”Experiment-artefakter” • Val är referensberoende • Olika namn/fenomen: Loss aversion, inertia bias, WTP/WTA-gap, endowment effect etc. • Fenomenen är ”verkliga” – men existerar bara ”på kort sikt” • På lång sikt finns ingen ”referens” • Men existerar i experimentsituationen! – men har eg. inget med att valet är hypotetiskt att göra • Dock: minskar vid vana beslutssituationer resp. stora insatser • Dessa fenomen kan orsaka att värderingsstudier ger helt olika resultat! • Biliststudien 1995, nya holländska studien: • Mycket små tidsvinster i spelet (pga. korta resor) => väldigt låga tidsvärden

9. Två (tre?) särskilt viktiga fenomen • WTP-WTA-gapet • Tidsvärdet högre för försämring än för förbättring • ”Löst” (?) – går att frilägga underliggande, referensfritt tidsvärde • måste dock anta att detta existerar (?) • Beroende av ”delta-t” – tidsvinstens storlek • Större tidsvinst => högre tidsvärde • Beroende av reslängd (tid och kostnad) • I viss utsträckning OK – kan dock innehålla ”size bias” • Måste iaf kontrollera för det!

10. WTP-WTA-skillnad(loss aversion, endowment effect) cost WTP EL ”Deep VoT” = (WTP*WTA)½ = (EG*EL)½ time EG WTA

11. Effekt av t (tidsvinst i experimentet)(”small time savings”) • Kan t ex bero på att liten tidsvinst inte kan sparas, kanske inte ens användas (givet res-situationen) • ”Finns” bara i experimentet – men hur ska den ”tas bort”? • Olöst fråga!

12. Effekten av kovariater • (not. att det finns inget ”rent (situationsfritt) tidsvärde”!) • Mycket lättare testa/estimera kovariater! • Tidsvärdet bör öka om • lite tillgänglig tid (upptagen med annat) => hög alt. tidsnytta • annat roligt att göra i st f att resa => hög alt. tidsnytta • hög inkomst=> låg alt. penganytta • resan ”otrevlig”/improduktiv => låg restidsnytta • Varför vill vi veta detta? • Nyfiken… • ”Prognosera” tidsvärde i nya situationer • Rensa bort vissa skillnader? – inkomst?

13. Alltså • Tidsvärdesestimering nuförtiden mycket bättre • Gamla studier kan vara missvisande • WTP/WTA-gapet löst • t-problemet olöst, men vi har lite grepp om det… • Mycket bättre uppfattning om kovariaters inflytande, dvs. hur tidsvärdet varierar mellan individer och situationer… • … men hur ska vi använda denna kunskap?