Resumen

Este estudio pretende comprender los factores cruciales que afectan a la propiedad de vehículos en la ciudad local, Japón. Se utilizan como muestra de investigación los datos de 14.855 hogares de la ciudad de Toyota. Los datos de la muestra se extraen de los datos de la 5ª Encuesta de Viajes Personales en la región de Chukyo. En primer lugar, se complementan los ingresos anuales desconocidos mediante un modelo probit ordenado. A continuación, se utiliza un modelo probit ordenado trivariado para analizar simultáneamente la propiedad de vehículos de motor ligeros, vehículos de motor ordinarios y camiones pequeños. Para estimar los parámetros desconocidos de forma eficaz y eficiente, en este estudio se aplica un tipo de método Markov Chain Monte Carlo denominado algoritmo Gibbs Sampler. Los resultados significativos sugieren lo siguiente (1) la renta anual sólo afecta a la propiedad de vehículos de motor ordinarios; (2) un hogar con un cabeza de familia de 60 años o más tiene más probabilidades de poseer camiones pequeños, en comparación con el que tiene un cabeza de familia menor de 60 años; (3) la densidad de población afecta negativamente al número de vehículos de motor ligeros y al de camiones pequeños; (4) existe un efecto de sustitución de la propiedad de vehículos entre vehículos de motor ligeros y camiones pequeños.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:vehículos de motor ligeros, camiones pequeños, vehículos de motor ordinarios, modelo probit, propiedad de vehículos, datos de la encuesta sobre viajes de 5ª persona, métodos monte carlo de cadena de markov, algoritmo gibbs sampler, datos de muestra de hogares, renta anual desconocida
• Keywords:light motor vehicles, small trucks, ordinary motor vehicles, probit model, vehicle ownership, 5th person trip survey data, markov chain monte carlo methods, gibbs sampler algorithm, household sample data, unknown annual income