Crowding levels are very relevant for the analysis and evaluation of the performance of public transport as they strongly affect the level of service and the overall perceived quality of the system. However, crowding is not an easy variable to measure and, hence, demand models often tend to ignore or use abstract proxies for it. In this paper, we assess the Multiple Indicator Solution (MIS) method in a Stated Preference (SP) experiment where crowding conditions were displayed to the respondent but are artificially omitted in the estimation of a curtailed model to cause endogeneity. Results provide evidence that the MIS method can be used to control for a wide range of omitted attributes in SP data. We also discuss the potential application of this approach to Revealed Preferences (RP) models of public transport by asking suitable post-trip questions to users. Two MIS variations were applied to this SP case study and both provided outcomes that were superior to those of the curtailed model. We enrich the analysis with the aid of Monte Carlo simulation. Results suggest that potential problems may arise in the presence of neglected interactions and if indicators are only weakly correlated with the omitted attribute. For the SP case study analysed, only the former issue seems to play a role in the results. The article finishes by discussing the implications of these findings for the correction of endogeneity on SP and RP data on public transport and suggesting future lines of research in this area.

拥挤水平与公共交通绩效的分析和评估非常相关，因为拥挤水平会严重影响服务水平和系统的整体感知质量。但是，拥挤不是一个容易衡量的变量，因此，需求模型通常倾向于忽略或使用抽象代理。在本文中，我们在状态偏好（SP）实验中评估了多指标解决方案（MIS）方法，在该实验中，向响应者显示了拥挤情况，但在缩减模型以引起内生性时，人为地忽略了拥挤情况。结果提供了证据，表明MIS方法可用于控制SP数据中广泛的遗漏属性。通过向用户询问合适的出行后问题，我们还将讨论该方法在公共交通的显性偏好（RP）模型中的潜在应用。两个MIS变体应用于此SP案例研究，均提供优于缩减模型的结果。我们借助蒙特卡洛模拟来丰富分析。结果表明，如果忽略了交互作用，并且指标仅与被忽略的属性弱相关，则可能会出现潜在的问题。对于分析的SP案例研究，似乎只有前一个问题在结果中起作用。本文最后讨论了这些发现对纠正公共交通上SP和RP数据的内生性的影响，并提出了该领域的未来研究方向。两个MIS变体应用于此SP案例研究，均提供优于缩减模型的结果。我们借助蒙特卡洛模拟来丰富分析。结果表明，如果忽略了交互作用，并且指标仅与被忽略的属性弱相关，则可能会出现潜在的问题。对于分析的SP案例研究，似乎只有前一个问题在结果中起作用。本文最后讨论了这些发现对纠正公共交通上SP和RP数据的内生性的影响，并提出了该领域的未来研究方向。两个MIS变体应用于此SP案例研究，均提供优于缩减模型的结果。我们借助蒙特卡洛模拟来丰富分析。结果表明，在忽略交互作用的情况下，如果指标仅与被忽略的属性弱相关，则可能会出现潜在的问题。对于分析的SP案例研究，似乎只有前一个问题在结果中起作用。本文最后讨论了这些发现对纠正公共交通上SP和RP数据的内生性的影响，并提出了该领域的未来研究方向。结果表明，如果忽略了交互作用，并且指标仅与被忽略的属性弱相关，则可能会出现潜在的问题。对于分析的SP案例研究，似乎只有前一个问题在结果中起作用。本文最后讨论了这些发现对纠正公共交通上SP和RP数据的内生性的影响，并提出了该领域的未来研究方向。结果表明，如果忽略了交互作用，并且指标仅与被忽略的属性弱相关，则可能会出现潜在的问题。对于分析的SP案例研究，似乎只有前一个问题在结果中起作用。本文最后讨论了这些发现对纠正公共交通上SP和RP数据的内生性的影响，并提出了该领域的未来研究方向。