Modeling residential location as a key component of the land-use system is essential to understand the relationship between land use and transport. The increasing availability of censuses such as the German Zensus 2011 has enabled residential location to be modeled with a large number of observations, presenting both opportunities and challenges. Censuses are statistically highly representative; however, they often lack variables such as income or mobility-related attributes as in the case of Zensus 2011. This is particularly problematic if missing variables define utility or willingness-to-pay functions that characterize choice options in a location model. One example for this is household income, which is an indispensable variable in land use models because it influences household location preferences and defines affordable location options. For estimating bid-auction location models for different income groups, we impute household income in census data applying an ordered regression model. We find that location models considering this imputation perform sufficiently well as they reveal reasonable and expected aspects of the location patterns. In general, imputing choice variables should thus be considered in the estimation of residential location models but is also promising for other decision problems. Comparing results for two imputation methods, we also show that while applying the deterministic first preference imputation may yield misleading results the probabilistic Monte Carlo simulation is the correct imputation approach.

中文翻译：

---

使用具有估算家庭收入的人口普查数据估算住宅位置的竞标模型

将住宅位置建模为土地使用系统的关键组成部分，对于理解土地使用和运输之间的关系至关重要。越来越多的人口普查（例如2011年德国Zensus人口普查）已使住宅位置能够通过大量观察来建模，既带来机遇，也带来挑战。人口普查在统计上具有很高的代表性；但是，如Zensus 2011那样，它们通常缺少诸如收入或与流动性相关的属性之类的变量。如果缺失的变量定义了位置模型中表征选择选项的效用或支付意愿函数，则这尤其成问题。一个例子就是家庭收入，它是土地使用模型中必不可少的变量，因为它会影响家庭的地理位置偏好并定义负担得起的地理位置选择。为了估算不同收入群体的竞标拍卖地点模型，我们使用有序回归模型将家庭收入估算到普查数据中。我们发现考虑到这种归因的位置模型表现得很好，因为它们揭示了位置模式的合理和预期方面。因此，一般而言，在估算居住区位模型时应考虑估算的选择变量，但它也有望解决其他决策问题。比较两种插补方法的结果，我们还表明，虽然应用确定性的第一偏好插补可能会产生误导性的结果，但是概率蒙特卡罗模拟是正确的插补方法。我们发现考虑到这种归因的位置模型表现得很好，因为它们揭示了位置模式的合理和预期方面。因此，一般而言，在估算居住区位模型时应考虑估算的选择变量，但它也有望解决其他决策问题。比较两种插补方法的结果，我们还表明，虽然应用确定性的第一偏好插补可能会产生误导性的结果，但是概率蒙特卡罗模拟是正确的插补方法。我们发现考虑到这种归因的位置模型表现得很好，因为它们揭示了位置模式的合理和预期方面。因此，一般而言，在估算居住区位模型时应考虑估算的选择变量，但它也有望解决其他决策问题。比较两种插补方法的结果，我们还表明，虽然应用确定性的第一偏好插补可能会产生误导性的结果，但是概率蒙特卡罗模拟是正确的插补方法。因此，在估算居住区位模型时应考虑估算选择变量，但对于其他决策问题也很有希望。比较两种插补方法的结果，我们还表明，虽然应用确定性的第一偏好插补可能会产生误导性的结果，但是概率蒙特卡罗模拟是正确的插补方法。因此，在估算居住区位模型时应考虑估算选择变量，但对于其他决策问题也很有希望。比较两种插补方法的结果，我们还表明，虽然应用确定性的第一偏好插补可能会产生误导性的结果，但是概率蒙特卡罗模拟是正确的插补方法。