如何利用 YYModel 来解析嵌套模型

1.先对模型嵌套分析：

假设我们最初拿到的数据是一个装着省模型（provinceModel）的字典数组，里面有：省名字 NSString *province,

children (城市模型 cityModel) 字典数组 在城市模型中有：城市名字 NSString *city, children (区模型 districtModel) 的字典数组；区模型中装着区名字。

2.利用 YYModel 对嵌套模型进行解析：

1.最外层：provinceModel(省模型) ： NSString *province , NSArray<cityModel *>*children (里面装的是城市模型)，也需要做字典装模型，所以要在 .m 中实现协议的这个方法：

+ (NSDictionary *)modelContainerPropertyGenericClass {

return @{@“children”:[cityModel class]}

}

返回 Model 属性容器中需要存放的对象类型，YYModel 会自动进行处理

2.第二层：cityModel (城市模型) ： NSString *city , NSArray<districtModel *>*children (里面装的是区模型)，也需要做字典转模型，故也要在 .m 中实现协议的这个方法：

+ (NSDictionary *)modelContainerPropertyGenericClass {

return @{@“children”:[districtModel class]}

}

返回 Model 属性容器中需要存放的对象类型，YYModel 会自动进行处理

3.第三层：districtModel (区模型) ： NSString *district.

这就是一个简单的嵌套模型检验。全模型包含beta1和beta2，将beta1=1-beta2代入全模型得到简化模型，也就是简化模型不包含beta1，对两个模型进行回归分别得到全模型和简化模型的回归平方和/或者残差平方和，两个模型回归平方和的差/或者残差平方和的差，除以其自由度(自由度是全模型和简化模型回归系数个数的差值，这里自由度为1)作为分子，全模型的MSE(残差平方和除以其自由度)作为分母，这个比值符合F分布。

不一样。

巢式Logit模型是在一般Logit模型基础上的一种改进模型，它考虑了各选择枝之间的相关性，对具有相似性的各选择枝进行了分类，因此该模型更接近实际情况，但同时也使得模型及其算法变得复杂，难以得到广泛采用.通过分析这两种模型的内在关系，提出了一种求解巢式Logit模型的方法，该方法直观，程序化强，便于应用；并通过示例说明了该方法的计算过程；嵌套模型事实上是将变量分层进行考虑，可能有多个方案，并不是符合IIA假设，有些方案是相关的，嵌套模型通过分层，通过分层形成树形结构（如图1）。把总分类成为根部（root），第一层（level1）称为树干（limb），各类之间是不相关的，而第二层（level2）称为树枝（branch），每一类中的各个方案之间允许相关。不同类之间的方案是不相关的。也可以考虑设置为更多层的嵌套结构，例如树枝之下是树杈（twig）。

选择实验获得的数据主要通过离散选择模型来完成。离散选择模型中，最主要的是logit模型，对嵌套logit模型进行回归之前，首先需要对树形的嵌套结构进行定义。

---