随着我国统计制度的不断完善以及互联网络的迅速发展,研究人员获得微观数据尤其是微观面板数据的机会越来越多,因此,使用微观面板数据研究个体选择行为的理论和实证研究工作正逐渐成为一个焦点和前沿问题.研究个体的选择行为通常使用的是非线性离散选择模型,由于非线性离散选择模型结构的特殊性使得传统的线性模型的估计方法并不适用,相对于线性模型而言非线性离散选择模型的估计方法更加复杂,在其理论研究方面还有许多工作值得我们探讨.在这篇文章中我们在理论上研究了离散选择模型的参数估计问题,并通过实际数据来分析离散选择模型在我们研究中的应用.在这篇文章中我们的主要研究工作和创新点分为以下几点来叙述.(1)考虑带有个体异质性的动态二值面板选择logit模型,在时间T固定个体N趋于无穷大时,我们提出了一个新的估计方法,模拟结果表明提出的估计量在小样本情况下性能表现的非常良好,另外,在理论上我们证明了该估计量的一致性和渐近正态性.与已有的动态二值logit模型的多个估计方法对比,模拟指出我们的估计量有着更小的平均偏差和均方根误差.(2)考虑带有个体和选项异质性的多项选择模型,在时间T固定个体N趋于无穷大,误差项没有指定一个特定的分布下,我们提出了一个半参数方法估计多项选择模型,并推导了该估计量的大样本性质,在理论上证明了它满足一致性,与极大似然估计方法模拟对比发现我们的估计方法表现的较为稳健.(3)考虑随机后悔最小化模型,我们使用秩序的选择数据估计模型参数,发现随着秩序选择数据长度的增加估计量的效率得到了显著提高,并且在理论上我们给出了这一结论的证明.相对于标准的随机后悔最小化模型,模拟指出秩序随机后悔最小化模型的估计量有着更小的平均偏差和均方根误差.(4)文章提出了一个考虑集模型,在第一阶段,通过一定的消除规则将选择集中产品缩小到一个更小的集合形成考虑集,在第二阶段,在考虑集中消费者选择最优的产品.模拟结果指出我们的考虑集模型优于单阶段的随机效用多项logit模型和随机后悔最小化模型.另外,我们也给出了一个确定考虑集大小的准则,在满足一定条件下使用我们的方法可以准确的预测考虑集的大小.(5)在实证分析方面,我们做了如下的研究工作,首先,本文使用了消费者购买洗涤用品的面板数据,利用二值动态logit模型研究消费者的购买习惯问题,发现消费者多次购买之间存在明显的惯性,即上一次的购买决策显著的影响下一次的购买决策;然后,我们使用家庭购买人造黄油的面板数据,通过秩序的随机后悔最小化模型来研究消费者对该产品的购买行为;最后,我们使用家庭购买番茄酱的面板数据研究考虑集模型,发现特色广告促销方式对消费者考虑集的构成有着显著的影响.