时至今日,非集计模型被广泛地应用于捕捉城市居民的交通出行方式选择行为,为交通管理政策的科学制定提供了坚实的理论基础与实践依据。但是,由于模型的选择、出行行为数据的处理等方面都会对非集计模型的构建产生一定的影响,如何分析与解决这些影响以便建立更加准确的非集计模型去刻画居民出行行为成为亟待解决的重要问题。本文从出行地域的差异性、不同模型的差异性和不同的缺失数据处理方式三方面进行系统性地分析,探索不同种类的差异性对于模型建立与政策分析的影响。本文首先利用2011年大连市居民出行调查数据构建基于不同区域(不分区域、核心区、外围区、外围区-核心区)通勤出行的二元Logit模型进行对比分析。其次,以大连市核心区数据为基础分别建立MNL与NL模型,探索模型差异性对于通勤出行行为模拟的影响。在此基础上,利用2018年大连市网约车用户出行行为调查数据,删除掉无回答问题所形成的完整数据为基础,通过对易缺失变量家庭收入随机删除10%、30%和50%形成缺失数据。利用单一数据修补EM法和多重数据修补MI法对缺失数据进行修补,形成在不同缺失率情况下的修补数据对比分析以及MNL与NL模型的对比分析。本文利用R语言编程进行非集计模型的构建,三种差异性对模型构建的主要影响如下:(1)不同地域特征会对人们的出行行为产生一定的影响,仅建立单一的模型会产生一定的偏差。(2)研究表明ⅡA特性会对构建模型造成一定的偏差,选取恰当的非集计模型对于分析城市居民出行行为起到至关重要的作用。(3)在居民出行行为调查中经常出现数据无应答的现象,尤其是比较敏感的私人信息等。简单地删除缺失数据是会对模型的建立产生较大的偏差,需要通过数据修补方法进行修正。(4)在考虑多重差异(区域差异、模型差异和数据差异)的影响下,探索城市居民出行行为的关键影响因素以及其作用规律,这也是本文的最大贡献。