利用移动位置数据估计消费者对餐厅与出行时间的异质性偏好
计量经济学
2018-01-25 v1 人工智能
应用统计
机器学习
摘要
本文利用来自旧金山湾区数千名匿名手机用户的样本数据分析消费者对午餐餐厅的选择。该数据用于识别用户近似的典型早晨位置及其午餐餐厅的选择。我们构建了一个模型：餐厅具有潜在特征（其分布可能依赖于餐厅可观测变量，如星级评分、食物类别和价格区间），每位用户对这些潜在特征有偏好，且这些偏好在用户间异质。类似地，每项物品具有描述用户前往餐厅出行意愿的潜在特征，且每位用户对这些潜在特征有个体特定的偏好。因此，用户的出行意愿及其对每家餐厅的基础效用均随用户-餐厅对而变化。我们采用贝叶斯方法进行估计。为使估计在计算上可行，我们依赖变分推断来近似后验分布，并以随机梯度下降作为计算方法。我们的模型优于多项 logit 与嵌套 logit 等更标准的竞争模型，部分归因于估计的个性化。我们分析了餐厅关闭后消费者如何将其需求重新分配至附近餐厅与具有相似特征但更远的餐厅，并将预测与实际结果比较。最后，我们展示了该模型如何用于分析反事实问题，例如在特定位置何种类型餐厅能吸引最多消费者。
引用
@article{arxiv.1801.07826,
title = {Estimating Heterogeneous Consumer Preferences for Restaurants and Travel Time Using Mobile Location Data},
author = {Susan Athey and David Blei and Robert Donnelly and Francisco Ruiz and Tobias Schmidt},
journal= {arXiv preprint arXiv:1801.07826},
year = {2018}
}