关于捕捉非理性客户行为的离散选择模型的估计
计量经济学
2021-09-10 v1 机器学习
最优化与控制
摘要
随机效用最大化模型是目前估计消费者选择行为最常采用的框架。然而，行为经济学提供了非理性选择行为（如光环效应）的强有力经验证据，这些行为与该框架不兼容。因此，属于随机效用最大化家族的模型可能无法准确捕捉此类非理性行为。于是，克服此类局限性的更一般的选择模型被提出。然而，此类模型的灵活性是以增加过拟合风险为代价的。因此，估计此类模型仍然是一个挑战。在这项工作中，我们提出了一种针对最近提出的广义随机偏好选择模型的估计方法，该模型包含随机效用最大化模型家族，并且能够捕捉光环效应。具体而言，我们展示了如何使用部分排序偏好从交易数据中高效地对理性和非理性客户类型进行建模。我们的估计过程基于列生成，其中通过扩展包含客户行为的树状数据结构来高效提取相关客户类型。此外，我们提出了一种新的客户类型间的支配规则，其效果是优先考虑产品之间的低阶交互。一组广泛的实验评估了所提方法的预测准确性。我们的结果表明，在来自大型杂货和药品连锁店的真实世界数据集上进行测试时，考虑非理性偏好平均可将预测准确性提高12.5%。
引用
@article{arxiv.2109.03882,
title = {On the estimation of discrete choice models to capture irrational customer behaviors},
author = {Sanjay Dominik Jena and Andrea Lodi and Claudio Sole},
journal= {arXiv preprint arXiv:2109.03882},
year = {2021}
}