事例研究(ミクロ経済政策・問題分析 I) - 規制産業と料金・価格制度 -

Slides:



Advertisements
Similar presentations
1 小暮研究会2 第1章ベイジアンアルゴリズ ム 2値選択 ベルヌーイ試行 尤度原理 同一性 交換可能性 尤度についてのまとめ 環境情報学部3年 渡邊洋一.
Advertisements

計量的手法入門 人材開発コース・ワークショップ (IV) 2000 年 6 月 29 日、 7 月 6 ・ 13 日 奥西 好夫
土木計画学 第3回:10月19日 調査データの統計処理と分析2 担当:榊原 弘之. 標本調査において,母集団の平均や分散などを直接知ることは できない. 母集団の平均値(母平均) 母集団の分散(母分散) 母集団中のある値の比率(母比率) p Sample 標本平均 標本分散(不偏分散) 標本中の比率.
2014 年 10 月 17 日初級ミクロ経済学 1 初級ミクロ経済学 -消費者行動理論- 2014 年 10 月 17 日 古川徹也.
2016 年度 計量経済学 講義内容 担当者: 河田 正樹
スタートアップゼミ 社会基盤交通研 B4 佐津川功季. 多項プロビットモデル  ロジットモデルの弱点である 、 誤差項の独立性という仮定に 対して 、 多変量正規分布を用いて選択肢間の相関を表現した モデル 。 効用関数 において確率項ベクトル において、平均値をそれぞれ 0 、共分散行列を Ω(J×J.
Qualitative Response Model. 被説明変数がダミー変数の回帰 例) MROZ.RAW 女性労働 –inlf 女性が外で働いていれば 1 ,そうでなけれ ば 0 –inlf=f( 家計所得,教育年数,年齢,子育て費 用) 推定方法 – 線型確率モデル (linear probability.
データ解析
第1回 確率変数、確率分布 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
疫学概論 二項分布 Lesson 9.頻度と分布 §B. 二項分布 S.Harano,MD,PhD,MPH.
公共経済学 12. 費用便益分析2.
【MedR】第7回 東京大学医学系研究科 特任助教 倉橋一成.
時系列の予測 時系列:観測値を時刻の順に並べたものの集合
多変量解析 -重回帰分析- 発表者:時田 陽一 発表日:11月20日.
補章 時系列モデル入門 ー 計量経済学 ー.
パネル分析について 中村さやか.
重回帰分析入門 経済データ解析 2009年度.
© Yukiko Abe 2014 All rights reserved
情報経済システム論:第12回 担当教員 黒田敏史 2017/3/8 情報経済システム論.
実証分析の手順 経済データ解析 2011年度.
初級ミクロ経済学 -生産者行動理論- 2014年10月20日 古川徹也 2014年10月20日 初級ミクロ経済学.
事例研究(ミクロ経済政策・問題分析 III) - 規制産業と料金・価格制度 -
事例研究(ミクロ経済政策・問題分析 III) - 規制産業と料金・価格制度 -
事例研究(ミクロ経済政策・問題分析 III) - 規制産業と料金・価格制度 -
Bassモデルにおける 最尤法を用いたパラメータ推定
重回帰分析入門 経済データ解析 2011年度.
事例研究(ミクロ経済政策・問題分析 III) - 規制産業と料金・価格制度 -
第6章 数量化I類.
第3章 重回帰分析 ー 計量経済学 ー.
第3章 重回帰分析 ー 計量経済学 ー.
最尤推定によるロジスティック回帰 対数尤度関数の最大化.
事例研究(ミクロ経済政策・問題分析 III) - 規制産業と料金・価格制度 -
【小暮研究会2】 「ベイズのアルゴリズム」:序章 【1,2:計量経済分析と統計分析】 【 3:ベイズ定理】
情報経済システム論:第11回 担当教員 黒田敏史 2018/9/20 情報経済システム論.
事例研究(ミクロ経済政策・問題分析 I) - 規制産業と料金・価格制度 -
© Yukiko Abe 2014 All rights reserved
補章 時系列モデル入門 ー 計量経済学 ー.
小標本検査データを元にした 疲労破損率のベイズ推定
ガウス過程による回帰 Gaussian Process Regression GPR
第6章 連立方程式モデル ー 計量経済学 ー.
事例研究(ミクロ経済政策・問題分析 I) - 規制産業と料金・価格制度 -
第3回 確率変数の平均 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
事例研究(ミクロ経済政策・問題分析 I) - 規制産業と料金・価格制度 -
事例研究(ミクロ経済政策・問題分析 III) - 規制産業と料金・価格制度 -
7. 音声の認識:高度な音響モデル 7.1 実際の音響モデル 7.2 識別的学習 7.3 深層学習.
確率・統計Ⅰ 第3回 確率変数の独立性 / 確率変数の平均 ここです! 確率論とは 確率変数、確率分布 確率変数の独立性 / 確率変数の平均
論文の概要 (目 的) ○アメリカ・火力発電事業者の全要素生産性の推計(1950~ 1978)。
事例研究(ミクロ経済政策・問題分析 I) - 規制産業と料金・価格制度 -
中級ミクロ経済(2004) 授業予定.
9.通信路符号化手法1 (誤り検出と誤り訂正の原理)
部分的最小二乗回帰 Partial Least Squares Regression PLS
© Yukiko Abe 2015 All rights reserved
データの型 量的データ 質的データ 数字で表現されるデータ 身長、年収、得点 カテゴリで表現されるデータ 性別、職種、学歴
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年6月25日 3.1 関数近似モデル
第3章 線形回帰モデル 修士1年 山田 孝太郎.
情報経済システム論:第13回 担当教員 黒田敏史 2019/5/7 情報経済システム論.
経営学研究科 M1年 学籍番号 speedster
データ解析 静岡大学工学部 安藤和敏
サポートベクターマシン Support Vector Machine SVM
事例研究(ミクロ経済政策・問題分析 I) - 規制産業と料金・価格制度 -
回帰分析(Regression Analysis)
事例研究(ミクロ経済政策・問題分析 I) - 規制産業と料金・価格制度 -
パターン認識 ークラスタリングとEMアルゴリズムー 担当:和田 俊和 部屋 A513
重回帰分析入門 経済データ解析 2008年度.
重回帰分析入門 (第5章補足) 統計学 2007年度.
モデルの微分による非線形モデルの解釈 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
個人の関心を考慮した交通手段選択モデルの推定
回帰分析入門 経済データ解析 2011年度.
経済学入門 ミクロ経済学とマクロ経済学 ケインズ経済学と古典派マクロ経済学 経済学の特徴 経済学の基礎概念 部分均衡分析の応用.
混合ガウスモデル Gaussian Mixture Model GMM
Presentation transcript:

事例研究(ミクロ経済政策・問題分析 I) - 規制産業と料金・価格制度 - (#403 - 複合選択分析(入子型Logit)) 2017年 12月 戒能一成

0. 本講の目的 (手法面) - 応用データ解析の手法のうち、離散型選択に 関連する複合選択モデル分析(多段階・多選択 肢)の概要を理解する (内容面) - 計量経済学・統計学を実戦で応用する際の 留意点を理解する

1. 複合選択モデルの概念 1-1. 複合選択モデルとは - 複合選択モデルとは、二項選択型など離散型選 択モデルが複数(多段階・多選択肢)で組合わさ れたモデルをいう ・ 経路選択 (ex. 東京・成田 → Geneva) ・ 耐久消費財購入 (ex. 住宅, 自動車) - 解法などは離散型選択モデルと共通しており 最大尤度法(Maximum Likelihood)が用いられる - 多くの場合目的に応じて構造が決定されるため 個別手法毎の事例はあまり多くない 3

- 条件付Logitモデル (Conditional Logit Model) 1. 複合選択モデルの概念 1-2. 複合選択モデルの種類 (基本形) - 条件付Logitモデル (Conditional Logit Model) - 多項式Logitモデル (Multi-nominal Logit Model) - 混在Logitモデル (Mixed Logit Model)    (= ランダム変数Logitモデル (Random Var. L. M.)) (応用形) - 加法効用モデル (Additive Random Utility M.) - 多段階Logitモデル (Nested Logit Model)  → 何れのモデルでも、Logit を Probit に代えたものが       使われることがある 4

1. 複合選択モデルの概念 1-3. 複合選択モデルの要件 - 何れのモデルでも、選択に影響を与える因子が 説明変数として観察可能であることが必要 (選択肢毎に共通する因子, 異なる因子の識別要) - 多くのモデルにおいては、選択の対象である 選択肢が「排反」の関係にある(= 選択確率の和 が 1を超えない)ことが必要 ・ 結果が重複する場合でも「独立な選択が複数 回行われた」と仮定すれば解ける場合あり (ex. 別荘、自動車複数保有、携帯+スマホ) 5

2-1. 条件付Logitモデル Conditional Logit Model - 対象毎・選択肢毎に異なる説明変数のみで選択 2. 複合選択モデル(1) 基本形 2-1. 条件付Logitモデル Conditional Logit Model   - 対象毎・選択肢毎に異なる説明変数のみで選択    結果が決定されていると仮定したLogitモデル Pr(yi=j) = exp(-zij・βij)/Σk(exp(-zik・βik)) i, j 対象i, 選択肢j (Σk; 選択肢j 全部の和) (i=戒能, 経路選択肢(j ∈ 直行,北京経由,・・・) Pr(yi=j) 対象i の選択結果 yi が j である確率 [0, 1] zij 対象i の j に関する説明変数(ベクトル) (zij ∈ 運賃, 事故頻度,・・(←選択肢j毎に異なる)) βij 係数 6

2-2. 多項式Logitモデル Multi-nominal Logit Model - 対象毎に異なる(選択肢に共通した)説明変数の 2. 複合選択モデル(1) 基本形 2-2. 多項式Logitモデル Multi-nominal Logit Model   - 対象毎に異なる(選択肢に共通した)説明変数の みで選択結果が決定されていると仮定したLogit モデル Pr(yi=j) = exp(-zi・βij)/Σk(exp(-zi・βik)) i, j 対象i, 選択肢j (Σk; 選択肢j 全部の和) (i=戒能, 経路選択肢(j ∈ 直行,北京経由,・・・) Pr(yi=j) 対象i の選択結果 yi が j である確率 [0, 1] zi  対象i の説明変数(ベクトル)           (zi ∈ 所得, 荷物個数 ・・・(← 選択肢jに共通)) β 係数 7

2. 複合選択モデル(1) 基本形 2-3. 混在Logitモデル Mixed Logit Model - 対象毎・選択肢毎に異なる説明変数と選択肢に 共通した説明変数が混在する形で選択結果が 決定されていると仮定したLogitモデル - 基本形の中で最も実用的であるため多用される (cf. 家計消費支出の価格効果・所得効果) Pr(yi=j) = exp(-zi・βij -z’ij・β’ij)/Σk(exp(-zi・ βik –z’ij・β’ik)) - モデルの選択には通常のAIC/BIC 最小化判定 による方法が適用可能 8

3. 複合選択モデル(2) 応用形 3-1. 加法効用モデル ARUM Additive Random U. M 3. 複合選択モデル(2) 応用形 3-1. 加法効用モデル ARUM Additive Random U. M. - 多段階での選択が単調増加(・減少)する効用関 数の大小関係で決定されていると仮定したモ デル (← 混在Logitモデルの一般化形) - 効用関数として線形・対数線形など様々な関数 形を用い、Logit関数の説明変数部分に当てはめ て分析を行う - 主に消費者選好の分析に用いられる Pr(yi=j) = exp(Uij)/Σk(exp(Uik)) Uij ; 単調増加(・減少)する効用関数 9

3. 複合選択モデル(2) 応用形 3-2. 加法効用モデル ARUM (2) - 加法効用モデルで用いる関数には、「加法性が 成立する効用関数」としての独特の制約条件あり ← 分析に入る前に、観察指標の選択確率を 用いて制約条件の成立を確認する必要有 a. ∀ Pr(U); 1 ≧ Pr(U) ≧ 0, Pr(U) = Pr(U+α) b. ∂ Prj(U)/∂Uk = ∂ Prk(U)/ ∂Uj c. ∂n-1 Prj(U) /Σn-1(∂ Un) ≧ 0 (n≠j) =∂n-1 Prj(U) /(∂ U1,・・・Uj-1,Uj+1,・・・Un) ≧ 0 10

3. 複合選択モデル(2) 応用形 3-3. 多段階Logitモデル Nested Logit Model (1) - 多段階での選択が階層構造(Nest)となっている 場合を仮定したモデル (McFadden(1978)) - 各段階の階層構造の対応関係や順序が予め 解っていることが分析の前提 (例) 東京→Geneva経路選択 (自 宅) [第1段: 出発空港] 成田 羽田 [第2段: 経由空港] 香港 Istanbul 香港 Istanbul 11

3. 複合選択モデル(2) 応用形 3-4. 多段階Logitモデル Nested Logit Model (2) - 当然ながら、同じ選択肢の組合わせであっても 階層構造が異なるモデルを分析すると異なる 結果が出る - 階層構造が異なる場合、各階層でのLogitモデル の結果からはAIC/BIC 最小化による判定は適用 できない - 従って、分析に用いる階層構造についてはミクロ 経済理論や補助情報などを用いて確定させる必 要あり 12

- 戒能教官の国連欧州本部出張(過去58回)の選 択確率(被説明変数)の実績は下記のとおりであ るが、教官の選択行動原理を推計せよ 4. 複合選択モデルの実践的応用例 4-1. 経路選択問題 (“駅馬車問題”)(1)   - 戒能教官の国連欧州本部出張(過去58回)の選 択確率(被説明変数)の実績は下記のとおりであ るが、教官の選択行動原理を推計せよ (搭乗する時期が異なっている可能性に注意)     成田-香港  成田-Istbl.  羽田-香港 羽田-Istbl. 平均運賃 $ 7,700 6,600 7,000 5,800 平均時間 h 26.0 29.0 22.0 25.0 変動係数 hs 0.022 0.064 0.022 0.055 選択頻度 n 16 8 23 11 選択確率 p 0.276 0.138 0.397 0.190 13

- 経由地として「香港」が選択される条件付確率p は0.7程度であり、運賃より時間・遅延を優先して 4. 複合選択モデルの実践的応用例 4-2. 経路選択問題 (“駅馬車問題”)(2)   - 経由地として「香港」が選択される条件付確率p は0.7程度であり、運賃より時間・遅延を優先して    選択していると推定可 (出発地「羽田」 p~0.6)     → 第1段が経由地、第2段が出発地と「仮定」     成田-香港  成田-Istbl.  羽田-香港 羽田-Istbl. 平均運賃 $ 7,700 6,600 7,000 5,800 平均時間 h 26.0 29.0 22.0 25.0 変動係数 hs 0.022 0.064 0.022 0.055 選択確率 p 0.276 0.138 0.397 0.190 ← 成田発 → ← 羽田発 → ← 0.667 → ← 0.677 → 14

4. 複合選択モデルの実践的応用例 4-3. 経路選択問題 (“駅馬車問題”)(3) - 第1段「経由地」の選択に関するLogit分析(試行) (「香港」が選択される確率) ← 「多重共線性」により運賃・時間の併用不可 係数 p値 AIC . 運賃 PRS 0.003 0.000 39.01 時間 TME -0.612 0.001 58.83 - 運賃を主説明変数とすると論理的矛盾(係数が 正→高い方を選択!?)、説明変数を加えても同様 ← 運賃は「結果」であり「原因」でない可能性大 15

4. 複合選択モデルの実践的応用例 4-4. 経路選択問題 (“駅馬車問題”)(4) - 第1段「経由地」の選択に関するLogit分析結果 (「香港」が選択される確率) AIC = 54.45 平均時間, 平均遅延時間, 割引額 . logit honk tme dtme dprs Logistic regression    Number of obs = 58         LR chi2(3)   = 26.91         Prob > chi2   = 0.0000 Log likelihood = -23.22612 Pseudo R2 = 0.3668 ---------------------------------------------------------------------------------------------------------- honk | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+------------------------------------------------------------------------------------------- 時間 tme | -.5321302 .2066167 -2.58 0.010 -.9370915 -.1271688 遅延 dtme | -2.752288 1.53903 -1.79 0.074 -5.768731 .2641547 割引 dprs | -.0022341 .001131 -1.98 0.048 -.0044508 -.0000173 _cons | 11.84631 4.053961 2.92 0.003 3.90069 19.79193 --------------------------------------------------------------------------------------------------------- 16

4. 複合選択モデルの実践的応用例 4-5. 経路選択問題 (“駅馬車問題”)(5) - 第2段「出発地」の選択に関するLogit分析(試行) (「香港」選択の際に「羽田」が選択される確率) ← 「多重共線性」により運賃・時間の併用不可 係数 p値 AIC . 運賃 PRS -0.002 0.003 41.62 時間 TME --- --- --- - 時間を主説明変数とすると「羽田」出発の方が例 外なく時間が短いので条件付確率が定義できな いため利用不可 (“perfect prediction”) 17

4. 複合選択モデルの実践的応用例 4-6. 経路選択問題 (“駅馬車問題”)(6) - 第2段「出発地」の選択に関するLogit分析結果 (「香港」∧「羽田」の選択確率) AIC = 23.96 . logit hahk prs dprs Logistic regression Number of obs = 39        LR chi2(2)   = 34.84       Prob > chi2 = 0.0000 Log likelihood = -8.9805136 Pseudo R2 = 0.6598 ----------------------------------------------------------------------------------------------------- hahk | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+-------------------------------------------------------------------------------------- 運賃 prs | -.0105346 .003836 -2.75 0.006 -.018053 -.0030162 割引 dprs | -.018106 .0071239 -2.54 0.011 -.0320687 -.0041434 _cons | 81.65799 29.68843 2.75 0.006 23.46973 139.8463 ---------------------------------------------------------------------------------------------------- 18

5. 多段階Logitモデルの自己診断 5-1. 自己診断 Diagnosis (1) 1- 「選択構造の妥当性」の検証   1- 「選択構造の妥当性」の検証 最初に仮定した選択順序の妥当性は要検証     特に消去法的逐次選択の可能性に注意 (例: 最初にIstanbulを経由するか否かのみ決 定し、他の肢が次段で決定されている)        (自 宅) (自 宅)    ・・・・・    (自 宅)      成田    羽田 香港  Istanbul (それ以外) Istanbul   香港  Istanbul 成田  羽田    羽田・香港 成田・香港 19

5. 多段階Logitモデルの自己診断 5-2. 自己診断 Diagnosis (2) 2- 「多重共線性」の検証 - Logit・Probitによる離散型選択モデルでは分布 形状が決まっており多重共線性が出やすい 1 選択確率関数 Pr (Di=1, zi’β) = 確率密度関数の積分値 措置群 (Di =1) 対照群 (Di =0) -∞ z0 (zi の平均) (zi – zo)’β/σ 説明変数 (zi-z0)’β Zi 20

5. 多段階Logitモデルの自己診断 5-3. 自己診断 Diagnosis (3) 3- 「単純選択仮定」の適用 (= データの性質が 解らないうちから”nlogit “を使わない) - 多段階Logitモデルでは、上位段に問題がある と下位段で正常な結果は導出できない - 「選択構造仮定の妥当性」の検証過程で、 上位段から順番に単純選択で解いてみるか、 問題が疑われる段の条件付確率を計算し 局所的に解いてみることが有効な場合有 - 最初から「多段選択」を試行し成功する例稀少 21