| Project/Area Number |
20K22125
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
0107:Economics, business administration, and related fields
|
|---|
| Research Institution | Ishinomaki Senshu University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2020-09-11 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 識別性 / 潜在的ディリクレ配分法 / ニューラルネットワーク / 潜在変数モデル / マーケティング尺度 / 消費者心理 / 消費者行動 / テキスト分析 / 機械学習 / ベイズ推定 / 識別可能性 / 心理測定尺度 |
|---|
| Outline of Research at the Start |
高次元データの次元削減や特徴量抽出などを役割とする機械学習の多くは識別不能な潜在変数モデルである。これらはマーケティングや消費者行動分析において主成分分析や因子モデルのように商品や消費者などの潜在属性を要約したり、より一般にはデータの背後にある構造を推測したりする手法として扱われるようになっている。しかし、同一のデータやモデル構造を用いても、パラメータや潜在変数の解釈が一意に定まらないという不安定性の問題がある。そこで本研究では、機械学習の識別可能性に焦点をあて、消費者行動理論を踏まえた解釈や示唆を得るための定量モデルおよび方法の開発を目指す。
|
| Outline of Final Research Achievements |
This study aims to investigate the identifiability of machine learning models such as latent dirichlet allocation (LDA) and neural network to improve the stability of their parameter estimations in consumer behavior analysis. The results of this study provide mainly two contributions. (1) LDA: The stability and identifiability of LDA in specific situations were clarified with simulation-based parameter recovery experiments. The author proposed Markov Chain Monte Carlo algorithms for the Bayesian estimation of constrained LDAs and showed their stability. (2) Neural network (autoencoder): The author proposed constrained estimation methods for neural networks and indicated that they provide stable and explainable results compared with an unconstrained standard neural network. However, these two main results were obtained under limited assumptions, so that the author will explore the extension and scope of the applications in the future study.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究の学術的な意義は、社会科学の領域で重視されている識別性の側面から機械学習の応用を議論した点であると考えられる。特にマーケティングや消費者行動分野において、消費者心理のような観測できない要因や不確かな要因を仮説的に測定したり、モデルで記述したりすることは重要な役割を果たしてきた。しかし、それらについて同一のデータと手法を用いても著しく異なる結果が得られる場合には、意思決定に多重の不確実性を与えることになる。このような文脈で本研究の社会的意義は、実社会で急速に利用が進んでいる機械学習について、社会科学での理論的背景も考慮しながらより頑健な応用方法を探索したことであると考えられる。
|
