2018 Fiscal Year Annual Research Report
Inter-temporal judgment and its anomalies
| Project/Area Number |
16K03559
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
下川 哲矢 東京理科大学, 経営学部ビジネスエコノミクス学科, 教授 (30366447)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 意思決定 / 行動経済学 / 統計的パターン認識 / 神経経済学 |
|---|
| Outline of Annual Research Achievements |
H30年度は、研究計画書の実験２の一部と実験３を実施した。また下記の課題②④⑤について分析を進めた。本研究では全期間を通じて、通時的意思決定にかかわる3種類の実験を行い、主として自己符号化学習型Deep Neural Network（以下DNNと記載する）及び疎性を持つカーネルモデルを用いてデータの分析とモデル化を行った。以下課題ごとに分析結果を要約する。
課題①（時間選好に関わる多くの要因の整理）では、時間選好に関わる既知の数多くの要因についてそれらの意思決定予測における有効性を同時に検討した。特に、特定の経験やイメージの容易性について，人々がこれらの意思決定のベンチマークとして使用していることを突き止めた。これらの知見は以降の通時的意思決定のモデル化に活かされた。課題②（選好関係の通時的不安定性に関する検証）では、生体情報のmulti-modalな測定システムを作成し、通時的意思決定における情動的要因の導入について検討した。検証の結果、生体情報は通時的な意思決定予測に予測に大きな影響を持つことが確認された。特に、EEGとfNIRSの組み合わせが優れ、それらにEye-trackerを加えることで飛躍的に予測精度が向上した。課題③（消費の通時的独立性に関する検証）については、消費系列を予測する多変量型のDNNを用いて予測の向上を検討した。課題④（個人差の影響）については、被験者の属性に関するアンケートデータで個人差の影響を吸収しようとしたが、有効な結果は得られなかった。一方で、ディリクレ過程を用いたノンパラメトリックベイズ法により、統計的に個人差を持つグループを分類することは一定の有効性を持った。課題⑤（アノマリーの解決）については、疎性を持つカーネルモデルが、時間割引率の通時的変化等、意思決定と市場に関する代表的なアノマリーと整合性を持つことを確認した。
|
