| 研究概要 |
選択型実験はマーケティング分野で開発された価値評価手法であり,近年環境評価分野での適用事例が増えてきている.選択型実験では,仮想的な製品プロファイルに対する選択データを集め,条件付きロジットモデルを適用することにより効用関数を同定する.このため選択型実験は,仮想的な財の評価が行え,さらに財を構成する各属性と価格との限界代替率として属性ごとの価値を算出できるという利点を持つ.しかし,多くの選択型実験の適用事例では,効用を線形関数で定式化しているため,限界効用が一定となり,かつ属性間の交互作用を評価できない.そこで,本論文ではこれらの仮定を緩和し,部分効用の非線形性と属性間の交互作用を考慮した評価ができる手法の開発を目指した.
上記の目的のために,ニューラルネットワークを組み込んだ選択型実験(NNCEモデル)を提案した.NNCEモデルの新規性と優位性は,効用関数を定式化することなく直接プロファイルの効用値を求めていることと,推定された効用値のデータをニューラルネットワークの教師信号として用いていることである.
さらに本論文では,森林レクリエーション評価に対してNNCEモデルの適用を行った.この結果から,選択型実験では,各属性の水準や他属性の有無といったレクリエーションサイトの状態に関わらず各属性の価値が一定になるのに対し,NNCEモデルでは,レクリエーションサイトの多様な状態に応じた各属性の価値を算出できることを示した.すなわち,NNCEモデルが部分効用に非線形性を取り入れることができ,属性間の交互作用を評価できることが明らかとなった.これらの結果は,NNCEモデルがマーケティングリサーチ上有益な含意をもたらすことを示唆している.
|
