Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
需要関数推定入門 / Introduction to Demand Estimation
Search
mns
January 23, 2021
Research
3
1.6k
需要関数推定入門 / Introduction to Demand Estimation
Tokyo.R #89の発表資料です。
mns
January 23, 2021
Tweet
Share
More Decks by mns
See All by mns
需要関数推定入門 実践編 / Practical Demand Estimation
mns54
3
1.3k
操作変数法入門
mns54
0
2.8k
Other Decks in Research
See All in Research
なめらかなシステムと運用維持の終わらぬ未来 / dicomo2025_coherently_fittable_system
monochromegane
0
1.9k
GeoCLIP: Clip-Inspired Alignment between Locations and Images for Effective Worldwide Geo-localization
satai
3
290
EarthSynth: Generating Informative Earth Observation with Diffusion Models
satai
3
160
Computational OT #1 - Monge and Kantorovitch
gpeyre
0
220
公立高校入試等に対する受入保留アルゴリズム(DA)導入の提言
shunyanoda
0
6.6k
AI エージェントを活用した研究再現性の自動定量評価 / scisci2025
upura
1
140
20250605_新交通システム推進議連_熊本都市圏「車1割削減、渋滞半減、公共交通2倍」から考える地方都市交通政策
trafficbrain
0
680
データサイエンティストの採用に関するアンケート
datascientistsociety
PRO
0
1.2k
Large Language Model Agent: A Survey on Methodology, Applications and Challenges
shunk031
14
9.5k
「どう育てるか」より「どう働きたいか」〜スクラムマスターの最初の一歩〜
hirakawa51
0
740
【輪講資料】Moshi: a speech-text foundation model for real-time dialogue
hpprc
3
580
Combinatorial Search with Generators
kei18
0
530
Featured
See All Featured
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
1.8k
Testing 201, or: Great Expectations
jmmastey
45
7.6k
GraphQLの誤解/rethinking-graphql
sonatard
71
11k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
234
17k
Building Flexible Design Systems
yeseniaperezcruz
328
39k
Thoughts on Productivity
jonyablonski
69
4.8k
GitHub's CSS Performance
jonrohan
1031
460k
GraphQLとの向き合い方2022年版
quramy
49
14k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
6k
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
Agile that works and the tools we love
rasmusluckow
329
21k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
Transcript
需要関数推定⼊⾨ @mns_econ TokyoR #89 2021/01/23 1 5分でわかる!
⾃⼰紹介 • Twitter: @mns_econ • 経済学専攻の⼤学院⽣ • 専⾨は実証産業組織論(多分) • TokyoR
#86「操作変数法⼊⾨」 • 結局続きをやっていない • 最近tidyverseと少し仲良くなった • 挫折し続けていたpurrrをなんとか⼀応使えるようになった 2
需要関数の推定 どうしたら売上や利益増える? • 商品価格変えたら? (例: 500ml飲料の価格を150円→140円にしたら?) • バリエーション増やしたら? (例: 350mlサイズも作ったら売れる?)
→売上量と価格やその他の属性の間の関係を知りたい! 3 どうしたら利益 増えるかな…
線形回帰 • 価格変えたら売上数量どうなる?→とりあえず数量を価格に回帰 (期や市場などのセグメントt=1,...,Tの売上数量Qt と価格Pt ) ln ! = ln
! + ! • 消費者は価格だけ⾒て決めるわけじゃない→他の変数も突っ込んでみる ln ! = αln ! + ! + ! 4
線形回帰 • 消費者がこの商品を買うかには他の商品の価格も関係するよね? →他の商品の価格も突っ込んでみる (商品j=1,...,J, 期や市場などのセグメントt=1,...,Tの売上数量Qjt と価格Pjt ) ln "!
= " ln "! + " "! + , #$" "# ln #! (全部でJ2個以上パラメータある…推定できるかな…) • 他の商品の特徴も⼊れなきゃダメじゃない? → アワワ… 5
離散選択モデル(ロジットモデル) • 消費者が商品jを買うのはなんで? →他の商品kを買ったり「何も買わない」より嬉しいから! • 「効⽤」を定義すると… • 消費者iはuij ≥uik (∀k≠j)のとき商品jを買う
(ただし何も買わないときui0 =0) 6
離散選択モデル(ロジットモデル) • 「効⽤」の中⾝を以下のように定義 %"! = "! + "! + "!
+ %"! ξjt は商品jのセグメントtにおける観察できない特徴 εijt はi.i.d.なショック→消費者の異質性、消費者の認知の誤差 • εがガンベル分布(第⼀種極値分布)に従うと仮定すると… • 消費者iが商品jを買う確率 Pr %"! ≥ %#! ∀ ≠ = exp("! + "! + "! ) 1 + ∑ #$" exp(#! + #! + #! ) 7
離散選択モデル(ロジットモデル) • 消費者iが商品jを買う確率をiについて⾜し合わせていくと… → 市場シェア • ただし「何も買わない」の市場シェアも必要 → 商品jのセグメントtでの売上数量qjt を潜在的な市場規模Mt
で割る "! = "! ! , &! = 1 − , "'( ) "! • 前ページの選択確率をシェアとすると !" = exp(!" + !" + !" ) 1 + ∑#$! exp(#" + #" + #" ) , %" = 1 1 + ∑#$! exp(#" + #" + #" ) 8
離散選択モデル(ロジットモデル) • sjt をs0t で割ると… "! &! = exp("! +
"! + "! ) • 対数を取ると… ln "! − ln &! = "! + "! + "! ξjt は商品jのセグメントtにおける観察できない特徴 • ξjt を誤差項と捉えると… →線形回帰できる! • パラメータも少ないしなんか推定できそう! 9
でも問題点も… • ξjt をただの誤差項として捉えていいの? • 変数として捉えられないブランド⼒とかあるんじゃない? → 解決策: パネルデータを使って商品固定効果をモデルに⼊れる •
IIA特性の問題点: 商品jと商品kのシェアの⽐は他の商品lの価格や属性が変 わっても変化しない • コカコーラの値段が上がったときペプシコーラとカルピスウォーターの市場シェア 同じ割合で⼤きくなる → 解決策: nested logitモデルなど • 「価格→数量」と「数量→価格」の両⽅の因果関係あるよね? • 数量→価格の因果関係が成り⽴っていないと正しく推定できない → 解決策: 操作変数法 10
次回予告 • ロジットモデルの問題点を解決編 もしくは… • 理論はもういいからとりあえずRで実装編 11
さらに知りたい • 北野(2012) 「需要関数の推定−CPRCハンドブックシリーズ No.3−」 ⽇本語での需要関数推定の説明としてはかなり詳しい。 • Nevo (2000) “A
Practitionerʼs Guide to Estimation of Random- coefficients Logit Models of Demand” 今回紹介したロジットモデルの発展形である「ランダム係数モデル」の使 ⽤法を解説した論⽂。ロジットモデルの問題点や解決策を論じている。 12