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
Creation and environmental applications of 15-year daily inundation and vegetation maps for Siberia by integrating satellite and meteorological datasets
satai
3
270
[輪講] SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features
nk35jk
2
980
Mechanistic Interpretability:解釈可能性研究の新たな潮流
koshiro_aoki
1
410
Agentic AIとMCPを利用したサービス作成入門
mickey_kubo
0
530
在庫管理のための機械学習と最適化の融合
mickey_kubo
3
1.1k
Combinatorial Search with Generators
kei18
0
770
A scalable, annual aboveground biomass product for monitoring carbon impacts of ecosystem restoration projects
satai
4
230
【緊急警告】日本の未来設計図 ~沈没か、再生か。国民と断行するラストチャンス~
yuutakasan
0
150
Generative Models 2025
takahashihiroshi
25
13k
「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
860
機械学習と数理最適化の融合 (MOAI) による革新
mickey_kubo
0
320
Submeter-level land cover mapping of Japan
satai
3
290
Featured
See All Featured
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
126
53k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.1k
Code Review Best Practice
trishagee
70
19k
KATA
mclloyd
32
14k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
162
15k
A better future with KSS
kneath
239
17k
A designer walks into a library…
pauljervisheath
207
24k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
3k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
26
3k
Fantastic passwords and where to find them - at NoRuKo
philnash
52
3.4k
A Tale of Four Properties
chriscoyier
160
23k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.9k
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