Потребительский выбор (модель) - История изменений

Patarakin: /* Динамика */

2025-10-11T14:47:02Z

Динамика

← Предыдущая версия		Версия от 17:47, 11 октября 2025
Строка 31:		Строка 31:
	* Социальная фиксация (lock-in): при сильных нормах улучшение качества альтернативы может не повысить её долю рынка.		* Социальная фиксация (lock-in): при сильных нормах улучшение качества альтернативы может не повысить её долю рынка.
	* Точка перегиба (tipping point) возникает, когда одновременный эксперимент нескольких соседей запускает каскадное распространение.		* Точка перегиба (tipping point) возникает, когда одновременный эксперимент нескольких соседей запускает каскадное распространение.

			<netlogo model="Consumer_Choice_ru" />

	== К курсу [[Социально-экономическая статистика и эконометрика (syllabus)\| Социально-экономическая статистика и эконометрика]] ==		== К курсу [[Социально-экономическая статистика и эконометрика (syllabus)\| Социально-экономическая статистика и эконометрика]] ==

Patarakin в 14:35, 11 октября 2025

2025-10-11T14:35:29Z

← Предыдущая версия		Версия от 17:35, 11 октября 2025
Строка 77:		Строка 77:
	<math>		<math>
	\mathrm{logit}\bigl(P(\text{orange}_j)\bigr) = \beta_0 + \beta_1\,Q_{\mathrm{orange},j} + \beta_2\,N_{\mathrm{orange},j}		\mathrm{logit}\bigl(P(\text{orange}_j)\bigr) = \beta_0 + \beta_1\,Q_{\mathrm{orange},j} + \beta_2\,N_{\mathrm{orange},j}
	~~\endmath~~>		</math>

Patarakin: /* Зависимость уровня кластеризации от структуры сети и норм */

2025-10-11T14:34:44Z

Зависимость уровня кластеризации от структуры сети и норм

← Предыдущая версия		Версия от 17:34, 11 октября 2025
Строка 72:		Строка 72:
	C_t = \beta_0 + \beta_1\,\alpha + \beta_2\,\langle k\rangle + \beta_3\,Q_{\mathrm{diff},t} + u_t		C_t = \beta_0 + \beta_1\,\alpha + \beta_2\,\langle k\rangle + \beta_3\,Q_{\mathrm{diff},t} + u_t
	</math>		</math>

			=== Прогноз рыночной доли альтернативного продукта ===
			Логистическая регрессия для вероятности выбора оранжевого продукта агентом:
			<math>
			\mathrm{logit}\bigl(P(\text{orange}_j)\bigr) = \beta_0 + \beta_1\,Q_{\mathrm{orange},j} + \beta_2\,N_{\mathrm{orange},j}
			\endmath>

Patarakin: /* Влияние нормативного и информационного влияния на частоту переключений */

2025-10-11T14:33:40Z

Влияние нормативного и информационного влияния на частоту переключений

← Предыдущая версия		Версия от 17:33, 11 октября 2025
Строка 51:		Строка 51:
	<math>y_j = f_{\mathrm{switch},j}</math>		<math>y_j = f_{\mathrm{switch},j}</math>
	* Независимые переменные:		* Независимые переменные:
	** <math>x_{1j} = \alpha_j</math> («norm-influence»)		** <math>x_{1j} = \alpha_j</math> («norm-influence»)
	** <math>x_{2j} = \gamma_j</math> («information-exchange»)		** <math>x_{2j} = \gamma_j</math> («information-exchange»)
	** <math>x_{3j} = \epsilon_j</math> («exploration»)		** <math>x_{3j} = \epsilon_j</math> («exploration»)

	Модель можно записать как линейную регрессию:		Модель можно записать как линейную регрессию:

Patarakin: /* Влияние нормативного и информационного влияния на частоту переключений */

2025-10-11T14:33:14Z

Влияние нормативного и информационного влияния на частоту переключений

← Предыдущая версия		Версия от 17:33, 11 октября 2025
Строка 51:		Строка 51:
	<math>y_j = f_{\mathrm{switch},j}</math>		<math>y_j = f_{\mathrm{switch},j}</math>
	* Независимые переменные:		* Независимые переменные:
	* <math>x_{1j} = \alpha_j</math> («norm-influence»)		** <math>x_{1j} = \alpha_j</math> («norm-influence»)
	* <math>x_{2j} = \gamma_j</math> («information-exchange»)		** <math>x_{2j} = \gamma_j</math> («information-exchange»)
	* <math>x_{3j} = \epsilon_j</math> («exploration»)		** <math>x_{3j} = \epsilon_j</math> («exploration»)

	Модель можно записать как линейную регрессию:		Модель можно записать как линейную регрессию:

Patarakin: /* К курсу Социально-экономическая статистика и эконометрика */

2025-10-11T14:32:45Z

К курсу Социально-экономическая статистика и эконометрика

← Предыдущая версия		Версия от 17:32, 11 октября 2025
Строка 44:		Строка 44:
	* Построить тепловые карты зависимости рыночной концентрации от <code>norm-influence</code> и <code>information-exchange</code>.		* Построить тепловые карты зависимости рыночной концентрации от <code>norm-influence</code> и <code>information-exchange</code>.
	* Оценить корреляцию между удовлетворённостью агентов и частотой переключений.		* Оценить корреляцию между удовлетворённостью агентов и частотой переключений.

			Модель «[[Потребительский выбор (модель)\|Потребительский выбор]]» генерирует богатый набор данных, пригодных для регрессионного анализа. С её помощью можно изучать, как параметры социального влияния и поведения агентов влияют на такие показатели, как частота переключений, уровень кластеризации и рыночные доли.

			=== Влияние нормативного и информационного влияния на частоту переключений ===
			Зависимая переменная <math>y</math> — частота переключений агента:
			<math>y_j = f_{\mathrm{switch},j}</math>
			* Независимые переменные:
			* <math>x_{1j} = \alpha_j</math> («norm-influence»)
			* <math>x_{2j} = \gamma_j</math> («information-exchange»)
			* <math>x_{3j} = \epsilon_j</math> («exploration»)

			Модель можно записать как линейную регрессию:
			<math>
			y_j = \beta_0 + \beta_1\,\alpha_j + \beta_2\,\gamma_j + \beta_3\,\epsilon_j + \varepsilon_j
			</math>

			=== Зависимость уровня кластеризации от структуры сети и норм ===
			* Зависимая переменная <math>y_t</math> — средний индекс кластеризации в момент <math>t</math>:
			<math>y_t = C_t</math>
			* Независимые переменные:
			** <math>x_{1t} = \alpha</math> — нормативное влияние
			** <math>x_{2t} = \langle k \rangle</math> — среднее число связей
			** <math>x_{3t} = Q_{\mathrm{diff},t}</math> — разница в качествах продуктов

			Регрессия по времени (панельный или временной ряд):
			<math>
			C_t = \beta_0 + \beta_1\,\alpha + \beta_2\,\langle k\rangle + \beta_3\,Q_{\mathrm{diff},t} + u_t
			</math>

Patarakin: /* Динамика */

2025-10-11T14:11:12Z

Динамика

← Предыдущая версия		Версия от 17:11, 11 октября 2025
Строка 31:		Строка 31:
	* Социальная фиксация (lock-in): при сильных нормах улучшение качества альтернативы может не повысить её долю рынка.		* Социальная фиксация (lock-in): при сильных нормах улучшение качества альтернативы может не повысить её долю рынка.
	* Точка перегиба (tipping point) возникает, когда одновременный эксперимент нескольких соседей запускает каскадное распространение.		* Точка перегиба (tipping point) возникает, когда одновременный эксперимент нескольких соседей запускает каскадное распространение.

			== К курсу [[Социально-экономическая статистика и эконометрика (syllabus)\| Социально-экономическая статистика и эконометрика]] ==

			* Показать связь между качественными и количественными методами: [[агентное моделирование]] + [[статистический анализ]].
			* Исследовать влияние параметров (норма, обмен, исследование) на рыночную динамику.
			* Практиковаться в построении графиков и расчетах показателей кластеризации.

			Сбор данных: для разных комбинаций параметров генерировать [[CSV]] с историей долей рынка и уровнем кластеризации.

			Анализ результатов в R:
			* Загрузить CSV в R.
			* Построить тепловые карты зависимости рыночной концентрации от <code>norm-influence</code> и <code>information-exchange</code>.
			* Оценить корреляцию между удовлетворённостью агентов и частотой переключений.

Patarakin: /* Сеть и агенты */

2025-10-11T14:01:14Z

Сеть и агенты

← Предыдущая версия		Версия от 17:01, 11 октября 2025
Строка 19:		Строка 19:
	=== Сеть и агенты ===		=== Сеть и агенты ===
	Агенты объединены в сеть с настраиваемым средним числом связей <code>avg-social-connections</code>. По умолчанию у каждого ~100 агентов в среднем по 5 связей.		Агенты объединены в сеть с настраиваемым средним числом связей <code>avg-social-connections</code>. По умолчанию у каждого ~100 агентов в среднем по 5 связей.

			=== Процесс принятия решения ===
			# На каждом шаге каждый агент вычисляет полезность <math>U_i</math> для оранжевого и синего продуктов.
			# Если <math>\alpha = 0</math>, выбор зависит только от качества.
			# При ненулевом <math>\alpha</math> норма начинает влиять: чем больше друзей используют продукт, тем выше <math>N_i</math>.
			# При низкой удовлетворённости агент либо исследует альтернативу (параметр odede>exploration</code>), либо запрашивает информацию у друзей (параметр <code>information-exchange</code>).

			=== Динамика ===
			* Высокое качество вызывает удовлетворённость, снижает исследование и обмен информацией → формируются привычки.
			* Усиление нормы ведёт к кластеризации потребителей (локальным группам с одинаковым выбором).
			* Социальная фиксация (lock-in): при сильных нормах улучшение качества альтернативы может не повысить её долю рынка.
			* Точка перегиба (tipping point) возникает, когда одновременный эксперимент нескольких соседей запускает каскадное распространение.

Patarakin: Новая страница: «{{Model |Description=Модель симулирует, как информационное и нормативное социальное влияние вместе с привычками определяют динамику долей рынка двух конкурирующих продуктов переменного качества. Агенты могут: * самостоятельно исследовать качество продукта;...»

2025-10-11T14:00:01Z

Новая страница: «{{Model |Description=Модель симулирует, как информационное и нормативное социальное влияние вместе с привычками определяют динамику долей рынка двух конкурирующих продуктов переменного качества. Агенты могут: * самостоятельно исследовать качество продукта;...»

Новая страница

{{Model
|Description=Модель симулирует, как информационное и нормативное социальное влияние вместе с привычками определяют динамику долей рынка двух конкурирующих продуктов переменного качества. Агенты могут:
* самостоятельно исследовать качество продукта;
* обмениваться информацией с друзьями;
* учитывать свою склонность действовать «как большинство».
|Field_of_knowledge=Экономика, Моделирование
|Environment=NetLogo
|Student-created=Нет
}}
Общая полезность продукта складывается из двух компонентов:
<math>
U_i = (1 - \alpha)\,Q_i + \alpha\,N_i
</math>
где
<math>\alpha</math> — сила нормативного влияния,
<math>Q_i</math> — восприятие качества продукта,
<math>N_i</math> — норма (доля друзей, использующих продукт).

=== Сеть и агенты ===
Агенты объединены в сеть с настраиваемым средним числом связей <code>avg-social-connections</code>. По умолчанию у каждого ~100 агентов в среднем по 5 связей.