Потребительский выбор (модель)

Описание модели	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».
Область знаний	Экономика, Моделирование
Веб-страница - ссылка на модель
Видео запись
Разработчики
Среды и средства, в которых реализована модель	NetLogo
Диаграмма модели
Описание полей данных, которые модель порождает
Модель создана студентами?	Нет

Общая полезность продукта складывается из двух компонентов: [math]\displaystyle{ U_i = (1 - \alpha)\,Q_i + \alpha\,N_i }[/math] где [math]\displaystyle{ \alpha }[/math] — сила нормативного влияния, [math]\displaystyle{ Q_i }[/math] — восприятие качества продукта, [math]\displaystyle{ N_i }[/math] — норма (доля друзей, использующих продукт).

Сеть и агенты

Агенты объединены в сеть с настраиваемым средним числом связей avg-social-connections. По умолчанию у каждого ~100 агентов в среднем по 5 связей.

Процесс принятия решения

1. На каждом шаге каждый агент вычисляет полезность [math]\displaystyle{ U_i }[/math] для оранжевого и синего продуктов.
2. Если [math]\displaystyle{ \alpha = 0 }[/math], выбор зависит только от качества.
3. При ненулевом [math]\displaystyle{ \alpha }[/math] норма начинает влиять: чем больше друзей используют продукт, тем выше [math]\displaystyle{ N_i }[/math].
4. При низкой удовлетворённости агент либо исследует альтернативу (параметр odede>exploration), либо запрашивает информацию у друзей (параметр information-exchange).

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.

К курсу 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 norm-influence и information-exchange.
• Оценить корреляцию между удовлетворённостью агентов и частотой переключений.

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]\displaystyle{ y }[/math] — частота переключений агента: [math]\displaystyle{ y_j = f_{\mathrm{switch},j} }[/math]

• Независимые переменные:
  • [math]\displaystyle{ x_{1j} = \alpha_j }[/math] («norm-influence»)
  • [math]\displaystyle{ x_{2j} = \gamma_j }[/math] («information-exchange»)
  • [math]\displaystyle{ x_{3j} = \epsilon_j }[/math] («exploration»)

Модель можно записать как линейную регрессию: [math]\displaystyle{ 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]\displaystyle{ y_t }[/math] — средний индекс кластеризации в момент [math]\displaystyle{ t }[/math]:

[math]\displaystyle{ y_t = C_t }[/math]

• Независимые переменные:
  • [math]\displaystyle{ x_{1t} = \alpha }[/math] — нормативное влияние
  • [math]\displaystyle{ x_{2t} = \langle k \rangle }[/math] — среднее число связей
  • [math]\displaystyle{ x_{3t} = Q_{\mathrm{diff},t} }[/math] — разница в качествах продуктов

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

Прогноз рыночной доли альтернативного продукта

Логистическая регрессия для вероятности выбора оранжевого продукта агентом: [math]\displaystyle{ \mathrm{logit}\bigl(P(\text{orange}_j)\bigr) = \beta_0 + \beta_1\,Q_{\mathrm{orange},j} + \beta_2\,N_{\mathrm{orange},j} }[/math]