[論文レビュー] Bayesian Heuristics for Group Decisions

M. Amin Rahimian, Ali Jadbabaie|arXiv (Cornell University)|Nov 2, 2016

Decision-Making and Behavioral Economics参考文献 82被引用数 5

ひとこと要約

本稿は、完全なベイジアン更新の代わりに初期のベイジアン更新を単純化して繰り返し適用する、グループ意思決定のためのベイジアンヒューリスティックモデルを提案する。この手法により、効率的かつ頑健なコンセンサス形成が可能となる。主な貢献は、共役事前分布と指数型分布族の尤度関数から導かれる乗法的信念更新が、対称的ネットワークにおいて最尤推定値にコンセンサスに至ることを示したことである。一方、線形行動更新は、効率性を達成するためのきわめて厳密で壊れやすい条件を要する。

ABSTRACT

We propose a model of inference and heuristic decision-making in groups that is rooted in the Bayes rule but avoids the complexities of rational inference in partially observed environments with incomplete information, which are characteristic of group interactions. Our model is also consistent with a dual-process psychological theory of thinking: the group members behave rationally at the initiation of their interactions with each other (the slow and deliberative mode); however, in the ensuing decision epochs, they rely on a heuristic that replicates their experiences from the first stage (the fast automatic mode). We specialize this model to a group decision scenario where private observations are received at the beginning, and agents aim to take the best action given the aggregate observations of all group members. We study the implications of the information structure together with the properties of the probability distributions which determine the structure of the so-called "Bayesian heuristics" that the agents follow in our model. We also analyze the group decision outcomes in two classes of linear action updates and log-linear belief updates and show that many inefficiencies arise in group decisions as a result of repeated interactions between individuals, leading to overconfident beliefs as well as choice-shifts toward extremes. Nevertheless, balanced regular structures demonstrate a measure of efficiency in terms of aggregating the initial information of individuals. These results not only verify some well-known insights about group decision-making but also complement these insights by revealing additional mechanistic interpretations for the group declension-process, as well as psychological and cognitive intuitions about the group interaction model.

研究の動機と目的

• 初期のベイジアン更新を模倣するヒューリスティックを導入することで、合理的な推論と行動的現実性の両立を図ったグループ意思決定のモデル化。
• 特にネットワーク構造と信号品質に関連して、グループコンセンサスが情報を集約する際に効率的であるための条件の同定。
• 社会的学習の文脈において、DeGrootモデルにおける線形行動更新と乗法的信念更新の頑健性を比較すること。
• ネットワークトポロジーと信号の非一様性が、コンセンサスの効率性およびグループ極端化の発生に与える影響の調査。
• 分散意思決定における非ベイジアン更新ルールの規範的かつ行動的基盤の提供。

提案手法

• エージェントは私的信号と事前分布を用いて一度だけベイジアン更新を行い、その後の時間ステップでは同じ更新ルールを繰り返し適用する——これがベイジアンヒューリスティックを定義する。
• 共役事前分布を有する指数型分布族に対しては、事前分布の情報量に応じてアフィン的または線形の行動更新が誘導される。
• 線形行動更新が凸結合（DeGrootモデルと同様）を形成する条件を導出し、これにはすべてのエージェントが同等の観測精度を持つことが必要である。
• 信念更新モデルでは、エージェントは対数線形ルールに従い、信念 ∝ 自身と隣接エージェントの信念の積として乗法的に信念を更新する。
• 更新行列 (I + A) のスペクトル解析を用いて収束性を検討し、ペロン＝フロベニウス固有ベクトルがコンセンサスの支持を決定する。
• 効率性は、コンセンサス信念のサポートを通じて分析され、これは重み付き対数尤度の和の最大化者に収束する。

実験結果

リサーチクエスチョン

• RQ1 ベイジアンヒューリスティクスが、どのような条件下でグループ意思決定において効率的なコンセンサスに至るのか。
• RQ2 ネットワークトポロジー（例：次数正則、バランス構造）が、コンセンサス形成の効率性と正確性に与える影響は何か。
• RQ3 DeGrootモデルにおける線形行動更新が、信号精度とネットワーク構造に鋭い条件を要する理由は何か。
• RQ4 乗法的信念更新が社会的学習の文脈で線形更新のより頑健な代替手段であるとされる根拠は何か。
• RQ5 エージェントが低確率状態を体系的に拒否する程度は何か。その結果、グループ極端化にどのような影響があるか。

主な発見

• 次数正則かつバランスの取れたネットワークでは、コンセンサス信念は真の状態の最尤推定値（MLE）に集中し、情報効率性を達成する。
• 線形行動更新は、すべてのエージェントが同等の観測精度を持つ場合に限り凸結合を形成する——これは強く、壊れやすい仮定である。
• 乗法的信念更新は重みなしであり、私的信号と事前分布の非一様性を効果的に内蔵化するため、線形モデルよりも頑健である。
• 限られたデータでも、コンセンサス信念はより可能性の低い状態を体系的に拒否する。これは、集約結果に対する過信が原因で、グループ極端化を示唆する。
• 対称的トポロジーでは、コンセンサス信念のサポートはMLEと一致するが、完全情報下での最適ベイズ後確率分布よりも狭い。
• 信念の収束速度は、更新行列のスペクトル半径 (1 + ρ) に支配され、非最大化状態の対数比統計量は指数関数的にゼロに減少する。