[論文レビュー] Which Random Matching Markets Exhibit a Stark Effect of Competition

Yash Kanoria, Seungki Min+1 more|arXiv (Cornell University)|Jan 1, 2020

Game Theory and Voting Systems参考文献 32被引用数 2

ひとこと要約

この論文は、ランダムマッチング市場モデルを部分的接続ネットワークに一般化し、エージェントがグラフの隣人だけをランク付けする状況を扱う。『競争の激しい効果』—短い側のエージェントが長い側のエージェントを著しく上回る現象—は、平均次数 d が log²n を超えるとしか発生しない。d = o(log²n の場合、両側のエージェントは平均して √d 順位の相手を得るため、現実の市場で強い競争効果が見られないのは、このためである。

ABSTRACT

We revisit the popular random matching market model introduced by Knuth (1976) and Pittel (1989), and shown by Ashlagi, Kanoria and Leshno (2013) to exhibit a "stark effect of competition", i.e., with any difference in the number of agents on the two sides, the short side agents obtain substantially better outcomes. We generalize the model to allow "partially connected" markets with each agent having an average degree $d$ in a random (undirected) graph. Each agent has a (uniformly random) preference ranking over only their neighbors in the graph. We characterize stable matchings in large markets and find that the short side enjoys a significant advantage only for $d$ exceeding $\\log^2 n$ where $n$ is the number of agents on one side: For moderately connected markets with $d=o(\\log^2 n)$, we find that there is no stark effect of competition, with agents on both sides getting a $\\sqrt{d}$-ranked partner on average. Notably, this regime extends far beyond the connectivity threshold of $d= \\Theta(\\log n)$. In contrast, for densely connected markets with $d = \\omega(\\log^2 n)$, we find that the short side agents get $\\log n$-ranked partner on average, while the long side agents get a partner of (much larger) rank $d/\\log n$ on average. Numerical simulations of our model confirm and sharpen our theoretical predictions. Since preference list lengths in most real-world matching markets are much below $\\log^2 n$, our findings may help explain why available datasets do not exhibit a strong effect of competition.

研究の動機と目的

• ランダムマッチング市場における『競争の激しい効果』—短い側のエージェントが著しく良いマッチを得る現象—が、どのようなネットワーク接続条件で現れるかを理解すること。
• 平均次数 d を用いたランダムグラフによる部分的接続性を導入することで、古典的なランダムマッチング市場モデルを一般化すること。
• さまざまな接続度レベルにおける安定マッチングの特性を大規模市場の枠組みで同定し、競争効果が顕著になる閾値を特定すること。
• 理論的予測と実証的観察の整合性を図ること。現実のデータでは、強い競争効果がほとんど観察されないためである。

提案手法

• 平均次数 d のエローズ–レニー・ランダムグラフを用いてランダムマッチング市場をモデル化し、各エージェントが自身の隣人だけをランク付けするようにする。
• 隣人に対する一様ランダムな順位付けを仮定し、モデルの対称性を保つ。
• 大規模市場の極限（n → ∞）において、確率的および組合せ的技法を用いて安定マッチングを分析する。
• n に対する d のスケーリング則に応じた、異なるスケーリング領域における両側の平均パートナーランクの漸近的結果を導出する。
• 特に遷移閾値付近での理論的予測の妥当性を検証・精緻化するために、数値シミュレーションを実施する。
• 三つの接続度領域（d = o(log²n）、d = Θ(log²n）、d = ω(log²n））の間で結果を比較する。

実験結果

リサーチクエスチョン

• RQ1 ランダムマッチング市場において、『競争の激しい効果』が現れるネットワーク接続度（平均次数 d）の水準は何か？
• RQ2 大規模市場において、短い側と長い側の平均パートナーランクは d に対してどのようにスケーリングするか？
• RQ3 現実のマッチング市場は通常スパarsely 接続されているにもかかわらず、不均衡であるにもかかわらず強い競争効果を示さないのはなぜか？
• RQ4 競争効果の接続度閾値は、標準的なランダムグラフの接続閾値 d = Θ(log n) を上回るか？
• RQ5 d が log²n より小さい、等しい、または大きい場合、短い側と長い側のパートナーランク分布はどのように異なるか？

主な発見

• d = o(log²n の場合、短い側および長い側のエージェントは平均して約 √d 順位の相手を得るため、顕著な競争効果は見られない。
• d が log²n を超える（特に d = ω(log²n）の場合、短い側のエージェントは平均して log n 順位の相手を得るが、長い側のエージェントは d/log n 順位の相手を得るため、顕著な格差が生じる。
• 競争の激しい効果が現れる閾値は d = log²n であり、これは標準的な接続閾値 d = Θ(log n) よりもはるかに高い。
• 数値シミュレーションにより理論的予測が確認され、log²n 閾値付近での遷移行動が明確に特定された。
• これらの発見により、現実のマッチング市場で強い競争効果が観察されない理由が説明できる。現実の市場では、好みのリスト長が通常 log²n よりもはるかに小さいためである。
• 本モデルは、大学進学や求人マッチングなど、実世界のネットワークで一般的なスパarsity が、競争の激しい効果を抑制することを示している。