[논문 리뷰] A Subjective Model of Human Decision Making Based on Quantum Decision Theory

Chenda Zhang, Hedvig Kjellström|arXiv (Cornell University)|2021. 01. 14.

Decision-Making and Behavioral Economics참고 문헌 20인용 수 6

한 줄 요약

이 논문은 프레임 효과와 시간 압박과 같은 비합리적이고 주관적인 영향을 반영하는 다중 모odal 흡인 요인을 통합함으로써 인간의 의사결정 예측을 향상시키는 양자 결정 이론(QDT) 기반 모델을 제안한다. 이 모델은 이중 선택 과제에서 고전적 누적선택이론(CPT)과 신경망 및 랜덤 포레스트와 같은 데이터 기반 방법보다도 개인의 선택을 더 잘 예측한다.

ABSTRACT

Computer modeling of human decision making is of large importance for, e.g., sustainable transport, urban development, and online recommendation systems. In this paper we present a model for predicting the behavior of an individual during a binary game under different amounts of risk, gain, and time pressure. The model is based on Quantum Decision Theory (QDT), which has been shown to enable modeling of the irrational and subjective aspects of the decision making, not accounted for by the classical Cumulative Prospect Theory (CPT). Experiments on two different datasets show that our QDT-based approach outperforms both a CPT-based approach and data driven approaches such as feed-forward neural networks and random forests.

연구 동기 및 목표

• 고전적 기대효용 이론을 초월하여 비합리적이고 주관적인 인지 요인을 반영함으로써 위험 상황에서 개인의 의사결정을 더 정확하게 모델링하는 것.
• 복잡한 의사결정에서 간섭 효과, 후회, 시간 압박을 반영하지 못하는 누적선택이론(CPT)의 한계를 해결하는 것.
• 다중 감정적 및 인지적 영향을 동시에 모델링할 수 있는 다성분 흡인 요인 함수를 도입함으로써 이전의 QDT 응용을 확장하는 것.
• QDT 모델이 CPT 및 피드포워드 신경망과 랜덤 포레스트와 같은 데이터 기반 접근법보다 개인 행동 예측에서 뛰어난 성능을 보임을 경험적으로 검증하는 것.
• 계층적 매개변수 추정을 통해 개인 수준의 校정을 가능하게 하여 새로운 사용자에게 빠르게 적응할 수 있도록 하는 것.

제안 방법

• 모델은 양자결정이론(QDT)을 사용하여 전망 확률을 고전적 기대효용 요인과 양자 기반의 흡인 요인의 합으로 계산한다.
• 프레임 효과, 시간 압박, 손실 회피, 위험 회피를 각각 반영하는 4개의 매개변수화된 흡인 요인 구성요소를 도입한다. 각 요소는 독립적인 비합리적 의사결정 영향을 캡처한다.
• 기대효용 요인은 고전적 기대효용에서 유도되며, 흡인 요인은 합리적 기대에서 벗어난 주관적 선호를 정량화한다.
• 개인 수준의 데이터를 사용하여 모델을 校정하며, 참가자 간 일반화를 향상시키기 위해 계층적 베이지안 방법을 사용해 매개변수를 추정한다.
• QDT와 CPT를 사용해 시뮬레이션을 수행하여 예측된 옵션 확률을 도출하고, 각 참가자당 1,000번의 시뮬레이션을 수행해 실질적 반응과 비교한다.
• 모델 성능 평가 시, 시뮬레이션 결과가 실제 참가자 반응과 일치한 게임 시도의 비율을 측정한다.

실험 결과

연구 질문

• RQ1 이중 선택 과제에서 다중 모달 흡인 요인을 갖춘 QDT 기반 모델이 고전적 CPT보다 개인의 의사결정 행동을 더 잘 예측할 수 있는가?
• RQ2 프레임 효과와 시간 압박을 반영하는 흡인 요인이 없는 모델에 비해 이러한 구성요소가 포함된 모델이 예측 정확도를 얼마나 향상시키는가?
• RQ3 피드포워드 신경망과 랜덤 포레스트와 같은 데이터 기반 모델과 비교할 때 QDT 모델은 개인 수준의 의사결정 예측에서 어떻게 성능을 발휘하는가?
• RQ4 주관적이고 비합리적인 의사결정 요인의 포함이 더 강한 선호를 반영하는 더 극단적인 확률 예측을 이끌어내는가?
• RQ5 계층적 매개변수 추정이 새로운 개인에 대한 모델의 적응 능력을 향상시키면서도 높은 예측 정확도를 유지하는가?

주요 결과

• 다중 모달 흡인 요인을 갖춘 QDT 모델은 두 데이터셋(Dataset 1 및 Dataset 2)에서 CPT 모델보다 유의미하게 더 높은 반응 유사도를 보이며 개인의 의사결정 예측에서 뛰어난 성능을 발휘한다.
• QDT 모델은 시뮬레이션된 참가자 분포의 여러 모드에서 더 높은 반응 유사도를 보이며, 다양한 의사결정 패턴을 더 잘 반영하고 있음을 시사한다.
• CPT 모델의 예측은 평균 확률(0.5–0.75) 주변에 집중되어 있는 반면, QDT는 더 극단적인 확률을 생성하여 한 옵션에 대한 강한 선호를 반영한다.
• QDT 모델은 CPT 모델이 간과하는 잠재적 영향 요인인 프레임 효과와 시간 압박을 포착하여, 이러한 행동을 보이는 참가자들에 대해 더 정확한 예측을 한다.
• 특히 고위험 또는 강한 주관적 영향이 작용하는 상황에서, QDT 모델은 피드포워드 신경망 및 랜덤 포레스트와 같은 데이터 기반 접근법보다 뛰어난 성능을 보인다.
• 시뮬레이션 결과에 따르면, QDT 모델은 반응 유사도가 높은 시뮬레이션 참가자가 더 많으며, 피크는 0.75와 0.625에 도달한다. 반면 CPT 모델은 여러 참가자 그룹에서 낮은 성능을 보인다.