[논문 리뷰] An evolutionary model of long tailed distributions in the social sciences

R. Alexander Bentley, Paul Ormerod외 1명|ArXiv.org|2009. 03. 14.

Opinion Dynamics and Social Influence참고 문헌 24인용 수 7

한 줄 요약

이 논문은 유한한 합리성, 모방, 혁신을 통해 긴 尾(꼬리) 분포—예를 들어 힘의 법칙, 지수 분포, 승자독점 결과—를 생성하는 일반화된 확률 모델을 제안한다. 이 모델은 순서가 바뀌는 분포의 동적 전환을 유일하게 재현하며, 힘의 법칙의 지수 α와 尾 비율 f 사이의 관측된 경험적 관계를 재현한다. 이는 알버트-바라바시의 선호적 첨부 모델을 특수한 경우로 포함한다.

ABSTRACT

Studies of collective human behavior in the social sciences, often grounded in details of actions by individuals, have much to offer `social' models from the physical sciences concerning elegant statistical regularities. Drawing on behavioral studies of social influence, we present a parsimonious, stochastic model, which generates an entire family of real-world right-skew socio-economic distributions, including exponential, winner-take-all, power law tails of varying exponents and power laws across the whole data. The widely used Albert-Barabasi model of preferential attachment is simply a special case of this much more general model. In addition, the model produces the continuous turnover observed empirically within those distributions. Previous preferential attachment models have generated specific distributions with turnover using arbitrary add-on rules, but turnover is an inherent feature of our model. The model also replicates an intriguing new relationship, observed across a range of empirical studies, between the power law exponent and the proportion of data represented.

연구 동기 및 목표

• 사회과학에서 관찰되는 다양한 오른쪽으로 치우친 분포의 기원을 설명하는 단순하고 확률적인 모델을 개발하기 위해.
• 이전 모델들이 나이 듦이나 적합도 변화와 같은 인위적인 규칙 없이 동적 전환을 생성하는 데에 한계가 있음을 해결하기 위해.
• 실제로 관측된 힘의 법칙 지수 α와 尾에 속하는 데이터 비율 f 사이의 관계를 재현하기 위해.
• 소득, 도시 크기, 인용 빈도와 같은 다양한 사회경제적 분포를 한 가지 메커니즘—유한한 합리성과 사회적 영향력에 기반—으로 통합하기 위해.
• 모방과 혁신을 핵심 의사결정 기반으로 포함시켜 합리적 선택 모델에 대한 행동 기반 대안을 제공하기 위해.

제안 방법

• 모델은 N명의 에이전트를 포함하며, 이들이 선택을 할 수 있는 공간(예: 도시, 제품, 아이디어)을 가진다.
• 각 에이전트는 혁신 확률 μ로 새로운 고유한 위치를 선택하거나, 이전 m개의 선택 중 하나를 모방할 확률 1−μ를 가진다.
• 기억력 매개변수 m은 에이전트가 타인을 모방할 때 얼마나 과거로 거슬러 올라가는지를 제어하며, 상황에 따라 달라지는 의사결정 수준을 반영한다.
• 모델은 시간에 따라 시뮬레이션되며, m와 μ의 다양한 조합에 대해 분포 결과를 분석한다.
• 분석적 결과와 시뮬레이션 결과를 결합하여 최종 분포 형태(예: 힘의 법칙, 지수 꼬리 등)를 유도하고 검증한다.
• 실제 데이터와의 비교를 통해 모델을 검증하며, 특히 α(힘의 법칙 지수)와 f(꼬리에 속하는 데이터 비율) 사이의 관계를 분석하고 알버트-바라바시 모델과 비교한다.

실험 결과

연구 질문

• RQ1 어떻게 단일이고 단순한 모델이 실제 데이터에서 관찰되는 다양한 긴 尾 분포를 생성할 수 있는가?
• RQ2 기억력(m)과 혁신(μ)이 이러한 분포의 형태와 동적 특성에 미치는 역할은 무엇인가?
• RQ3 실제 분포가 안정적인 기능 형태를 유지하면서도 순위의 지속적인 전환을 보이는 이유는 무엇인가?
• RQ4 이 모델은 실제로 관측된 힘의 법칙 지수 α와 데이터의 꼬리 부분에 속하는 비율 f 사이의 관계를 어떻게 재현하는가?
• RQ5 이 모델은 알버트-바라바시의 선호적 첨부 모델과 같은 기존 모델을 어떻게 일반화하거나 포함하는가?

주요 결과

• 이 모델은 m(기억력)과 μ(혁신) 두 매개변수를 변화시킴으로써 힘의 법칙, 지수 분포, 승자독점까지 다양한 오른쪽으로 기울어진 분포를 생성한다.
• m = 전부(무한한 기억력)이면서 μ가 특정 값으로 설정된 경우, 알버트-바라바시 모델이 이 모델의 특수한 경우로 나타남을 입증하였다.
• 이론적으로 나이 듦이나 적합도 변화와 같은 인위적 규칙 없이도 순서가 바뀌는 분포의 동적 전환을 자연스럽게 생성한다.
• 힘의 법칙 지수 α와 꼬리에 속하는 데이터 비율 f 사이의 경험적 관계를 성공적으로 재현하였으며, f가 감소할수록 α가 증가하는 경향을 보였다.
• 기억력이 제한된 경우(m < 전부), 전체 분포에서 힘의 법칙이 나타나기 위해서는 α ≈ 1.5여야 하며, 이는 기존의 부자들이 더 부자가 되는 모델이 포착하지 못한 결과이다.
• 이 모델은 분포의 형태와 동적 변동을 동시에 생성할 수 있다는 점에서, 현실적인 행동 기반을 가진 문화, 경제, 사회 현상을 모델링하는 데 있어 독보적인 적합성을 지닌다.