[論文レビュー] A Statistical Decision-Theoretic Framework for Social Choice

Hossein Azari Soufiani, David C. Parkes+1 more|arXiv (Cornell University)|Oct 29, 2014

Game Theory and Voting Systems参考文献 33被引用数 17

ひとこと要約

この論文は、順位付けモデルにおける期待損失を最小化するベイズ推定量として投票規則を定式化する統計的意思決定理論枠組みを導入する。コンドルセットモデルにおけるベイズ推定量は、重要な規範的性質を満たし、多項式時間で計算可能であり、特定のデータ生成過程ではケンメイとマラウスに基づく推定量と漸近的に異なる。

ABSTRACT

In this paper, we take a statistical decision-theoretic viewpoint on social choice, putting a focus on the decision to be made on behalf of a system of agents. In our framework, we are given a statistical ranking model, a decision space, and a loss function defined on (parameter, decision) pairs, and formulate social choice mechanisms as decision rules that minimize expected loss. This suggests a general framework for the design and analysis of new social choice mechanisms. We compare Bayesian estimators, which minimize Bayesian expected loss, for the Mallows model and the Condorcet model respectively, and the Kemeny rule. We consider various normative properties, in addition to computational complexity and asymptotic behavior. In particular, we show that the Bayesian estimator for the Condorcet model satisfies some desired properties such as anonymity, neutrality, and monotonicity, can be computed in polynomial time, and is asymptotically different from the other two rules when the data are generated from the Condorcet model for some ground truth parameter.

研究の動機と目的

• 統計的正確性と匿名性、中立性、単調性などの規範的性質を両立する投票規則の設計という課題に対処すること。
• 損失関数、意思決定空間、確率的順位付けモデルを統合した統計的意思決定理論を用いて、社会選択メカニズム設計の原則的枠組みを構築すること。
• マラウスおよびコンドルセットモデルにおけるベイズ推定量とケンメイ則との間で、規範的性質、計算複雑性、漸近的挙動の観点から比較すること。
• 異なる確率的仮定の下での順位集約におけるベイズ推定量の計算可能性と統計的一貫性を調査すること。
• 合成データを用いた大規模な設定において、コンドルセットモデルにおけるベイズ推定量の近似の性能を評価すること。

提案手法

• 社会選択を、統計的順位付けモデル（マラウスまたはコンドルセット）、代替案の意思決定空間、パラメータ-意思決定ペア上の損失関数を伴うベイズ的期待損失を最小化する意思決定ルールとして定式化する。
• パrameter空間に一様事前分布を適用し、事後期待損失を最小化するベイズ推定量を導出する。コンドルセットモデルではサイクル的順序が許容される。
• 重み付き多数勝利グラフ（WMG）を用いて対比較を表現し、コンドルセットモデルにおけるベイズ推定量の近似として、全入力エッジ重みの合計を最小化する方法を用いる。
• コンドルセットモデルにおけるベイズ推定量の高確率近似（g）を採用し、n → ∞ の下で真の推定量と漸近的に同等であることが証明されている。
• i.i.d. な投票をコンドルセットモデルから生成する合成実験を実施し、近似ベイズ則（g）とケンメイ則との間で不一致が生じる頻度を比較する。
• 計算複雑性を分析するため、マラウスモデルにおけるベイズ推定量は P||^NP-ハードであることを証明し、コンドルセットに基づく推定量はPに属することを示す。

実験結果

リサーチクエスチョン

• RQ1 統計的意思決定理論を、統計的性質と規範的性質の両方を備えた社会選択メカニズムの設計・分析に体系的かつ効果的に応用する方法は何か？
• RQ2 マラウスおよびコンドルセットモデルにおけるベイズ推定量が満たす規範的性質（例：匿名性、中立性、単調性）は何か？
• RQ3 マラウスとコンドルセットモデルにおけるベイズ推定量の計算複雑性はどのように異なるか？
• RQ4 コンドルセットモデルにおけるベイズ推定量が、どのような条件下でケンメイ則と漸近的に異なるか？
• RQ5 コンドルセットモデルにおけるベイズ推定量の計算効率の良い近似は、真の事後分布と統計的に正確かつ一貫していると言えるか？

主な発見

• コンドルセットモデルにおけるベイズ推定量は、匿名性、中立性、単調性を満たし、多項式時間で計算可能である。
• マラウスモデルにおけるベイズ推定量は、計算が P||^NP-ハードであるため、高い計算複雑性を示す。
• 投票がマラウスモデルから生成される場合、n → ∞ の下で、コンドルセットモデルにおけるベイズ推定量とケンメイ則はほとんど確実に同じ勝者を選ぶ。
• 投票がコンドルセットモデルから生成される場合、コンドルセットモデルにおけるベイズ推定量とケンメイ則との間に非無視可能な確率（φ = 0.1 および 0.5 の場合約30%、φ = 0.9 の場合約10%）で差が生じる。
• WMGにおける全入力エッジ重みの合計を最小化する近似則gは、コンドルセットモデルにおける真のベイズ推定量と漸近的に同等であり、m=5、n=100 のマラウス生成プロファイルでは100%の確率でケンメイ則と一致する。
• 実験により、コンドルセットモデル下でのgとケンメイ則の不一致確率は、φ = 0.1 および 0.5 の場合、n ∈ {100, 200, ..., 2000} の範囲で安定に約30%程度に保たれることが確認された。