[论文解读] Non-equilibrium time-dependent solution to discrete choice with social interactions

James Holehouse, Hector Pollitt|arXiv (Cornell University)|Sep 20, 2021

Opinion Dynamics and Social Influence参考文献 93被引用 9

一句话总结

本文通过主算子的预解式，为Brock与Durlauf的二元决策模型提出了一种解析的、时变的解法，实现了非均衡动态的精确计算。研究揭示了亚稳态锁定效应，并构建了模型校准的似然函数，表明即使拥有显式的似然函数，若缺乏具有信息量的、多实现实验数据，校准依然困难。

ABSTRACT

We solve the binary decision model of Brock and Durlauf in time using a method reliant on the resolvent of the master operator of the stochastic process. Our solution is valid when not at equilibrium and can be used to exemplify path-dependent behaviours of the binary decision model. The solution is computationally fast and is indistinguishable from Monte Carlo simulation. Well-known metastable effects are observed in regions of the model's parameter space where agent rationality is above a critical value, and we calculate the time scale at which equilibrium is reached from first passage time theory to a much greater approximation than has been previously conducted. In addition to considering selfish agents, who only care to maximise their own utility, we consider altruistic agents who make decisions on the basis of maximising global utility. Curiously, we find that although altruistic agents coalesce more strongly on a particular decision, thereby increasing their utility in the short-term, they are also more prone to being subject to non-optimal metastable regimes as compared to selfish agents. The method used for this solution can be easily extended to other binary decision models, including Kirman's ant model, and under reinterpretation also provides a time-dependent solution to the mean-field Ising model. Finally, we use our time-dependent solution to construct a likelihood function that can be used on non-equilibrium data for model calibration. This is a rare finding, since often calibration in economic agent based models must be done without an explicit likelihood function. From simulated data, we show that even with a well-defined likelihood function, model calibration is difficult unless one has access to data representative of the underlying model.

研究动机与目标

• 开发一种解析的、非均衡状态下的二元决策模型解法，克服以往研究仅限于均衡解的局限性。
• 利用首次通过时间理论，研究模型中的路径依赖行为与亚稳态区域（如锁定效应）的特性。
• 基于时变动态构建显式似然函数，以实现对非均衡数据的推断与模型校准。
• 比较自私型与利他型代理人在收敛速度及对非最优亚稳态状态敏感性方面的表现。
• 证明该方法在二元模型之外的适用性，包括Kirman的蚂蚁模型与平均场伊辛模型。

提出的方法

• 通过控制随机过程的主算子的预解式推导解法，实现概率分布的精确时间演化。
• 将二元决策模型映射为生灭过程，借助谱分解实现解析求解。
• 应用首次通过时间理论，高精度计算亚稳态的时间尺度。
• 将解法扩展至自私型代理人（最大化个体效用）与利他型代理人（最大化全局效用）。
• 从时变解中构建似然函数，用于模型参数的统计校准。
• 通过与蒙特卡洛模拟对比，验证方法的有效性，并将其推广至平均场伊辛模型与Kirman的蚂蚁模型。

实验结果

研究问题

• RQ1 在具有社会互动的二元决策模型中，非均衡动态与亚稳态如何产生？其时间尺度为何？
• RQ2 代理人的理性程度如何影响亚稳态锁定状态的出现概率与持续时间？
• RQ3 利他型代理人与自私型代理人在收敛速度及对非最优亚稳态状态的敏感性方面有何差异？
• RQ4 能否从时变解中构建显式似然函数，以实现对非均衡数据的模型校准？
• RQ5 时变外部影响（F(t)）对系统稳定性与跃迁动力学有何影响？

主要发现

• 该解析解计算效率高，与蒙特卡洛模拟结果无异，可快速探索非均衡动态。
• 当代理人理性程度超过临界阈值时，亚稳态锁定效应出现，其到达均衡的时间尺度可通过首次通过时间理论高精度计算。
• 利他型代理人虽更倾向于收敛至单一决策，但比自私型代理人更容易陷入非最优亚稳态。
• 即使拥有明确定义的似然函数，若缺乏能代表底层动态的多实现实验数据，模型校准依然具有挑战性。
• 该解法可普遍适用于二元决策模型，包括Kirman的蚂蚁模型与平均场伊辛模型，展现出广泛适用性。
• 本研究强调，数据质量——尤其是多实现实验数据的可获得性——对于成功校准而言，比是否存在显式似然函数更为关键。