2012年11月21日水曜日

離散選択分析/選択行動モデルの有効性 ~バイオ燃料の需要分析での選択モデルの役割~


離散選択分析/選択行動モデルと言われるDiscrete choice analysis(DCA)を使ったバイオ燃料の需要分析の論文を出版したら、元同僚からにモデルに付いて質問を受けた。

その返答を和訳してみます。DCAは 計量経済学モデルの一つで、「する」「しない」や「買う」「買わない」などのを、カテゴリ分けする意思決定を、影響を及ぼしそうな要素を使って分析します。手前味噌ですが、このレポートに簡単な説明を分析方法が記載されています。


それでは、元同僚からの離散選択分析/選択行動モデルに関する質問と、私の返答です。

(元同僚)My main questions for now are general:

今の所、私の主な質問は一般的なものです:


(元同僚)1. What research questions does it answer? What are the specific questions we can answer by using this method?
それ[離散選択分析/選択行動モデル]はどのような研究の質問に答えるのですか?我々はこの方法を使って答えることができる具体的な質問は何ですか? 


(ここから私)Generally, the 2 types of research questions can be made and the design of research should be different between the 2 types.

一般的には、2つのタイプの研究課題のが作ることができ、研究デザインはその2つのタイプで異なっている必要があります。

a) "If XXX product will get a market share of YYY for ZZZ market":
a) 「XXXの製品はZZZ市場でYYYの市場シェアを取得することができるか」:


DCA can find a potential market share of a product for a specific market that does not exist yet. For example, if BMW planned a new car which increase 10% of fuel efficiency and would like to know the potential sales for young families, they may do DCA.  The DCA result will answer "increasing fuel efficiency by 10% will rise the market-share of the new BMW by YYY percents".  If they know the number of households in the market, they can multiply the estimated market share and the size of the market to calculate the potential sales.

DCAは、まだ存在していない特定の市場向けに製品の潜在的な市場占有率を見つけることができます。例えば、BMWが、燃料効率の10%を増加させる新しい車を計画し、若い家族のための潜在的な販売を知りたい場合に、DACを活用するかもしれない。DCAの結果は「10%燃費を良くすると、YYYパーセントBMWの市場シェアが上昇します」と答えるでしょう。彼らが市場の世帯数を知っていれば、推定市場シェアと市場規模を掛けることにより、彼らは潜在的な売上高を計算する事ができます。


b) "If XXX attribute is YYY times more important than other attributes in ZZZ market":

b)「XXX属性はZZZ市場において、他の属性よりもYYY倍重要であるか」:


DCA can estimate the importance of one attribute over another ones, quantitatively.  For example, if BMW would like to know balance between speed and fuel efficiency for young families, they may perform DCA.  The result will tell how much a young family prefer speed over fuel efficiency regardless of a brand, price, color, etc.   This information will be useful when a new BMW car is designed for young families.
DCAは定量的に、一つの属性の重要度を他属性と比較して推定することができます。例えば、BMWが若い家族が考慮するスピードと燃料効率のバランスを知りたい場合に、DCAを実行するかもしれない。結果は、若い家族はブランド、価格、色などに関係なく、速度を燃費よりどのくらい好むか教えてくれます。新しいBMWの車が、若い家族のために設計される場合、この情報が有益でしょう。


(元同僚)2. Why are these questions important to answer, when we want to understand how to transform biomass based energy economies?
我々はバイオマスベースのエネルギー経済を変換する方法を理解したいときに、なぜ、これらの質問に答える事は重要なのでしょうか?


(ここから私)Some biomass stoves have not have a market for a particular areas.  In this situation, you may be able to test "how much a particular stove can be accepted by the potential market and why?" or "how much a particular attribute such as smoke level is more important than another attributes?"  
一部のバイオマスストーブは、特定の地域で市場を持っていない。このような状況では、「どのくらいの特定のストーブは、潜在的な市場に受け入れられ、そしてなぜ受け入れられるか?」や、「どの程度、煙レベルの様な特定の属性が他の属性よりも重要なのですか?」等の質問をテストすることができるでしょう。


The key part is "how much".  Other methodologies can answer "similar" questions if they do not need to answer "how much" in a quantitative form.  For some areas, I think policy makers and stove companies are looking for the quantitative information, "how much",  to plan a subsidy level and to design fuel efficiency.  If this is the case, DCA may be useful.
「どれぐらい」って事が重要な部分です。「どれぐらい」って定量的な形で答える必要がない場合は、他の方法論でも、「似たような」質問には答えることができるでしょう。一部の地域については、政策立案者やストーブ会社は、補助金のレベルを計画するためや、燃料効率を設計するために、「どれぐらい」って定量的な情報を探していると思う。このような場合は、DCAは役に立つかもしれません。


(元同僚)3. What are the main limitations of the method?
3.この方法の主な制限事項は何ですか?


(ここから私)This is related to the previous question.  In other words, DCA may not be good or not outperform other methodologies to explore "what kind stoves a market generally use?" or "what is the potential key attributes to design a stove in a particular market?".

これは、前の質問に関連しています。言い換えれば、DCAは、「市場で、一般的にどんなストーブが使用されているか?」や、「特定の市場でストーブを設計する場合、潜在的に重要な属性何か?」を探る事は得意では無いか、他の方法論を凌ぐことはできないでしょう。


So, I recommend to do more exploratory research to answer these "what" questions before working on DCA.
だから、私は、DCAの作業を開始する前に、これらの「何?」の質問に答える探索的な研究を行うことをお勧めします。


Moreover, as for any modelling, a model is good at finding "majority" or "trend", but not "minority" or "important but small fraction".

さらに、どのモデリングに関しても、モデルは「過半数」や「トレンド」を見つけることが得意ですが、「少数派」または「重要であるが、ごく一部の要因」を見つけることは得意ではありません。



In short, if the stage of research is exploring "what", other methodologies which is usually qualitative ones have to perform before moving to qualitative research.
要するに、研究の段階が「何?」模索している場合、通常、質的とされている他の方法論を、量的研究に移行する前に実行する必要があります。


Another key limitation is data collection as input data is generally do not exist for DCA and it may be more difficult to collect such a data. However, this situation should be more less same for any interesting research.

入力データは、一般的にDCAを行うために存在していませんので、データ収集がもう一つの重要な制限であり、そしてそのようなデータを収集する事はより難しいでしょう。しかし、この状況は何か面白い研究をするためには同じでしょう。



(元同僚)4. What resources are required to run the method (i.e. how much training of surveyors has been required when you have used this in the past)?
この方法を実行するには、何のリソースが必要ですか?(つまり、あなたが過去にこれを使用したときにどのくらいの調査員の訓練が必要でしたか。)


(ここから私)We spent two weeks to train surveyors in the fields.  At the same time or beforehand, we carried out stakeholder/focus group meetings.

我々は、調査員を訓練する為に、フィールドで2週間を過ごしました。あらかじめまたは同時に、私たちはステークホルダー/フォーカスグループ・ミーティングを実施しました。


Designing the questionnaire is 50% of the research and it is good to have a good exploratory information "what".  40% is good data collection, which is dependent of format of questionnaire and quality of surveyors.  10% or less is actually running models.
アンケートを設計することは、研究の50%であり、良質の探索的情報「何?」を持っているのが好ましいです。40%は、アンケートのフォーマットと調査員の品質に依存する良いデータ収集です。10%かそれ以下が、実際にモデルを実行する事です。


Also, I think this Nobel lecture can be a good introduction for the method and theory behind.
また、私はこのノーベル賞講演がこの方法と背後の理論に関する優れた紹介になると思います。

http://www.nobelprize.org/nobel_prizes/economics/laureates/2000/mcfadden-lecture.html

Best regards,
Tak
敬具
高間



以上です。興味が有りましたら、元になったバイオ燃料の需要分析の論文を読んでみてください。全文が読めない場合は、私にメールやTwitterで連絡してみてください。

Facebook

zenback