Project

Back to overview

Integrated Decision Heuristics & Discrete Choice Modeling: an operational framework for demand analysis

English title Integrated Decision Heuristics & Discrete Choice Modeling: an operational framework for demand analysis
Applicant de Lapparent Matthieu
Number 190745
Funding scheme Spark
Research institution Institut IIDE School of Management and Engineering Vaud HEIG-VD
Institution of higher education University of Applied Sciences and Arts Western Switzerland - HES-SO
Main discipline Science of management
Start/End 01.12.2019 - 31.01.2021
Approved amount 97'379.00
Show all

Keywords (4)

Discrete choice modeling; Individual travel demand behaviors; Computational Social Sciences; Decision heuristics

Lay Summary (French)

Lead
Nous prenons quotidiennement de nombreuses décisions, souvent sans nous en rendre compte et parfois de manière beaucoup plus méthodique. La pratique empirique de la microéconomie classique offre à ce jour de nombreux résultats pertinents dès qu'il s'agit de modéliser les choix discrets de consommation. Il est ainsi devenu d'usage de recourir aux modèles de choix discret reposant sur la maximisation de l'utilité aléatoire. En parallèle, les travaux récents issus de recherches dans de nombreuses disciplines, notamment en psychologie cognitive et sociale, en marketing, en économie comportementale, en ingénierie des transports, ainsi qu'en droit ou en médecine, témoignent de la nécessité de dépasser ce cadre normatif.
Lay summary
Contenu et objectifs

Nous proposons un cadre analytique mathématique et statistique permettant d’étudier la diversité des comportements de prise de décisions, i.e. détecter d'un point de vue statistique quelles sont les règles de décision utilisées par les consommateurs dans le cadre général de modélisation des choix discrets.

Sur la base d'un état de l'art et de la pratique, nous proposons dans un premier temps une typologie des règles de décision et de leur modélisations empiriques. Nous développons ensuite une méthodologie analytique qui, pour une situation de choix donnée, permet de considérer simultanément plusieurs règles de décision. La structure statistique est celle de modèles de choix discret à classes latentes. La pratique actuelle des modèles de choix discret (coefficients aléatoires, nonlinéarités, distributions MEV) est aussi mise en oeuvre.

Nous proposons plusieurs applications, en particulier concernant les choix de transport. 

Contexte scientifique et sociétal

Ce projet contribue au développement de la modélisation des choix discrets en proposant des modèles qui tiennent compte de l'hétérogénéité des personnes quant à la façon dont elles prennent leurs décisions. Nous pensons que ceci conduira à une meilleure compréhension des comportements de demande des consommateurs ainsi qu'à l'amélioration de la précision des indicateurs dérivés. 
Direct link to Lay Summary Last update: 04.02.2020

Responsible applicant and co-applicants

Employees

Scientific events

Active participation

Title Type of contribution Title of article or contribution Date Place Persons involved
Swiss Transport Research Conference 2020 Talk given at a conference Modeling non-trading behavior 13.05.2020 Ascona, Monte Verita, Switzerland de Lapparent Matthieu;


Abstract

We here propose an integrated analytical and operational framework that model heterogeneity of discrete decision-making by accounting for heterogeneity in decision heuristics, i.e. by considering that myriad of compensatory (e.g. random utility maximization, random regret minimization and variants), semi-compensatory (e.g. conjunctive and disjunctive rules) and non-compensatory (e.g. elimination by aspect, lexicographic) decision heuristics together better explain observed choice behaviors instead of just considering conditional discrete choice modeling approaches. Our proposed approach is based on computational social science and mostly focuses on economic demand behaviors. We here aims at developing an approach that better account for variations in demand formation by better accounting for distribution of decision heuristics in a population. We’ll operationally combine traditional microeconomics with behavioral economics, quantitative psychology & marketing approaches, hence also and strongly accounting for mathematical, statistical and computer-based specifications and techniques. Our proposed applications here regard modeling individual modeling of discrete travel demands for products and services. We expect to prove that such an applied approach is robust enough over our datasets and contextual effects and that it fits well other choice situations.Building up on existing modeling and proposing an integrated approach that will technically be based on state-of-the-art theoretical and empirical finite probabilistic mixtures of decision heuristics, we are convinced that it will:- greatly solve the problems of outliers in data by modeling them as outcomes of a specific decision heuristics;- pave new and operational ways to estimate key parameters (elasticities, willingness-to-pay/accept, multipliers, etc.), hence indirectly contributing to better (wider) socioeconomic evaluation of public and private policies and strategies;- open new and complimentary systematical modeling perspectives that might be used in more complex supply & pricing optimization frameworks that regard products and services.
-