ロジットバイアス（ろじっとばいあす）

ロジットバイアスの概要

ロジットバイアスは、離散選択モデル、特に多項ロジットモデル（MNL）において、モデルの仮定が現実のデータに適合しない場合に発生する推定量の系統的な歪みです。MNLモデルは、各選択肢の効用を独立した確率変数として扱い、独立性の仮定（IIA: Independence of Irrelevant Alternatives）を置いています。しかし、この仮定が満たされない場合、つまり選択肢間に相関がある場合、ロジットバイアスが生じます。

ロジットバイアスの原因

ロジットバイアスの主な原因は、選択肢間の相関関係です。例えば、ある製品の代替品が複数存在する場合、それらの製品は互いに影響を及ぼし合います。MNLモデルでは、これらの相関関係を考慮できないため、推定結果に歪みが生じます。

ロジットバイアスの影響

ロジットバイアスは、選択確率の推定値を歪めるため、政策評価や市場分析などの分野で誤った結論を導き出す可能性があります。特に、選択肢の数が多く、選択肢間の相関が強い場合に、バイアスの影響は大きくなります。

ロジットバイアスの対処法

ロジットバイアスに対処するためには、以下の方法が考えられます。

• ネスト型ロジットモデル: 選択肢をグループ化し、グループ間でのみ独立性を仮定するモデル。
• 混合ロジットモデル: 個々のエージェントの効用を確率的に変動させるモデル。
• 一般化された極値分布モデル: MNLモデルの独立性の仮定を緩和するモデル。
• 相関項の導入: 選択肢間の相関を明示的にモデルに組み込む方法。

これらのモデルは、MNLモデルよりも複雑ですが、ロジットバイアスの影響を軽減することができます。