내가 찾고있는 것은 실용적이고 간단한 것이지만, 이와 같은 것을 모델링하는 방법에 대한 더 복잡한 접근법에 대해서도 듣고 싶습니다.

일종의 토론 후, 여기에 대한 나의 완전한 견해가 있습니다.

문제

목표 : 더 나은 방법으로 자동차 가격을 책정하는 방법 이해

상황 : 의사 결정 과정에서 사람들은 몇 가지 질문을 해결합니다. 자동차가 필요하다면 내가 가장 선호하는 속성 (가격 포함, 합리적인 가격, 최고의 품질 / 가격 비율의 자동차를 원하기 때문에 가격 포함)이 필요한가요? 서로 다른 자동차 사이의 속성 수를 비교하고 함께 평가하는 것을 선택하십시오 .

판매자 입장에서 가능한 한 높은 가격을 설정하고 가능한 한 빨리 자동차를 판매하고 싶습니다. 따라서 가격을 너무 높게 설정하고 몇 개월을 기다리는 경우 시장에서 요구되지 않은 것으로 간주 될 수 있으며 매우 요구되는 속성 세트와 비교하여 0으로 표시됩니다.

관찰 : 특정 자동차의 속성을 협상 과정 내에서 설정된 가격과 관련시키는 실제 거래 (이전의 언급과 관련하여 거래를 설정하는 데 걸리는 시간을 아는 것이 중요 함).

장점 : 실제로 시장에서 구입 한 것을 관찰하므로 예약 가격이 높은 사람이 특정 자동차를 사고 싶어하는지 추측하지 않습니다.

단점 :

1. 당신의 가정은 시장이 효율적이며, 관찰 한 가격이 균형에 가깝다는 것을 의미합니다
2. 구매하지 않았거나 거래를 설정하는 데 너무 오래 걸린 자동차 속성의 변형을 무시하므로 통찰력 이 편향됩니다. 하므로 실제로 잠재 변수 모델로 작업합니다.
3. 데이터를 오랫동안 관찰하면 수축을 줄여야하지만, 자동차 연령을 포함하면이를 보완 할 수 있습니다.

솔루션 방법

whuber가 제안한 첫 번째 것은 고전 최소 제곱 회귀 모델입니다.

장점 :

1. 실제로 계량 경제학의 주역 인 가장 간단한 솔루션

단점 :

1. 불완전하게 사물을 관찰한다는 것을 무시합니다 ( 잠재적 변수 )
2. 기본 모델은 당신이 좋아하는 수 있다는 사실은 무시하도록 회귀 변수는 다른 독립적 인 하나의 역할을 파란색 포드를 다르게 파란색 벤츠를 하지만 파란색과 포드에서 오는 한계 영향의 합이 아니다

고전적 회귀의 경우 자유도에 제한이 없으므로 다른 교호 작용 항도 시도해보십시오.

따라서 더 복잡한 솔루션은 tobit 또는 Heckman 모델입니다 . AC Cameron 및 PK Trivedi Microeconometrics : 방법 및 응용 프로그램 을 참조하십시오 . 입니다. 핵심 방법에 대한 자세한 내용은 을 참조하십시오.

장점 :

1. 사람들이 일부 속성 세트를 전혀 좋아하지 않거나 일부 속성 세트가 실제 가격 설정 에서 구입할 가능성이 적다는 사실을 분리 합니다
2. 결과가 치우 치지 않습니다 (또는 적어도 첫 번째 경우보다 작음)
3. Heckman의 경우 특정 차량을 구매하려는 동기를이 차량에 대해 얼마를 지불하고 싶은지 결정하는 가격 결정과 분리합니다.

단점 :

1. 두 모델 모두 데이터 가 더 탐욕적입니다 . 즉, 요청과 입찰 사이의 시간 길이를 균등화하기 위해 (1이 아닌 경우 0), 시장이 무시한 세트를 관찰해야합니다.

마지막으로 가격이 구매 확률에 어떻게 영향을 미치는지에 관심이 있다면 어떤 종류의 로짓 모델을 사용할 수 있습니다.

문맥과 관측 값이 다르기 때문에 합동 분석 이 적합하지 않다는 데 동의했습니다 .

행운을 빕니다.

답변