Modelo de maximización de la utilidad aleatoria que considera evaluación secuencial de atributos

Abstract

Las elecciones de los agentes son de gran interés para diversas áreas científicas cuyos esfuerzos se centran en entender su comportamiento, estimar las valoraciones subjetivas de los atributos, analizar el impacto de políticas o incentivos, entre otros fenómenos. La modelación de elecciones ha estado dominada por los enfoques estáticos debido a su fácil implementación y alta interpretabilidad económica, siendo el modelo de Maximización de la Utilidad Aleatoria (RUM) el más desarrollado. No obstante, el modelo RUM no es tan realista, pues considera que los tomadores de decisión poseen racionalidad perfecta e información completa. A diferencia de los enfoques compensatorios estáticos, el modelo Decision Field Theory (DFT) incluye de manera explícita el proceso de búsqueda de información en anchura, permitiendo modelar que la elección final es afectada por la secuencia de atributos atendidos. Sin embargo, el modelo DFT carece de la interpretabilidad microeconómica del modelo RUM y tiene además algunas limitaciones estadísticas.

Como un primer aporte, esta tesis busca caracterizar el proceso de búsqueda de información que realizan los usuarios previa a la elección a través de datos de procesos y analizar si existe una variación de éste comportamiento influenciado por variables socioeconómicas o por las dimensiones de la tarea de elección. Además, esta tesis avanza en el desarrollo de un modelo RUM que da cuenta de la dinámica cognitiva que permita subsanar restricciones de interpretación, identificación e inferencia de los parámetros del DFT.

En una primera parte, se diseñaron y aplicaron tres encuestas de preferencias declaradas pivoteadas con respecto a los viajes de punta mañana que varían en la cantidad de alternativas y atributos (áreas de interés mostradas: AOI). Estos valores se mostraron como panel informativo y se registraron los clics para evaluar el proceso de búsqueda de información de los encuestados. Los hallazgos permiten establecer tres conclusiones principales. Primero, el patrón de búsqueda de información en anchura predomina independiente de las AOI mostradas. Segundo, se realizan más indagaciones que la cantidad de información mostrada y este valor aumenta de manera decreciente con el incremento de las AOI. Tercero, encontramos que las transiciones más probables durante el proceso de deliberación son las que surgen a partir de búsquedas en anchura. En síntesis, la evidencia encontrada sugiere que existe un dominio de búsquedas en Anchura, por lo que el modelo RUM no sería capaz de describir adecuadamente el proceso de deliberación y que los supuestos del enfoque DFT serían más apropiados para estos fines.

En la segunda parte, se avanza en el desarrollo metodológico del modelo RUM-DFT y se aclaran supuestos considerados en una memoria anterior. Utilizando simulaciones de Monte Carlo, se muestra que este enfoque recupera los parámetros del proceso de deliberación, muestra el comportamiento dinámico de las utilidades y posee un buen rendimiento, llegando a valores de verosimilitud similares al DFT, pero con estimadores que se pueden interpretar microeconómicamente. Aún más, al aplicar el modelo propuesto a una base de datos real, se logra mejores indicadores de ajuste que todos los enfoques convencionales. Estos resultados son prometedores y motivan a seguir profundizando esta línea de investigación.