行動ゲーム理論

学習モデルは、行動ゲーム理論における戦略的意思決定を説明し予測する方法です。より具体的には、プレイヤーが対戦相手やゲームについて学ぶ機会を与えられたときに、プレイヤーの選択がどのように変化するかを説明することを目的としています。^{[ 7 ]}学習モデルには 3 つの異なるタイプがあります。1 つ目は強化学習です。強化学習は、プレイヤーが特定の行動や戦略を選択することで高い報酬を得た場合、そのプレイヤーは同じ戦略を再び使用する傾向が強くなることを示唆しています。ただし、特定の戦略が以前に使用されたことがない場合、その戦略はプレイヤーにとってより魅力的でも魅力的でないとも思われません。^{[ 7 ]}もう 1 つの学習モデルは信念学習です。信念学習は、プレイヤーがゲームで対戦相手の過去の戦略をよく覚えており、対戦相手の過去の行動に基づいて自分の戦略を変更することを想定しています。^{[ 7 ]}最後に、経験加重魅力学習は、モデルに信念学習と強化学習の組み合わせを使用します。このモデルは、実行された戦略と実行されなかった戦略と報酬を考慮に入れています。経験加重魅力学習フレームワークは、人々は過去の経験から学ぶだけでなく、自分が何を違ったようにできたかを問い直すことによっても学ぶと仮定している。^{[ 7 ]}さらに、プレイヤーは過去の報酬を実際の報酬の半分程度しか評価しないとも考えている。^{[ 7 ]}

意思決定ゲームにおける他者に関する信念は、合理的な選択を行う能力に影響を与えると予想されます。しかし、他者に関する信念は、実験結果を均衡状態、すなわち効用最大化の決定から逸脱させる原因にもなり得ます。Costa-Gomez (2008) による実験では、参加者は他の参加者と一連の標準形ゲームを行う前に、相手の行動に関する一次的な信念について質問されました。^{[ 19 ]}参加者は、ナッシュ均衡に従ったのはわずか 35% の時間でした。さらに、参加者は、相手が従来のゲーム理論の均衡に従うと信じているのは 15% の時間だけでした。^{[ 19 ]}これは、参加者が、相手が実際よりも非合理的であると信じていたことを意味します。この研究の結果は、参加者が効用最大化の行動を選択しておらず、相手も同様に選択すると予想していることを示しています。^{[ 19 ]}また、結果は、参加者が相手の行動に関する信念に対応する効用最大化の行動を選択しなかったことを示しています。^{[ 19 ]}参加者は相手が特定の決定を下す可能性が高いと信じていたかもしれないが、それでも相手がランダムに選択しているかのように決定を下した。^{[ 19 ]}テレビ番組「ディール・オア・ノー・ディール」の参加者を調査した別の研究では、合理的な選択からの乖離が見られた。^{[ 20 ]}参加者はゲームを進めるにつれて、以前の結果に基づいて決定を下す可能性が高かった。^{[ 20 ]}ゲーム内で参加者の期待が満たされなかった場合、リスク回避は低下した。たとえば、一連の肯定的な結果を経験した被験者は、取引を受け入れてゲームを終了する可能性が低かった。ゲームの初期に主に否定的な結果を経験した被験者についても同様であった。^{[ 20 ]}

社会的行動と他の参加者との協力は、従来のゲーム理論ではモデル化されていない2つの要因ですが、実験環境ではよく見られます。社会的規範の進化は意思決定モデルでは無視されてきましたが、これらの規範は現実の人々が互いに交流し、選択する方法に影響を与えます。^{[ 12 ]} 1つの傾向は、人が強い互恵主義者になることです。^{[ 12 ]}このタイプの人は、他のプレイヤーと協力する傾向を持ってゲームに参加します。他のプレイヤーからの協力に応じて協力レベルを上げ、協力しないプレイヤーを罰するために、たとえ自分の不利益になっても協力レベルを下げます。^{[ 12 ]}これは、強い互恵主義者が他者からの協力を促すために自分の報酬を減らすことをいとわないため、報酬最大化行動ではありません。^{[ 21 ]}合理的選択理論は、相互作用的意思決定において限界があり、社会的協力における人間の行動を正確に予測することも困難です。行動ゲームでは、プレイヤーは合理的な選択を行うだけでなく、他のプレイヤーとのやり取りにおける意思決定を予測する能力も求められます。ゲーム実験では、合理的な選択と個人の意思決定が衝突し、個人の行動の方が合理的な選択よりも大きな利益を得られる場合があります。合理的な選択理論は、社会的相互作用における意思決定には限界と不確実性があるため、予測結果は実験結果と一致しません。

DufwenbergとKirchsteiger（2004）は、互恵性に基づくモデルである逐次互恵性均衡を開発した。このモデルは、プレイヤーが協力するために行動を互恵するという考え方に、従来のゲーム理論の論理を適応させたものである。^{[ 22 ]}このモデルは、囚人のジレンマやムカデゲームなどの古典的なゲームの実験結果をより正確に予測するために使用されてきた。Rabin（1993）もまた、利他主義が選択に及ぼす影響を測定する公平性均衡を作成した。^{[ 23 ]}彼は、あるプレイヤーが別のプレイヤーに対して利他的である場合、その2番目のプレイヤーはその利他主義に報いる可能性が高いことを発見した。^{[ 23 ]}これは公平性の概念によるものである。^{[ 23 ]}公平性均衡は、両方のプレイヤーが両者に最も利益をもたらす結果を選択する相互最大化、または両方のプレイヤーが両者に最も損害を与える結果を選択する相互最小化の形をとる。^{[ 23 ]}これらの均衡もナッシュ均衡ですが、参加者が協力して公平にプレイする意思を組み込んでいます。

意思決定におけるインセンティブと結果の役割は、合理的な行動に影響を与えるため、行動ゲーム理論家にとって興味深いものです。Post (2008) は、賭け金が高い場合の意思決定について結論を出すために、Deal or no Deal の参加者の行動を分析しました。^{[ 20 ]}参加者の選択を研究した結果、賭け金が高い連続ゲームでは、意思決定は合理性ではなく、過去の結果に基づいて行われるという結論に至りました。^{[ 20 ]}この場合、良い結果が連続するプレイヤーは、価値の低いケースをゲームから除外し、悪い結果が連続するプレイヤーは、リスク回避的ではなくなります。^{[ 20 ]}これは、非常に良い結果または非常に悪い結果が出ているプレイヤーは、平均的なプレイヤーよりも賭けをしてゲームを続ける可能性が高いことを意味します。幸運なプレイヤーも不運なプレイヤーも、ゲームを続けるために、ケースの期待値の 100% を超えるオファーを拒否する意思がありました。^{[ 20 ]}これは、リスク回避行動からリスク追求行動への変化を示しています。この研究は、従来のゲーム理論では説明できない行動バイアスを強調しています。不運な参加者のより危険な行動は、損益分岐点効果に起因すると考えられます。損益分岐点効果とは、ギャンブラーはお金を取り戻すために危険な決定を続けるというものです。^{[ 20 ]}一方、幸運な参加者のより危険な行動は、ハウスマネー効果によって説明できます。ハウスマネー効果とは、勝っているギャンブラーは自分のお金でギャンブルをしていないと認識しているため、より危険な決定を下す可能性が高いというものです。^{[ 20 ]}この分析は、インセンティブが合理的な選択に影響を与えることを示しています。特に、プレイヤーが一連の決定を下す場合に顕著です。

ゲームにおける欺瞞においても、インセンティブと結果が大きな役割を果たします。Gneezy (2005) は、チープトーク送信者・受信者ゲームを用いて欺瞞を研究しました。^{[ 24 ]}このタイプのゲームでは、プレイヤー1はオプションAとオプションBの報酬に関する情報を受け取ります。次に、プレイヤー1はプレイヤー2にどちらのオプションを取るべきかを推奨します。プレイヤー1はプレイヤー2を欺くことができ、プレイヤー2はプレイヤー1のアドバイスを拒否することができます。Gneezyは、参加者は相手の損失よりも、嘘をつくことによる自分の利益に敏感であることを発見しました。^{[ 24 ]}また、参加者は完全に利己的ではなく、相手が自分の欺瞞によってどれだけの損失を被るかを気にしていたが、この効果は自分の報酬が増加するにつれて減少することも発見しました。^{[ 24 ]}これらの発見は、意思決定者が嘘をつくかどうかを決定するために、嘘をつくインセンティブと嘘をつく結果の両方を検討していることを示しています。一般的に、人は嘘をつくことを嫌いますが、適切なインセンティブが与えられると、結果を無視する傾向があります。^{[ 24 ]} Wang (2009) もまた、欺瞞するインセンティブのある参加者の欺瞞を研究するために、チープトークゲームを使用しました。^{[ 25 ]}彼はアイトラッキングを使用して、報酬に関する情報を受け取った参加者は、対戦相手の報酬の 2 倍の頻度で自分の報酬に注目することを発見しました。^{[ 25 ]}これは、戦略的思考が最小限であることを示唆しています。さらに、参加者は欺瞞を送信したときに瞳孔が拡張し、より大きな嘘をついたときにさらに拡張しました。^{[ 25 ]}これらの身体的手がかりから、Wang は欺瞞は認知的に難しいと結論付けました。^{[ 25 ]}これらの発見は、インセンティブ、結果、欺瞞などの要因が非合理的な決定を生み出し、ゲームの展開に影響を与える可能性があることを示しています。

ゲーム理論の帰結の一つは、結果を予測するために経験的データを使用しないことである。「競争状況で人々が実際に何をするかを予測したい場合、ゲーム理論は経験的に根拠のある行動理論の代わりにはならない」^{[ 26 ]。}合理的な行動を予測することはゲーム理論で可能だが、理論が調整可能であれば改善できる。この分野が行動理論の知識を拡大すれば、ゲームの予測結果は改善され、長期的に持続する可能性がある。人々がどのように行動し、考え、感じるかは、この理論で役割を果たすという彼らの決定に影響を与える。ケン・ビンモアは、経験的に健全なデータが存在する場合、ゲーム理論が最終的な決定結果を保持すべきではないという優れた指摘をしている。これは、行われている合理的な決定がゲーム理論によるものか、それとも単に一貫した行動決定によるものかを理解しようとする上で良いことである。経済学の分野は、理論だけに頼ることはほとんどないため、経験的情報を改善するためにあらゆるステップを踏むべきである。企業はゲーム理論を高く評価しており、経済学は経験的データベースを確立しようとすることでゲーム理論の強さを向上させなければならない。社会は、経済学のデータ分野を拡大するだけで、行動ゲーム理論の知識を進歩させることができるだろう。アルビン・E・ロスは、「ゲーム理論に確固たる実証的基盤を追加する方向で措置を講じず、概念的な洞察のためにゲーム理論に頼り続けるならば、100年も経たないうちにゲーム理論は急激な収穫逓減を経験することになるだろう」と述べている^{[ 27 ]。}

行動ゲーム理論は、合理性に対する集団の影響を考察します。現実世界では多くの意思決定がチームによって行われますが、従来のゲーム理論では個人が意思決定者として扱われます。ミルトン・フリードマンは、通常、人々は個人の行動を無視し、集団の行動に注目するため、集団の行動はより合理的であると認識されることが多いと主張しました。このことから、集団の意思決定行動をモデル化する必要性が生じました。ボーンスタインとヤニフ（1998）は、最後通牒ゲームで集団と個人の合理性の違いを調査しました。^{[ 28 ]}このゲームでは、プレイヤー1（またはグループ1）がプレイヤー2（またはグループ2）に与える報酬の割合を決定し、次にプレイヤー2がこの申し出を受け入れるか拒否するかを決定します。グループ条件の参加者は3人ずつのグループに入れられ、決定について熟慮することが許されました。^{[ 28 ]}このゲームにおける完全な合理性とは、プレイヤー1がプレイヤー2に報酬を一切提供しないことですが、観察された申し出ではそのようなことはほとんど起こりません。ボーンスタインとヤニフは、プレイヤー1の条件ではグループは個人よりも寛大さに欠け、報酬のより少ない部分を放棄する意思があり、プレイヤー2の条件では低いオファーを受け入れる傾向が強いことを発見した。^{[ 28 ]}これらの結果は、グループが個人よりも合理的であることを示唆している。^{[ 28 ]}

KocherとSutter（2005）は、美人コンテストゲームを使って個人とグループの行動を研究し比較した。^{[ 29 ]}美人コンテストゲームとは、参加者全員が0から100までの数字を選ぶゲームである。勝者は、平均値の3分の2に最も近い数字を選んだ参加者である。最初のラウンドでは、平均値50の3分の2である33が合理的な選択となる。ラウンド数が無限であれば、ゲーム理論によれば参加者全員が0を選ぶべきである。KocherとSutterは、グループがゲームの最初のラウンドで個人よりも合理的に行動したわけではないことを発見した。^{[ 29 ]}しかし、その後のラウンドでは、グループは個人よりも合理的に行動した。^{[ 29 ]}これは、グループが個人よりも早くゲームを学び、戦略を適応させることができることを示している。