--- type: paper slug: jaehyun-kim-2016-smartphone-reference-dependent title: >- Reference-Dependent Preferences on Smart Phones in South Korea: Focusing on Attributes with Heterogeneous Preference Direction authors: - '[[junghun-kim]]' - '[[jongsulee]]' - '[[joongha-ahn]]' year: 2016 venue: '[[computers-in-human-behavior]]' volume: '64' pages: 393-400 doi: 10.1016/j.chb.2016.07.008 categories: - '[[ict-policy]]' - '[[consumer-choice-research]]' methods: - '[[reference-dependent-choice-model]]' - '[[bayesian-mixed-logit]]' - '[[two-step-estimation]]' themes: - '[[smartphone]]' - '[[reference-dependence]]' - '[[loss-aversion]]' - '[[heterogeneous-preference-direction]]' - '[[prospect-theory]]' aliases: [] last_updated: '2026-05-20T02:09:05+09:00' --- # Reference-Dependent Preferences on Smart Phones in South Korea: Focusing on Attributes with Heterogeneous Preference Direction *[[junghun-kim]], [[jongsulee]], [[joongha-ahn]] (2016)* · [[computers-in-human-behavior]] 64:393-400 · [DOI ↗](https://doi.org/10.1016/j.chb.2016.07.008) > 한국 스마트폰 시장 (1,003 명, 7 대 광역도시, Gallup Korea) 의 *참조점 의존 선호* 를 표준 DCM 의 한계 (preference direction 의 *동질성* 가정) 를 깬 새 framework 으로 분석. 2-step estimation: (1) [[bayesian-mixed-logit]] 으로 attribute coefficient $\beta_{n1,k}$ 추정 → preference direction (positive/negative) 분류, (2) 현재 사용 기기 attribute 를 reference point 로 difference 계산해 [[reference-dependent-choice-model]] 재추정. 핵심 발견: **size, 4G availability, loading time 에서 asymmetry preference 유의** — loss aversion λ = $\beta_{\text{nonpref}} / \beta_{\text{pref}}$, size = -3.49 (loss > gain), 4G = -0.51 (gain > loss). Market experience 분할: 구매 경험자 (670) vs 비경험자 (332) 의 *asymmetry pattern 차이*. - **RQ**: 표준 DCM 이 가정하는 *동일 preference direction* (모든 소비자가 같은 방향 선호) 을 완화해, *이질적 preference direction + reference-dependent loss aversion* 을 동시에 식별 가능한가? 스마트폰의 어느 attribute 에서 asymmetry preference 가 나타나는가? - **방법론**: [[two-step-estimation]] — Step 1 [[bayesian-mixed-logit]] (Gibbs sampling 40,000 iter, burn-in 30,000), Step 2 [[reference-dependent-choice-model]] (Hess et al. 2008, Masiero & Hensher 2010 의 *heterogeneous preference direction* 확장), Hypothesis test ($H_0: \beta_{\text{nonpref}} / \beta_{\text{pref}} = 1$, t-test) - **데이터**: 한국 7 대 광역도시 1,003 명 face-to-face 설문 (Gallup Korea, 20-59 세). 6 attribute: OS (iOS/Android/Windows Mobile), Size (3/4/5 inch), 4G (3G/4G), Weight (100/150/200 g), Loading time (1/5/10 s), Price (20/320/620K won). 9 alternatives × 3 choice sets + opt-out. 현재 사용 기기의 attribute 가 *reference point*. 평균 display 4.08", weight 132g, loading 3.82s - **주요 발견**: (1) **Step 1 (basic mixed logit)**: iOS β=1.948, Android β=2.620, Size β=0.446, 4G β=1.158, Loading time β=-0.284, Price β=-0.738, all 1% 유의. 76.20% 가 iOS 선호 방향, 78.45% Android 선호, 66.40% large size 선호. (2) **Step 2 (asymmetry preferences)** — Size: pref +0.296 / nonpref -1.033 → λ = -3.49 (loss » gain). 4G: pref +1.026 / nonpref -0.525 → λ = -0.51 (loss « gain). Loading time: pref +0.248 / nonpref -0.263 → λ = -1.06. (3) **Hypothesis test (Table 5)**: Size t=4.117 (asymmetry), 4G t=-2.243 (asymmetry), Loading time t=-2.419 (asymmetry); iOS t=1.343, Android t=-0.055, Weight t=0.309 모두 symmetry. (4) **Market experience moderation** (Table 6, 7): 구매 경험자 (670) iOS pref +5.265 / nonpref -10.374 (loss 강), 비경험자 (332) iOS pref +10.432 / nonpref -6.330 (gain 강) — *경험이 loss aversion 강화*. - **시사점**: (a) *Standard DCM 의 동일 방향 가정* 의 명시적 위반 — 행동경제학 + 마케팅 framework 결합 필요. (b) Size 의 강한 loss aversion (λ=-3.49) — *작은 display 로의 downgrade 가 큰 utility loss*, 제조사의 *display 축소 시도 (저가형 모델)* 의 marketing risk. (c) 4G 의 *gain > loss* (λ=-0.51) — *4G 없음 → 4G 있음* 의 marginal utility 가 *4G 있음 → 4G 없음* 보다 큼: *upgrade 동기 강함, downgrade resistance 약함*. (d) 구매 경험자의 *loss aversion 강화* — repeat purchase 시장의 *defensive marketing* 전략 필요. ## 요약 이 paper 는 [[jongsulee]] 의 *3 기 (행동경제학 심화 — reference-dependent preference 의 전면 도입)* 의 *선구작* — [[jongsulee]] author page anchor 의 *제3기 — 참조점 의존 모형의 전면 전개* 의 도입 작품. 표준 [[mixed-logit]] 은 모든 소비자가 *attribute 별로 같은 방향* (좋아함 또는 싫어함) 의 선호를 갖는다고 가정 — log-normal distribution 의 bounded sign. 그러나 실제로는 *일부 소비자는 small display 선호, 일부는 large display 선호* 의 heterogeneous direction 이 존재 — 본 paper 의 분석에서 size 의 경우 66.4% large + 33.6% small. 또한 표준 DCM 은 *reference point 무관* 가정 — 현재 사용 기기에서 어떤 attribute 로 변하는지의 *심리적 비대칭성* 무시. 본 paper 는 이 두 한계를 *2-step framework* 으로 동시에 해결. 방법론 (Step 1): [[bayesian-mixed-logit]] 로 attribute 별 $\beta_{n1,k}$ 추정 — Bayesian Gibbs sampling 40,000 iter, burn-in 30,000, 나머지 10,000 로 inference. 결과로 *각 소비자의 preference direction* (양/음 부호) 분류. Step 2: 현재 사용 기기 attribute 를 reference $r_{n,k}$ 로 설정, $x_k - r_{n,k}$ 의 차이를 (i) preference direction 과 일치 → "gain" (preference direction 변수), (ii) 불일치 → "loss" (nonpreference direction 변수) 로 분리. Hess et al. (2008) 의 transportation route 분석을 *heterogeneous preference direction* (즉 일부는 small 선호, 일부는 large 선호) 으로 확장한 conceptual move. 핵심 발견: (1) **Asymmetry preference 식별** — 6 attribute 중 size, 4G, loading time 3 개에서 H0 ($\lambda=1$) 기각. (2) **Loss aversion 의 attribute-specific**: Size λ=-3.49 (loss » gain, Tversky-Kahneman 1992 의 λ≈2.25 보다 강함), Loading time λ=-1.06 (loss ≈ gain), 4G λ=-0.51 (gain > loss — 비전형적, *기능 추가 효용이 제거 disutility 보다 큼*). (3) **Market experience moderation**: 구매 경험자는 *loss aversion 일반적으로 강* — iOS 의 경우 pref +5.27 vs nonpref -10.37 (λ=-1.97), 비경험자는 iOS pref +10.43 vs nonpref -6.33 (λ=-0.61 즉 gain > loss). 이는 *List (2003) 의 experience effect* (경험이 loss aversion 강화) 정합. 한계: (i) Bayesian 2-step 추정의 *Step 1 noise 가 Step 2 로 전파*, (ii) reference point 가 *현재 사용 기기* 로 고정 — *기대 (Köszegi-Rabin 2006)* 또는 *aspiration (Stutzer 2004)* 같은 다른 reference point 미반영, (iii) cross-sectional design — *동적 update* 미반영. ## 핵심 결과 **Step 1 (basic mixed logit, Table 3)**: | Attribute | Distribution | Mean β | Std. dev. | |---|---|---:|---:| | iOS | Normal | +1.948** | 2.813** | | Android | Normal | +2.620** | 3.394** | | Size (inch) | Normal | +0.446** | 1.070** | | 4G available | Normal | +1.158** | 1.923** | | Weight (100g) | Normal | -0.066 | 1.263** | | Loading time (s) | Normal | -0.284** | 0.463** | | Price (100K KRW) | Normal | -0.738** | 0.991** | | No-choice | Normal | -6.658** | 8.786** | **Step 2 (asymmetry preferences, Table 4) — loss aversion λ = β_nonpref / β_pref**: | Attribute | β preference | β nonpreference | λ ratio | Test result | |---|---:|---:|---:|---| | iOS | +1.467** | -3.253** | -2.22 | Symmetry (t=1.34) | | Android | +1.869** | -2.566** | -1.37 | Symmetry (t=-0.06) | | Size (inch) | +0.296** | -1.033** | **-3.49** | **Asymmetry (t=4.12)** | | 4G available | +1.026** | -0.525** | **-0.51** | **Asymmetry (t=-2.24)** | | Weight (100g) | +2.338** | -1.928** | -0.82 | Symmetry (t=0.31) | | Loading time (s) | +0.248** | -0.263** | **-1.06** | **Asymmetry (t=-2.42)** | | Price (100K KRW) | -0.634** | — | — | — | **Market experience moderation (Table 6)**: 구매 경험자 (n=670) vs 비경험자 (n=332) — iOS pref/nonpref +5.265 / -10.374 vs +10.432 / -6.330. 경험자는 loss aversion 강, 비경험자는 gain aversion. Size 에서도 유사 패턴 — 경험자는 large size loss 에 강한 disutility (-4.549), 비경험자는 거의 무관심 (-0.340). \*\* p<0.01, \* p<0.05. N=1,002 (1 명 결측 제외), \$1 ≈ KRW 1,165 (2016-03-24). ## 방법론 노트 [[reference-dependent-choice-model]] 는 Tversky & Kahneman (1991) 의 reference-dependent utility 의 DCM 적용. 표준 DCM 의 $U = \beta' X + \varepsilon$ 의 *absolute attribute level* 가정을 *relative to reference point* 의 difference 로 대체. 핵심 식 (value function with reference point): $$ v(x | r) = \begin{cases} x - r & \text{if } x \geq r \\ \lambda (x - r) & \text{if } x < r \end{cases} $$ 여기서 $\lambda$ = loss aversion parameter, Tversky-Kahneman (1992) 의 lab estimate λ≈2.25. 본 paper 의 핵심 확장 (heterogeneous preference direction): $$ U_{nj} = I(\beta_{n1,k} \geq 0 \& x_k \geq r_{n,k} \text{ or } \beta_{n1,k} < 0 \& x_k < r_{n,k}) \sum \beta_{n2,k}' |x_k - r_{n,k}| $$ $$ + I(\beta_{n1,k} < 0 \& x_k \geq r_{n,k} \text{ or } \beta_{n1,k} \geq 0 \& x_k < r_{n,k}) \sum \beta_{n2,k}' \lambda |x_k - r_{n,k}| + \beta_{n2,p} x_p + \varepsilon_{nj} $$ 여기서 $\beta_{n1,k}$ = Step 1 의 preference direction sign (개인별 + attribute별), $r_{n,k}$ = 현재 사용 기기 attribute. Indicator function 으로 *preference direction (gain) vs nonpreference direction (loss)* 분리, λ 가 loss aversion ratio. 추정: Bayesian Gibbs sampling, 40,000 iter, burn-in 30,000. *Two-step* 의 issue 는 Step 1 estimation error 가 Step 2 로 전파 — 본 paper 는 robustness check 으로 *market experience subsample* 추가 분석. ## 연구 계보 본 paper 는 (i) Kahneman & Tversky (1979) *Econometrica* 의 prospect theory, (ii) Tversky & Kahneman (1991) *QJE* 의 reference-dependent utility, (iii) Hardie, Johnson, Fader (1993) *Marketing Science* 의 multivariate logit + brand reference, (iv) Hess, Rose, Hensher (2008) *Transportation* + Masiero & Hensher (2010) *Transport Research B* 의 reference-pivoted choice experiment (transportation), (v) Köszegi & Rabin (2006) *QJE* 의 expectation-based reference point — 5 갈래의 종합. [[jongsulee]] author page anchor *3 기 (행동경제학 전환)* 의 시작점. 후속 작업 — [[junghun-kim-2018-renewable-discrete-choice]] (재생에너지 reference-dependent), [[inyoung-kim-2020-well-to-wheel-ev-hydrogen]] (EV reference-dependent + power mix) — 의 framework 정착. [[jongsulee]] 의 *Bayesian DCM era (1-2 기)* 에서 *behavioral DCM era (3 기)* 로의 hinge paper. ## See also - [[jongsulee]] - [[junghun-kim]] - [[joongha-ahn]] - [[reference-dependent-choice-model]] - [[bayesian-mixed-logit]] - [[mixed-logit]] - [[prospect-theory]] - [[loss-aversion]] - [[heterogeneous-preference-direction]] - [[smartphone]] - [[computers-in-human-behavior]] - [[junghun-kim-2018-renewable-discrete-choice]] - [[inyoung-kim-2020-well-to-wheel-ev-hydrogen]]