Reference-Dependent Preferences on Smart Phones in South Korea: Focusing on Attributes with Heterogeneous Preference Direction

Junghun Kim, 이종수, Joongha Ahn (2016) · Computers in Human Behavior 64:393-400 · DOI ↗

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 이종수 의 3 기 (행동경제학 심화 — reference-dependent preference 의 전면 도입) 의 선구작 — 이종수 author page anchor 의 제3기 — 참조점 의존 모형의 전면 전개 의 도입 작품. 표준 혼합 로짓 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. 이종수 author page anchor 3 기 (행동경제학 전환) 의 시작점. 후속 작업 — junghun-kim-2018-renewable-discrete-choice (재생에너지 reference-dependent), Dynamic Analysis of Well-to-Wheel Electric and Hydrogen Vehicles' Greenhouse Gas Emissions: Focusing on Consumer Preferences and Power Mix Changes in South Korea (EV reference-dependent + power mix) — 의 framework 정착. 이종수 의 Bayesian DCM era (1-2 기) 에서 behavioral DCM era (3 기) 로의 hinge paper.

인접 그래프

1-hop 이웃 14개

인물 3
방법론 1
주제 1
수록처 1
분류 2
논문 6

휠 = 확대/축소 · 드래그 = 이동 · hover = 강조 · 클릭 = 페이지 이동

이 문서를 가리키는 페이지

논문 (6)

인물 (1)

이종수