Применение методики анализа неценовых факторов

УДК 330.161; 330.163
Применение методики анализа неценовых факторов
потребительского поведения на примере рынка общественных
благ
APPLICATION OF THE METHOD OF ANALYSIS OF NONPRICE FACTORS OF CONSUMER BEHAVIOR ON THE
MARKET OF PUBLIC GOOGS
Информация об авторах
Шокин Ян Вячеславович, к.э.н., доцент, Университет «Дубна», город Дубна,
yshokin@mail.ru
Андропова Ирина Дмитриевна, студентка, группа 5032, sandropova@mail.ru,
Shokin Yan Vyacheslavovich, candidate of Economics, associated Professor, University
"Dubna", Dubna, yshokin@mail.ru
Andropova Irina Dmitrievna, student, group 5032, sandropova@mail.ru,
Аннотация
Данная статья посвящена описанию исследования влияния неденежных факторов на
субъективное восприятие ценности общественных благ различных видов
хозяйствующими субъектами, проведенное в начале 2015 г. Также рассматриваются
основные направления практического применения сделанных в результате данного
исследования выводов.
Annotation
This article describes the research of influence non-monetary factors have on the subjective
perception of public benefits value of different types of business entities, conducted in early 2015.
Also the main directions of practical application made as a result of this research findings are
discussed.
Ключевые слова
Рациональность; парадигма “homo economicus”; поведение потребителей; неденежные
факторы; поведенческая экономика; ранговые оценки; искусственные нейронные сети;
теория нечетких множеств.
Keywords
Rationality; the “homo economicus” paradigm; behaviour of consumers; non-monetary factor;
behavioral economics; rank estimation; artificial neural networks; fuzzy set theory.
Постановка задачи. Задачей исследования, описываемого в настоящей статье,
является выявление влияния факторов неденежной (неценовой) природы на субъективное
восприятие ценности общественных благ современными потребителями.
Введение в научную проблему. В современном мире большое внимание стало
уделяться не столько денежным факторам при принятии важных решений, сколько
субъективным
ощущениям.
На
сегодняшний
день
продолжающая
доминировать
парадигма “Homo economicus“, безусловно, требует пересмотра и уточнения на предмет
выделения места для детального исследования факторов неденежной природы,
оказывающих иногда решающее воздействие на потребительский выбор. Влияние этих
факторов можно весьма наглядно проследить в сфере рынка общественных благ. Проблема
анализа данного рынка заключается в следующем: 1) отсутствие четко выраженных,
юридически определенных товарно-денежных отношений между поставщиками благ и их
потребителями; 2) расплывчатая и вероятностная степень принадлежности отдельного
блага к категории «чисто общественных» или «чисто индивидуальных». При принятии
решения рациональный потребитель (за исключением тех редчайших случаев, когда он
обладает полной информацией о сделке) будет руководствоваться в первую очередь
неденежными факторами.
Методологические подходы. Теоретической и методологической базой для
исследований послужили такие значимые работы в данной области, как концепция
мериторики Р. Масгрейва [10; 11] и труды Р. Гринберга и А. Рубинштейна по
экономической социодинамике и теории опекаемых благ [3; 4; 7].
В частности, в целях выявления влияния неденежных факторов различной природы
на
субъективную
оценку
общественных
благ
потребителями,
авторами
было
инициировано специальное исследование.
Описание исследовательской работы. Данное исследование проводилось в
формате добровольного анкетирования граждан в возрасте 17-35 лет в анонимной форме.
Объем выборки составил 255 анкет
Респондентам предлагалось охарактеризовать влияние ряда факторов (перечень
использованных факторов см. ниже) на субъективно воспринимаемую полезность 8-ми
общественных благ с указанием силы воздействия каждого фактора по следующей
условной шкале:
3 - «фактор очень сильно влияет»;
2 - «фактор существенно влияет»;
1 - «фактор слабо влияет»;
0 - «фактор совсем не влияет».
К числу благ, использованных в эксперименте, в частности, относились:
1.
посещение культурных мероприятий: выставок, концертов, музеев;
2.
получение начального, среднего и высшего образования;
3.
получение медицинской помощи, медицинское обслуживание;
4.
строительство (ИЖС, промышленное, новостройки, многоэтажки);
5.
пассажироперевозки
и
перевозка
грузов
железнодорожным
транспортом;
6.
наличие мобильной связи;
7.
национальная оборона;
8.
охрана правопорядка.
Следует отметить, что из предложенных респондентам факторов пять первых
представляли
собой
оценки
предполагаемого
влияния
общественного
блага
на
благосостояние ойкоса, соответственно, со 2-го по 6-й уровня (см. подробнее о концепции
ойкосов как уровней функционирования хозяйственных систем и их классификации в
статье: [8]), а три последних — используемые в данном исследовании поведенческие
паттерны:
Фактор 1 — влияние сделки на благосостояние ближайшего окружения (семья,
родные, ближайшие друзья);
Фактор 2 — влияние сделки на благосостояние остального окружения (соседи,
коллеги, единомышленники по хобби и т. д.);
Фактор
3
—
влияние
сделки
на
благосостояние
хозяйственных
систем
регионального уровня (район, поселок, город, область);
Фактор 4 — влияние сделки на благосостояние национальной хозяйственной
системы;
Фактор 5 — влияние сделки на благосостояние глобальной хозяйственной системы;
Фактор 6 — влияние на оценку полезности блага «эффекта толпы» («у всех есть —
и мне надо»);
Фактор 7 — влияние на оценку полезности блага «эффекта престижности»;
Фактор 8 — влияние на оценку полезности блага «эффекта каприза» (сиюминутная
прихоть, «хочу — и все!»).
В основу эксперимента были положены гипотезы о том,
1) что благо может восприниматься как частично индивидуальное или частично
общественное;
2) что степень принадлежности блага к множеству индивдуальных или общественных
благ может быть формализована при помощи аппарата теории нечетких множеств
через понятие функции принадлежности;
3) что отношение некоторого блага потребителями к одному из предложенных
подмножеств определяется влиянием факторов, сгруппированных по учету при
совершении сделки с благом благосостояния хозяйственных систем различных
уровней
(домохозяйства,
корпоративной,
муниципальной,
региональной,
национальной и глобальной систем). Эту гипотезу можно выразить в терминах
теории нечетких множеств.
Нечёткое множество (иногда размытое, расплывчатое, туманное, путанное) —
понятие, введённое Лотфи Заде в 1965 году в статье “Fuzzy Sets” в журнале Information
and Control, в котором он расширил классическое понятие множества, допустив, что
функция принадлежности элемента множеству может принимать любые значения в
интервале [0, 1], а не только значения 0 или 1. Является базовым понятием нечёткой
логики. Под нечётким множеством A понимается совокупность упорядоченных пар,
составленных из элементов x универсального множества X и соответствующих степеней
принадлежности  A (x) :
A  {( x,  A ( x)) x  X },
(1)
Причем  A (x) — функция принадлежности (характеристическая функция), указывающая,
в
какой
степени
(мере)
элемент x принадлежит
нечёткому
множеству A .
Функция  A (x) принимает значения в некотором линейно упорядоченном множестве M .
Множество M называют множеством принадлежностей, часто в качестве M выбирается
отрезок 0,1 . Если M  {0,1} , (т.е. состоит только из двух элементов), то нечёткое
множество может рассматриваться как обычное, чёткое множество [9].
В проведенном исследовании функции принадлежности блага различным нечетким
подмножествам расположены в правой части таблицы 1 и принимают значения от 0 до 1.
Их смысл в том, что они дают возможность использовать количественные характеристики
для описания качественных явлений, в данном случае – значений неденежных факторов,
влияющих на оценку потребителями общественных благ.
Таблица 1
Влияние факторов на услуги и степень принадлежности услуг
к нечетким множествам
Услуги
1
2
3
4
5
Чисто
индивидуаль
ное благо
1
2
3
4
5
6
7
8
9
Культура
2,1136
36
2,4651
16
2,3636
36
1,5
1,6444
4
2,1162
79
2
1,8095
24
2,1904
76
2,0238
1
2,0238
1
1,9761
9
1,7857
14
1,7407
41
2,3518
52
1,5476
19
2,0952
38
1,8333
33
1,6190
48
1,7380
95
1,5952
38
2,2592
59
2,1111
11
1,4523
81
1,7857
14
1,7142
86
1,5
0,425
0,29756098
0,22142857
0,271509
09
0,244883
72
0,310909
09
0,301219
51
0,320238
1
0,291190
48
0,238
0,3176
0,2468
0,4358
Образование
Здравоохранение
Строительство
Транспорт
Связь
Национальная
оборона
Охрана
правопорядка
Факторы (значения от 0 до 3)
1,6976
74
2,1162
79
1,4074
07
2,1851
85
1,4146
34
1,6190
48
1,8571
43
1,3703
7
2,0740
74
1,6046
51
1,6428
57
2,1666
67
1,9629
63
0,45560976
0,4227907
0,32439024
0,33488372
0,39219512
Смешан
ное
благо
Чисто
обществен
ное благо
0,30674419
0,28930233
0,375
0,34880952
0,31642857
0,53571429
Исследование проведено с использованием аппарата искусственных нейронных
сетей. Искусственная нейронная сеть (ИНС) — математическая модель, а также её
программное или аппаратное воплощение, построенная по принципу организации и
функционирования биологических нейронных сетей — сетей нервных клеток живого
организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при
попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети У.
Маккалока и У. Питтса. После разработки алгоритмов обучения получаемые модели стали
использовать в практических целях: в задачах прогнозирования, для распознавания
образов, в задачах управления и т.п. ИНС представляют собой систему соединённых и
взаимодействующих между собой простых процессоров (искусственных нейронов). Такие
процессоры обычно довольно просты (особенно в сравнении с процессорами,
используемыми в персональных компьютерах). Каждый процессор подобной сети имеет
дело только с сигналами, которые он периодически получает, и сигналами, которые он
периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в
достаточно большую сеть с управляемым взаимодействием, такие локально простые
процессоры вместе способны выполнять довольно сложные задачи.
Нейронные сети не программируются в привычном смысле этого слова, а
обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей
перед традиционными алгоритмами. Технически обучение заключается в нахождении
коэффициентов связей (синаптических весов) между нейронами. В процессе обучения
нейронная сеть способна выявлять сложные зависимости между входными данными и
выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения
сеть сможет вернуть верный результат на основании данных, которые отсутствовали в
обучающей выборке, а также неполных и/или «зашумленных», частично искаженных
данных [1].
Научная аргументация. В ходе исследования с целью проверки выдвинутой
гипотезы была поставлена задача построения в программном пакете DataBase Deductor
Studio
Professional 5.3 искусственной
нейронной
сети, способной распознавать
зависимость выходных значений (в качестве которых использовались экспертные оценки
функций принадлежности каждого из анализируемых благ к одному из трех подмножеств;
см. выше, столбцы 7-9 анкеты) по ряду значений входных переменных (в качестве
которых, соответственно, использовались экспертные оценки степени влияния ряда
факторов на потребительское поведение на рынке данных благ; см. выше, столбцы 2-6
анкеты). Если бы ИНС смогла распознать (спрогнозировать) выходные значения по
входным при определенном уровне значимости, то на теоретическом уровне это бы
означало: 1) предварительное подтверждение выдвинутой гипотезы о том, что степень
принадлежности некоторого блага к множеству общественных благ может варьироваться
в некоторых пределах; 2) что данная степень принадлежности может быть формализована
при
помощи
аппарата
теории
нечетких
множеств
через
понятие
функции
принадлежности; 3) отношение некоторого блага потребителями к одному из
предложенных
сгруппированных
хозяйственных
подмножеств
по
действительно
учету при
систем
определяется
совершении
различных
сделки
уровней
с
влиянием
благом
(домохозяйства,
факторов,
благосостояния
корпоративной,
муниципальной, региональной, национальной и глобальной систем).
В результате можно констатировать, что в программе DataBase Deductor удалось
построить нейронную сеть при условии ограничения допустимой нормированной ошибки
выходных значений сети от эталонных, предъявленных при обучении сети, уровнем в 4%.
Полученная сеть характеризовалась следующими параметрами:
Число скрытых слоев: 1 (говорит о
присутствии лишь незначительной
нелинейности связи входных и выходных факторов);
Тестовое множество: 5%, способ разбиения: случайно;
Функция активации: сигмоидальная, крутизна =1;
Алгоритм обучения: Back Propagation (алгоритм обратного распространения
ошибки).
Полученные результаты. Наиболее интересным и при этом неожиданным
результатом проведенного эксперимента стало распределение оценок степени влияния
пяти предложенных респондентам факторов на эффективность сделок с участием
анализируемых благ (групп благ). Речь идет о том, что вместо вполне ожидаемого
монотонного нисхождения оценок от второго столбца таблицы к шестому мы увидели (в
большом проценте анкет) довольно резкий всплеск оценок в средних столбцах (чаще
всего – в третьем, соответствующем муниципальному уровню хозяйственных систем,
реже – во втором и четвертом), вопреки распространенному в рыночной экономике еще со
времен Адама Смита мнению о естественности и даже прогрессивности эгоистической
мотивации человека.
Список литературы
1.
Анил К. Джейн, Жианчанг Мао, К.М. Моиуддин. Введение в искусственные
нейронные сети // Открытые системы. — 1997 г., №4.
2.
Борисов Ю., Кашкаров В., Сорокин С. Нейросетевые методы обработки
информации и средства их программно-аппаратной поддержки // Открытые системы. —
1997 г., №4.
3.
Гринберг Р.С., Рубиншейн А.Я. Экономическая социодинамика. М.: ИСЭПРЕСС,
2000.
4.
Гринберг Р.С., Рубиншейн А.Я. Основания смешанной экономики. Экономическая
социодинамика. М.: ИЭ РАН, 2008.
5.
Панов С.А, Романовский А.В., Шокин Я.В. Разработка модели интегрального
показателя благосостояния на основе «Пирамиды потребностей» А.Маслоу и применения
нейросетевых методов вычислений / С.А.Панов, А.В.Романовский, Я.В.Шокин // Вестник
МГОУ. − Серия «Экономика». − 2011. − №3 – С. 73-79.
6.
Романовский А.В., Ступнева И.М., Шокин Я.В. Исследование степени влияния
поведенческих паттернов на оценку благ хозяйствующими субъектами // Журнал «Аудит
и финансовый анализ». №5, 2013. С. 443-448.
7.
Рубинштейн А.Я. Теория опекаемых благ в оптике сравнительной методологии. -
М.: Институт экономики РАН, 2013. – 60 с.
8.
Шокин Я.В. Понятие «ойкос» как многоуровневая система. / Я.В.Шокин //
Электронное научное издание «Устойчивое инновационное развитие: проектирование и
управление». − 2010. − Выпуск №3 (8). − Режим доступа: свободный по ссылке
http://www.rypravlenie.ru/?p=821.
9.
Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику.
Монография. - Винница: УНИВЕРСУМ-Винница, 2001. – 756 с.
10.
Musgrave R.A. The Theory of Public Finance. N.Y.; London: McGraw-Hill, 1959.
11.
Musgrave R.A. Provision for Social Goods. In: Margolis J., Guitton H. (eds.). Public
Economics. London-Besingstoke: MacMillan, 1969.