多选项多属性选择模型中情境效应的泛化研究：基于航空旅行预订数据的实证分析

这篇开创性研究突破了传统实验室环境下情境效应研究的局限，创新性地提出了适用于观测数据的分析方法框架。作者通过构建吸引力（attraction）、折衷（compromise）和相似性（similarity）三种情境效应的量化指标，在包含34万条航空预订数据的实证研究中，首次实现了多情境效应的同步检测。研究发现吸引力效应和相似性效应显著影响选择概率，而航空旅客表现出显著的逆向折衷效应（reverse compromise effect）。该研究为复杂现实场景中的行为决策建模提供了重要方法论工具，对产品设计和营销策略优化具有直接指导价值。

　　

引言

行为决策领域早已确认个体选择存在系统性偏差，其中情境效应（context effects）作为经典效用最大化理论的显著背离现象备受关注。现有研究多局限于实验室环境下简单产品（通常仅含2-3个选项和2个属性）的测试，这与现实世界中复杂的多选项（multioption）、多属性（multiattribute）决策场景形成鲜明对比。本研究创新性地将情境效应研究拓展至观测数据领域，通过开发普适性测量方法，为真实商业环境中的选择行为分析提供新范式。

情境效应与选择建模

研究聚焦三大经典情境效应：

1. 1.

   吸引力效应：当新增选项_D被某选项_T完全支配（dominance）时，会提升_T的选择概率。这种现象源于决策者对属性维度权重感知的变化。

2. 2.

   折衷效应：消费者倾向于选择处于极端选项之间的"折衷方案"，这反映了决策过程中对属性间权衡的不确定性。

3. 3.

   相似性效应：当选项集中出现属性相近的替代品时，会分散原选项的选择概率，这与考虑集（consideration set）形成机制密切相关。

研究采用Rooderkerk等人提出的加性效用框架，将选项效用分解为固有效用和情境依赖效用两部分，其中后者通过_{ex ante}计算的情境特征量进行量化。

情境测量的泛化方法

针对多选项多属性场景的特殊挑战，研究提出创新性测量方案：

• •

  吸引力测量：计算每个选项支配（dominate）的其他选项数量，标准化为菜单规模的比值。公式表示为A_i = N_dom,i/N，其中N_dom,i为被支配选项数。

• •

  折衷测量：通过识别选项在多个属性维度上的相对位置，量化其作为"中间选项"的程度。在4个属性维度下需考虑25组比较对（详见附录A）。

• •

  相似性测量：设定20%的属性值范围作为临界值，统计各选项在阈值范围内的相似选项数量。

特别值得注意的是，该方法仅考虑垂直属性（vertical attributes，如价格、飞行时长等具有明确偏好方向的特性），而通过统计方法控制水平属性（horizontal attributes，如航班日期等无统一偏好的特性）的影响。

实证应用：航空旅行选择

研究采用欧洲境内航空预订数据（13,000次选择会话，34万条选项记录），重点分析四个垂直属性：票价、行程时长、航班数量和航空公司数量。通过随机效应概率单位模型（random effects probit model）估计发现：

1. 1.

   吸引力效应显著为正（β=0.147, p<0.01），符合理论预期

2. 2.

   相似性效应显著为负（β=-1.940, p<0.001），每增加一个相似选项会大幅降低选择概率

3. 3.

   出现显著逆向折衷效应（β=-0.171），表明旅客更偏好极端选项而非折衷方案

通过机器学习聚类算法（affinity propagation）识别潜在考虑集后，效应强度进一步提升：吸引力系数增至0.732（p<0.001），折衷效应系数达-0.457（p<0.001）。这种"极端偏好"现象可能源于航空旅客群体中商务旅客（重时间）与休闲旅客（重价格）的极化特征。

管理启示与方法创新

研究证实情境效应强度随菜单规模增大而增强：当菜单选项从20增至100时，吸引力效应带来的选择概率增幅可从1.2%提升至3.5%。这为产品线设计提供重要启示：

• •

  通过策略性引入支配选项（decoy alternatives）可定向提升目标产品吸引力

• •

  减少相似选项的展示能有效降低客户选择分散度

• •

  在航空等"极端偏好"显著领域，应避免过度强调折衷方案

方法论层面，该研究首次实现：

1. 1.

   多情境效应在观测数据中的分离检测

2. 2.

   超过两个属性维度的情境量化

3. 3.

   变长菜单体系的统一分析框架

研究局限在于仅处理垂直属性，未来可探索包含水平属性的混合测量体系。这项成果为电子商务、交通规划等领域的精准营销和产品优化提供了可扩展的分析工具。