선호의 숨겨진 상관관계: 확률적 선택 모델 식별의 기하학

본 논문은 확률적 선택 이론에서 근본적인 식별 문제를 체계적으로 해결한다. 개인 또는 집계 수준의 선택 빈도 데이터만으로는 기본적인 선호 분포를 유일하게 결정할 수 없는 경우가 많으며, 이는 정책 설계 및 후생 분석에 중요한 함의를 가진다. 논문은 먼저 표준적인 무작위 효용 모델(RUM) 설정을 소개한다. 유한 대안 집합 X에 대한 선호(완전선형순위)의 분포 μ가 주어지면, 이는 모든 가능한 메뉴 A⊆X에 대한 선택 확률 ρ(x,A)를 생성한다. 두 분포 μ, ν가 모든 메뉴에서 동일한 ρ를 생성하면 관찰적으로 동등하다고 정의한다. 기존 연구는 RUM이 일반적으로 식별되지 않음을 지적해왔다. 3장에서는 식별 문제의 기하학적 구조를 규명한다. 핵심 개념은 'k-호환적' 선호 쌍과 이로부터 유도된 'Ryser 교환'이다. 두 선호가 상위 k개 순위를 공유하면, 그들의 상위 k개와 하위 순위를 교환하여 새로운 선호 쌍(공역)을 만들 수 있으며, 원본 쌍과 공역 쌍에 대한 균일 분포는 관찰적으로 동등하다. 저자들은 놀랍게도, 두 분포가 관찰적으로 동등할 필요충분조건이 유한한 순서의 Ryser 교환을 통해 서로 얻을 수 있다는 것을 증명한다. 이 결과를 통해 식별 집합이 Ryser 교환에 해당하는 벡터들이 생성하는 선형 부분공간 R을 이용해 (μ + R) ∩ Δ(L) 형태로 완전히 기술됨을 보인다. 4장에서는 이 기하학적 특성화를 활용한다. 첫째, 주어진 데이터 ρ 하에서의 식별 집합을 정의하는 선형 부등식과 모든 극점을 명시적으로 구성하는 방법을 제시한다. 둘째, 분석가가 선호의 지원집합(예: 특정 매개변수화된 유틸리티 클래스)을 사전에 제한하는 경우를 다룬다. 지원 제약 하에서 식별 가능한 집합 S의 특성을 규명하고, S가 단일 분포만 허용하는 '식별 지원' 조건을 제공한다. 5장에서는 대안에 자연스러운 순서가 있는 경우(예: 단일봉형 선호)를 위한 새로운 식별 전략을 소개한다. 기존의 단일교차(single-crossing) 표현이 항상 존재하는 것은 아니라는 문제점을 지적하고, '교환 진행성(swap progressivity)'이라는 더 일반적인 원리를 제안한다. 이는 모든 RUM-호환 데이터에 대해 유일하게 존재하는 표현을 보장하며, 단일교차 조건이 만족될 때는 그 표현과 일치한다. 6장은 매개변수화된 모델로 범위를 확장한다. 선택 빈도가 매개변수 θ의 매끄러운 함수 ρ(θ)로 주어질 때, 이 함수의 전역적 가역성(global invertibility)을 판별하는 새로운 정리를 증명한다. 기존의 단조성 기반 조건(예: 우월대각행렬 조건)을 필요로 하지 않으며, 심지어 수요의 법칙이 성립하지 않는 상황에도 적용 가능하다. 저자들은 이 정리를 활용하여 Turansick(2025)의 동적 로짓 습관 형성 모델이 무조건 선택 데이터로부터 식별되지 않음을 처음으로 증명한다. 7장에서는 이 분석이 무작위 효용 모델 외에도, 유계합리적 선택 모델(예: 관심 제한, 고착화), 상관 의사결정, 동적 이산 선택 모델 등으로 자연스럽게 확장됨을 간략히 논의한다. 8장은 관련 문헌과의 차별점을 상세히 비교하며, 9장으로 결론을 맺는다.