行動経済学講座【上級編】第11回：社会的選好と公正感の計量モデル化

サマリ

人間の意思決定には個人的利益だけでなく、公正性や他者への配慮といった社会的選好が大きく影響します。本記事では、これらの複雑な心理メカニズムを数学的モデルでどのように表現し、計量化するのかについて、実践的なアプローチを解説します。

詳細

社会的選好とは何か

従来の経済学では、人間は自分の利益を最大化するだけの合理的存在と想定してきました。しかし現実の行動観察では、多くの人が自分の利益を減らしてでも他者を助けたり、不公正な状況に異議を唱えたりします。これが「社会的選好」です。

社会的選好には主に三つのタイプがあります。第一は「利他性」で、他者の幸福を自分の効用関数に含める傾向です。第二は「不公正に対する厌悪」で、自分が不利に扱われることや、他者が不当に扱われることに強い嫌悪感を示す心理です。第三は「互恵性」で、他者の善意に報い、悪意に報復する行動傾向です。

効用関数の拡張モデル

社会的選好を数学的に表現する基本的なアプローチは、個人の効用関数を拡張することです。従来モデルでは個人iの効用は自分の所得πiのみで決まりますが、社会的選好を含めると以下のように表現できます。

U_i = π_i + α·π_j + β·|π_i – π_j|

ここでα（アルファ）は利他性の度合い、β（ベータ）は不公正への厌悪度を表すパラメータです。αが正値なら他者の利得を気にかけ、βが正値なら不平等を嫌う傾向を示します。実験データからこれらのパラメータを推定することで、個人の社会的選好の強さを定量化できるのです。

最後通牒ゲームと不公正感の測定

社会的選好の計量化に最も広く用いられるのが「最後通牒ゲーム」です。このゲームでは、提案者が金銭を配分し、応答者はそれを受け入れるか拒否するかを決定します。もし拒否すれば両者とも何ももらえません。

合理的な経済人なら、提案者はわずかな金銭のみを提案し、応答者はそれを受け入れるはずです。しかし実験結果では、提案者はより平等に配分し、応答者は不公正な提案を拒否する傾向が見られます。

この行動を計量モデルで表現するために、「不公正を受けたときの効用低下」をパラメータ化します。応答者iが金銭をx受け取るとき、その効用は以下のようになります。

U_i = x – λ·max(0, (提案額 – x))

λ（ラムダ）は不公正への敏感性を示し、これが大きいほど不平等な配分を強く拒否します。複数の被験者データを集めることで、λの分布を推定でき、社会全体の不公正感の強さが定量化できるのです。

互恵性のモデル化

互恰性、つまり他者の行動に応じて自分の行動を変える傾向も重要な社会的選好です。これは単純な効用関数では表現しにくく、より複雑なモデルが必要です。

一つの有効なアプローチは「意図ベースモデル」です。このモデルでは、個人は相手の行動の「親切度」を認識し、それに応じて自分の行動を決定します。数式で表すと、相手jの親切度はk_j = (相手が自分に与えた利得 – 相手が期待値として与えるはずの利得)で測定され、個人iの効用はこの親切度に依存します。

U_i = π_i + θ·k_j·π_j

ここでθ（シータ）は互恵性の強さを示します。θが正なら他者が親切なほど自分も協力しようとし、θが負なら報復的になります。

実験による推定と応用

これらのモデルのパラメータは、統制された実験環境で被験者の選択データを集め、最尤推定法や最小二乗法を用いて推定されます。例えば、複数の配分ゲーム実験を実施し、被験者がどの提案を受け入れ、どれを拒否したかの記録から、個々人の不公正への厌悪度βを逆算できます。

このアプローチは、単なる学術的関心にとどまりません。企業の組織設計、公共政策の立案、市場メカニズムの設計などで、人間の社会的選好を考慮する必要があります。給与体系の公正性、利益配分の方法、チームインセンティブの構造など、現実の意思決定において、計量化された社会的選好のパラメータは重要な指針となるのです。

限界と今後の展開

もちろん、このようなモデル化にも限界があります。パラメータは実験環境や報酬額に依存する可能性があり、文化的背景によって大きく変わる可能性も指摘されています。また、個人の社会的選好は時間とともに変化し、固定的ではないという課題もあります。

今後は機械学習やニューロイメージング技術を組み合わせ、より精密で動的な社会的選好のモデル化が進むと期待されます。