敵対的環境下での最適な候補プロファイル選択：コンジョイント分析と機械学習の活用

要旨

コンジョイント分析は、要因実験計画法の応用として、多次元的な選好を研究するための社会科学研究において広く用いられる手法である。政治分析の文脈におけるこのような実験では、回答者はランダムに選択された特徴（党派性、政策立場、性別、人種など）を持つ架空の政治候補者2人の間で選択を行うよう求められる。本研究では、最適な候補者プロファイルを特定する問題を考察する。典型的なコンジョイント実験では、ユニークな特徴の組み合わせの数が観測総数を大幅に上回るため、最適なプロファイルを正確に決定することは不可能である。この識別上の課題に対処するため、我々は最も好ましい平均的結果を達成することを目的とした、様々な属性の確率分布を表す最適な確率的介入を導出する。まず、1つの政党が自らの候補者選出を最適化する環境を考察し、その後、2つの政党が互いに対立しながら同時に自らの候補者選出を最適化するより現実的なケースに移行する。提案手法を、米国大統領選挙における投票選択に関する既存の候補者選択コンジョイント実験に適用する。その結果、非対立的アプローチとは対照的に、対立的な体制における期待される結果は歴史的な選挙結果の範囲内に収まり、本手法が示唆する最適戦略は、非対立的アプローチから導出された戦略と比較して、実際に観察された候補者と一致する可能性が高いことがわかった。これらの知見は、コンジョイント分析に対立的なダイナミクスを組み込むことが、実験から得られる社会科学データに対する独自の洞察をもたらす可能性を示唆している。

English

Conjoint analysis, an application of factorial experimental design, is a popular tool in social science research for studying multidimensional preferences. In such experiments in the political analysis context, respondents are asked to choose between two hypothetical political candidates with randomly selected features, which can include partisanship, policy positions, gender and race. We consider the problem of identifying optimal candidate profiles. Because the number of unique feature combinations far exceeds the total number of observations in a typical conjoint experiment, it is impossible to determine the optimal profile exactly. To address this identification challenge, we derive an optimal stochastic intervention that represents a probability distribution of various attributes aimed at achieving the most favorable average outcome. We first consider an environment where one political party optimizes their candidate selection. We then move to the more realistic case where two political parties optimize their own candidate selection simultaneously and in opposition to each other. We apply the proposed methodology to an existing candidate choice conjoint experiment concerning vote choice for US president. We find that, in contrast to the non-adversarial approach, expected outcomes in the adversarial regime fall within range of historical electoral outcomes, with optimal strategies suggested by the method more likely to match the actual observed candidates compared to strategies derived from a non-adversarial approach. These findings indicate that incorporating adversarial dynamics into conjoint analysis may yield unique insight into social science data from experiments.

敵対的環境下での最適な候補プロファイル選択：コンジョイント分析と機械学習の活用

Selecting Optimal Candidate Profiles in Adversarial Environments Using Conjoint Analysis and Machine Learning

要旨

Support