📈 economics

Auditing and Fixing Economic Validity in Tabular Foundation Models for Discrete Choice

Dieser Beitrag schlägt einen zweistufigen Adapter vor, der die wirtschaftlichen Inkonsistenzen tabellarischer Foundation-Modelle korrigiert, indem er deren Vorhersagen in einen Nutzenmaximierungsrahmen einbettet, wodurch eine überlegene Genauigkeit bei diskreten Wahlentscheidungen erreicht wird und gleichzeitig theoretisch gültige Preis-Nachfrage-Beziehungen garantiert werden.

Ursprüngliche Autoren: Yingshuo Wang, Xian Sun, Yanhang Li, Zhichao Fan, Zexin Zhuang

Veröffentlicht 2026-05-27

📖 3 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Yingshuo Wang, Xian Sun, Yanhang Li, Zhichao Fan, Zexin Zhuang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen vorherzusagen, welches Bus, Zug oder Auto eine Person für ihren Arbeitsweg wählen wird. Sie haben zwei Werkzeuge zur Unterstützung:

Der Wirtschaftsexperte: Ein traditionelles Modell, das strengen Regeln menschlichen Verhaltens folgt. Es weiß, dass bei einer Erhöhung des Ticketpreises weniger Menschen es kaufen werden. Es ist zuverlässig, aber manchmal etwas „dumm" und übersieht subtile Muster in den Daten, was zu weniger genauen Vorhersagen führt.
Das superintelligente KI-System: Ein massives „Foundation Model", das auf Millionen verschiedener Datensätze trainiert wurde. Es ist unglaublich intelligent und kann komplexe Muster erkennen, die dem Experten entgehen, wodurch es viel genauer darin ist, vorherzusagen, was Menschen tatsächlich gewählt haben. Es hat jedoch einen gravierenden Mangel: Es versteht keine grundlegende Logik. Manchmal sagt es voraus, dass bei einer Erhöhung des Bustickets mehr Menschen es kaufen werden. Es könnte sogar vorschlagen, dass Menschen bereit wären, dafür zu zahlen, länger im Verkehr zu warten.

Das Problem
Die Arbeit argumentiert, dass das superintelligente KI-System zwar hervorragend darin ist, die Vergangenheit zu erraten, aber gefährlich für die Planung der Zukunft ist. Wenn ein Stadtplaner die KI verwendet, um über neue Busfahrpreise zu entscheiden, könnten die unlogischen Vorhersagen der KI zu schrecklichen Entscheidungen führen (wie Preiserhöhungen mit der Erwartung mehrerer Fahrgäste).

Die Lösung: Der „Zweistufige Adapter"
Die Autoren schlagen eine clevere Lösung vor, die das Beste aus beiden Welten kombiniert. Stellen Sie sich vor, Sie stellen einen Senior-Architekten und einen kreativen Praktikanten ein, um ein Gebäude zu entwerfen.

Stufe 1: Der Senior-Architekt (Der Wirtschaftsexperte)
Zuerst stellen sie den Senior-Architekten ein, um das Fundament zu legen. Dieser Architekt befolgt strenge Bauvorschriften (wirtschaftliche Gesetze). Er entscheidet über die Grundstruktur: „Wenn wir ein Stockwerk hinzufügen, wird das Gebäude höher. Wenn wir eine Wand entfernen, wird es schwächer." Er stellt sicher, dass die Mathematik stimmt und die Logik perfekt ist. Zu diesem Zeitpunkt ist das Gebäude sicher, aber vielleicht etwas schlicht.
Stufe 2: Der kreative Praktikant (Die KI)
Als Nächstes holen sie den kreativen Praktikanten hinzu. Dem Praktikanten ist erlaubt, Dekorationen hinzuzufügen, die Wände zu streichen und Details anzupassen, damit das Gebäude genau wie die Fotos echter Gebäude aussieht, die der Praktikant gesehen hat. Entscheidend ist: Dem Praktikanten ist es nicht gestattet, das Fundament oder die tragenden Wände zu berühren.

Wie es funktioniert
Das endgültige Modell ist ein Hybrid:

Das Fundament (die Arbeit des Senior-Architekten) garantiert, dass bei einer Preiserhöhung die Nachfrage sinkt. Es stellt sicher, dass der „Wert der Zeit" (wie sehr Menschen Warten hassen) positiv und realistisch ist.
Die Dekorationen (die Arbeit des Praktikanten) nutzen die superintelligenten Vorhersagen der KI, um die Genauigkeit zu verfeinern und die chaotischen, realweltlichen Details einzufangen, die dem Senior-Architekten entgangen sind.

Die Ergebnisse
Die Arbeit testete dies an echten Verkehrsdaten (wie Schweizer Zügen und Londoner Bussen):

Die rohe KI: War sehr genau, brach aber die Gesetze der Wirtschaft (Vorhersage, dass höhere Preise = mehr Fahrgäste).
Der traditionelle Experte: Folgte den Gesetzen der Wirtschaft perfekt, war aber weniger genau.
Der hybride Adapter: Holte sich das Beste aus beiden. Es war fast so genau wie die rohe KI (wiedergewinnung von bis zu 13 Prozentpunkten Genauigkeit gegenüber dem traditionellen Modell) und bewahrte gleichzeitig 100 % wirtschaftliche Logik.

Kurz gesagt
Die Arbeit zeigt, dass Sie eine leistungsstarke „Black-Box"-KI verwenden können, um Vorhersagen zu verbessern, Sie müssen sie jedoch in einen „Logikkäfig" hüllen, der von der traditionellen Wirtschaftstheorie gebaut wurde. Dies stellt sicher, dass die KI Ihnen hilft vorherzusagen, was passieren wird, ohne ihr zu erlauben, unmögliche warum-Szenarien zu erfinden, die politische Entscheidungen ruinieren könnten.

Technisches Fazit: Prüfung und Behebung wirtschaftlicher Validität in tabellarischen Basis-Modellen für diskrete Entscheidungen

1. Problemstellung

Tabellarische Basis-Modelle (Tabular Foundation Models, TFMs), wie TabPFN und Mitra, haben im Vergleich zu traditionellen ökonometrischen Modellen wie dem Multinomialen Logit (MNL) eine überlegene Vorhersagegenauigkeit bei diskreten Entscheidungsproblemen gezeigt. Es besteht jedoch eine kritische Lücke zwischen Vorhersageleistung und wirtschaftlicher Validität. Während TFMs bei der Mustererkennung hervorragend sind, verletzen ihre Vorhersagen häufig die für die Politikbewertung erforderliche grundlegende ökonomische Logik:

Verletzungen der Monotonie: Eine Erhöhung des Preises (oder der Kosten) einer Alternative führt manchmal zu einer erhöhten vorhergesagten Nachfragewahrscheinlichkeit.
Unplausible Zahlungsbereitschaft (WTP): Abgeleitete Schätzwerte für den Wert der Zeit (VOT) sind häufig negativ oder um Größenordnungen niedriger als etablierte Benchmarks, was darauf hindeutet, dass Reisende längere und teurere Reisen bevorzugen.
Nichteinhaltung der Verfügbarkeit: Modelle weisen nicht-verschwindenden Wahrscheinlichkeiten auf Alternativen zu, die physisch nicht verfügbar sind.

Standardlösungen wie Knowledge Distillation (Training eines MNL auf weichen Labels des TFM) scheitern, da die lineare Nutzenstruktur des MNL die nicht-linearen Muster, die TFMs ihren Genauigkeitsvorteil verleihen, nicht erfassen kann. Dies führt zu einem „Flaschenhals", bei dem Genauigkeit verloren geht, ohne die strukturellen Mängel vollständig zu beheben.

2. Methodik: Der zweistufige Verhaltens-Adapter

Die Autoren schlagen einen zweistufigen Adapter vor, der TFM-Vorhersagen in einen durch ökonomische Theorie eingeschränkten Nutzenmaximierungsrahmen einbettet. Das Modell definiert den Nutzen $V_k(x_i)$ für Alternative $k$ als Summe einer strukturellen Komponente und einer Korrektur durch das Basis-Modell:

$V_k(x_i) = \underbrace{V_k^{struct}(x_i)}_{\text{Ökonomische Struktur}} + \underbrace{\alpha \log q_k(x_i) + g_k(q(x_i))}_{\text{FM-Korrektur}}$

Wobei:

$V_k^{struct}$ eine Standard-Nutzenspezifikation mit eingeschränkten Parametern ist (z. B. Zeit- und Kostenkoeffizienten, die auf negative Werte beschränkt sind).
$q_k(x_i)$ die vorausberechnete Wahrscheinlichkeit aus dem TFM ist.
$\alpha$ ein gelernter skalärer Gewichtswert ist.
$g_k$ ein kleines neuronales Netzwerk ist, das den TFM-Wahrscheinlichkeitsvektor auf eine residuale Korrektur abbildet.

Das zweistufige Trainingsverfahren:
Um zu verhindern, dass das TFM die ökonomischen Parameter verzerrt, wird das Modell in zwei distincten Stufen trainiert:

Stufe 1 (Strukturelle Schätzung): Der Korrekturterm wird eingefroren ( $\alpha=0, g_k=0$ ). Nur die strukturellen Parameter werden auf den Rohdaten trainiert. Dies entspricht dem Anpassen eines Standard-MNL und stellt sicher, dass die Koeffizienten reine ökonomische Fundamentaldaten (Zeit-/Kostensensitivität) ohne TFM-Einfluss widerspiegeln.
Stufe 2 (Korrektur-Lernen): Die strukturellen Parameter werden eingefroren. Nur $\alpha$ und $g_k$ werden trainiert, um den Verlust unter Verwendung der Vorhersagen des TFM als zusätzliche erklärende Variablen zu minimieren.

Ökonomische Garantien:

Monotonie: Durch Parametrisierung der Kosten-/Zeitkoeffizienten als $\beta = -\exp(\theta)$ garantiert das Modell mathematisch $\beta < 0$ . Da die TFM-Korrektur während der Analyse politischer Störungen fixiert ist, führen höhere Kosten immer zu einer Verringerung des Nutzens.
Analytischer VOT: Der Wert der Zeit wird analytisch als Verhältnis der strukturellen Koeffizienten ( $\beta_{time}/\beta_{cost}$ ) berechnet, wodurch Probleme der numerischen Differentiation vermieden werden.
Verfügbarkeit: Nicht verfügbaren Alternativen wird $V_k = -\infty$ zugewiesen, was eine Wahrscheinlichkeit von null sicherstellt.

3. Hauptbeiträge

Verhaltensprüfrahmen: Die Arbeit etabliert ein Protokoll zur Prüfung von TFMs auf Monotonie, Plausibilität der VOT und Einhaltung der Verfügbarkeit und zeigt, dass rohe TFMs diese Tests erheblich versagen (z. B. 40–65 % negative VOT-Schätzwerte).
Neuartige Architektur: Die Einführung des zweistufigen Adapters, der die ökonomische Struktur von der Vorhersagegenauigkeit entkoppelt und es dem Modell ermöglicht, Genauigkeitsgewinne des TFM zu übernehmen, während es strikt der ökonomischen Theorie folgt.
Empirische Validierung: Der Nachweis, dass dieser Ansatz die Genauigkeitslücke zwischen TFMs und MNLs schließt, ohne die strukturelle Validität zu opfern.

4. Experimentelle Ergebnisse

Die Methode wurde an zwei Verkehrsdatensätzen evaluiert: Swissmetro (stated preference) und LPMC (revealed preference aus London).

Swissmetro:
- Genauigkeit: Der Adapter (unter Verwendung von Mitra oder TabPFN) erreichte 76,6 % Genauigkeit, was eine Verbesserung von 13 Prozentpunkten gegenüber dem Standard-MNL (63,7 %) darstellt und fast dem rohen TFM (77,7–78,0 %) entspricht.
- Validität: Erzielte 100 % Monotonie und 0 % Leckage bei der Verfügbarkeit.
- VOT: Behielt einen konsistenten VOT von 79,7 CHF/Stunde bei, der mit veröffentlichten Benchmarks übereinstimmt, während rohe TFMs unplausible Schätzwerte lieferten (z. B. 0,30 CHF/Stunde).
LPMC:
- Genauigkeit: Der Adapter erreichte 71,8–72,1 % Genauigkeit, ein Gewinn von 2,0–2,3 Prozentpunkten gegenüber dem MNL (69,8 %).
- Validität: Behielt 100 % Monotonie und konsistente VOTs bei (1,76 GBP/Stunde für den ÖPNV, 18,3 GBP/Stunde für das Autofahren).
- Robustheit: Über 10 Teilstichproben hinweg zeigte der Adapter konsistent positive Genauigkeitsgewinne (+2,2 ± 0,5 pp) bei perfekter Monotonie.

5. Bedeutung und Behauptungen

Die Arbeit behauptet, dass der Adapter einen praktischen Weg für den Einsatz von Basis-Modellen in politischen Kontexten bietet, in denen ökonomische Konsistenz nicht verhandelbar ist.

Politische Relevanz: Sie adressiert das Risiko des Einsatzes von Modellen mit invertierten Preis-Nachfrage-Beziehungen, was zu fehlgeleiteten Infrastrukturinvestitionen und Entscheidungen zur Tarifgestaltung führen könnte.
Generalisierbarkeit: Der Mechanismus ist nicht auf MNL beschränkt; die strukturelle Komponente kann durch gemischte Logit-Modelle, genestete Logit-Modelle oder andere eingeschränkte Wahlmodelle ersetzt werden, während das zweistufige Trainingsverfahren weiterhin anwendbar bleibt.
Bescheidener Umfang: Die Autoren räumen Einschränkungen ein und stellen fest, dass die Evaluation derzeit auf Verkehrsdatensätze und zwei TFMs beschränkt ist. Sie geben an, dass eine Ausweitung auf Domänen mit weniger etablierter ökonomischer Theorie (z. B. Gesundheitswesen) domänenspezifische Prüfdesigns erfordert. Der Adapter ist so konzipiert, dass er bei schlechter TFM-Qualität graceful auf das eigenständige MNL zurückfällt, anstatt neue Fehler einzuführen.