Decision Conflict, Power Logit, and the Deferral Outside Option

1. Problématique et Contexte

Les décideurs font souvent face à des situations où il est difficile de comparer des alternatives actives, même si celles-ci sont individuellement satisfaisantes. Dans de tels cas, ils optent pour une option de report (deferral) ou un « choix de ne pas choisir » (par exemple, un médecin qui ne prescrit aucun médicament face à deux options complexes, ou un patient qui retarde un traitement).

La littérature économique et psychologique a documenté des phénomènes tels que :

• L'effet de similarité : Plus les alternatives sont similaires, plus le report est probable.
• L'effet de surcharge de choix (Choice Overload) : L'ajout d'options peut augmenter ou diminuer le report de manière non monotone (effet « montagnes russes »), notamment en présence d'une alternative dominante.
• L'effet de désirabilité relative : Le report augmente lorsque les alternatives sont de valeur égale.

Le problème central réside dans le fait que les modèles logit standards avec une option de sortie (outside option) traitent cette dernière comme une alternative fixe, exogène, dont la valeur est indépendante du menu (l'ensemble des options disponibles). Ces modèles échouent à capturer l'idée que la difficulté de décision (et donc la valeur du report) est endogène et dépend de la structure du menu (similarité, nombre d'options, présence d'un dominant).

2. Méthodologie et Cadre Théorique

L'auteur propose une extension disciplinée du modèle Logit de Luce (1959) et de sa spécification économétrique (McFadden, 1973).

A. Le Logit avec une Option de Sortie Dépendante du Menu

Le modèle général introduit une fonction de valeur $u(a)$ pour les alternatives actives (indépendante du menu) et une fonction de valeur pour l'option de sortie $D(A)$ qui dépend du menu $A$.
La probabilité de choisir une alternative active $a$ dans un menu $A$ est :
$$\rho(a, A) = \frac{u(a)}{\sum_{b \in A} u(b) + D(A)}$$
Ici, $D(A)$ représente le coût ou la complexité de la décision. Si $D(A)$ est élevé, la probabilité de report augmente.

B. Le Modèle Power Logit (Logit Puissance)

Pour structurer ce modèle, l'auteur introduit la classe des Power Logits. L'hypothèse sous-jacente est que l'agent effectue un échantillonnage bruyant des alternatives plusieurs fois avant de décider.
La probabilité de choisir $a$ est donnée par :
$$\rho(a, A) = \left( \frac{\hat{u}(a)}{\sum_{b \in A} \hat{u}(b)} \right)^p$$
où $\hat{u}(a)$ est l'intensité de stimulus (valeur) de l'alternative et $p \ge 1$ est un paramètre de difficulté de décision.

• Si $p=1$, on retrouve le Logit standard sans report (ou avec report fixe).
• Si $p > 1$, la probabilité de report est positive et dépend du menu.
• Le cas particulier Quadratic Logit ($p=2$) correspond à un échantillonnage double : l'agent choisit une alternative seulement si elle domine toutes les autres dans deux tirages indépendants.

Dans ce cadre, la valeur de l'option de sortie $D(A)$ est endogène et calculée comme :
$$D(A) = \left( \sum_{b \in A} \hat{u}(b) \right)^p - \sum_{b \in A} \hat{u}(b)^p$$
Cette formulation implique que $D(A) = 0$ si et seulement si le menu ne contient qu'une seule alternative (Axiome A3), reflétant l'idée qu'il n'y a pas de conflit décisionnel avec une seule option.

3. Contributions Clés

1. Théorie de la décision conflictuelle : L'article fournit le premier cadre théorique où l'option de « ne pas choisir » a une valeur endogène déterminée par la difficulté de comparer les alternatives disponibles, plutôt que par leur désutilité intrinsèque.
2. Explication des phénomènes empiriques : Le modèle explique naturellement :
   • L'augmentation du report lorsque les alternatives sont similaires (maximisation de $D(A)$ quand $\hat{u}(a) = \hat{u}(b)$).
   • L'effet « montagnes russes » : l'ajout d'une alternative dominante réduit la difficulté de décision (car une option devient clairement supérieure), diminuant ainsi le report, contrairement aux modèles de surcharge classiques.
   • L'effet de désirabilité relative : le report est plus élevé lorsque les écarts de valeur entre les options sont faibles.
3. Application en concurrence oligopolistique : L'auteur modélise une duopole où les firmes fixent prix et qualité. Il démontre que face à des consommateurs hésitants ($p > 1$), les firmes augmentent la qualité relative de leurs produits pour réduire la difficulté de décision des consommateurs, ce qui conduit à une baisse des profits et de la bien-être des consommateurs (en raison de la probabilité accrue de report).
4. Estimation Économétrique : L'article propose une formulation d'estimation par maximum de vraisemblance pour le Power Logit, adaptée aux données de choix discrets avec option de report, en modifiant les hypothèses d'utilité aléatoire standard pour intégrer l'échantillonnage multiple.

4. Résultats Principaux

Résultats Théoriques

• Axiome de régularité : Pour les alternatives actives, l'ajout d'options diminue leur probabilité de choix (régularité), mais pour l'option de sortie, la relation n'est pas monotone. Elle dépend du rapport entre le bénéfice marginal (valeur ajoutée des nouvelles options) et le coût marginal (complexité accrue).
• Équilibre de Duopole : Dans un marché symétrique, l'équilibre montre que lorsque le paramètre de difficulté $s$ (équivalent à $p$) augmente :
  • Les firmes augmentent le ratio Qualité/Prix.
  • Les profits des firmes diminuent (marges réduites et part de marché plus faible due au report).
  • Le bien-être des consommateurs diminue, car la valeur espérée des produits achetés ne compense pas la perte de valeur due au report fréquent.

Résultats Empiriques (Application aux données de films)

L'auteur teste le modèle sur les données de l'expérience de Bhatia et Mullett (2016) concernant le choix de films binaires avec possibilité de report.

• Comparaison de modèles : Le Power Logit et le Quadratic Logit sont comparés à un Logit multinomial standard avec une option de sortie fixe ou aléatoire.
• Performance : Le Power Logit offre un meilleur ajustement (AIC, BIC) et un taux de prédiction correct plus élevé (41,6% contre ~36% pour les modèles de base).
• Interprétation des paramètres :
  • Le paramètre de puissance estimé ($\hat{p}$) est en moyenne de 1,51, confirmant la présence de difficulté décisionnelle.
  • Une corrélation négative est observée entre le paramètre $p$ et la différence de notation entre les films : plus les films sont similaires (faible différence de note), plus le paramètre de difficulté est élevé, validant la théorie du conflit décisionnel.
  • Le modèle Power Logit surpasse le modèle de base spécifiquement dans les menus où les films ont des notes élevées et similaires, là où le report est dû à l'indécision et non à la désuétude des options.

5. Signification et Implications

Ce travail est significatif pour plusieurs raisons :

• Pour la théorie du choix : Il comble un vide entre les modèles de choix stochastiques classiques et les modèles de psychologie cognitive sur l'hésitation. Il offre une alternative aux modèles d'attention limitée (limited attention) en se concentrant sur le conflit entre des options désirables.
• Pour l'analyse empirique : Il fournit un outil économétrique robuste pour distinguer le report dû à la « mauvaise qualité » des options (modèle Logit standard) du report dû à la « difficulté de comparaison » (Power Logit). Cela est crucial pour l'analyse de politiques publiques (architecture de choix) et de marketing.
• Pour la politique économique : Les résultats suggèrent que dans des environnements où les consommateurs sont sujets à l'hésitation, les incitations des firmes peuvent mener à une sur-qualité (pour faciliter le choix) mais à une inefficacité globale due à la perte de consommateurs qui reportent leur décision.

En résumé, Gerasimou propose un cadre unifié où la difficulté de décision est modélisée mathématiquement comme une fonction de la structure du menu, permettant d'expliquer des anomalies comportementales complexes et d'améliorer la précision des prévisions dans les analyses de choix discrets.