तकनीकी सारांश: द्वैत-प्रणाली सोच के तहत निर्णय लेना (Decision Making under Dual-System Thinking)

1. समस्या और प्रेरणा

यह शोध पत्र मनोवैज्ञानिक द्वैत-प्रक्रिया सिद्धांतों (dual-process theories) को आर्थिक निर्णय-सिद्धांत मॉडल में एकीकृत करने की चुनौती को संबोधित करता है। जबकि द्वैत-प्रणाली सिद्धांत (तेज, स्वचालित सिस्टम 1 और धीमे, विचारशील सिस्टम 2 के बीच अंतर करना) मनोविज्ञान में मौलिक हैं और नीति एवं अर्थशास्त्र में तेजी से प्रभावशाली हो रहे हैं, यह एक खुला प्रश्न बना हुआ है कि क्या वे मौजूदा पैरामीट्रिक मॉडलों की तुलना में विशिष्ट व्यवहारिक भविष्यवाणियां प्रदान करते हैं। लेखक तर्क देते हैं कि मानक मॉडल अक्सर उन विशिष्ट व्यवहारिक पैटर्न को पकड़ने में विफल रहते हैं जो इन दो प्रणालियों की परस्पर क्रिया से उत्पन्न होते हैं, विशेष रूप से तब जब प्रणालियाँ आपस में असंगत (misaligned) हों। इसका लक्ष्य एक संक्षिप्त, निर्णय-सैद्धांतिक ढांचे का निर्माण करना है जो औपचारिक रूप से इस अंतःक्रिया को मॉडल करता है, प्रिमिटिव्स (primitives) की अद्वितीय पहचान की अनुमति देता है, और डिस्क्रीट चॉइस विश्लेषण में बेहतर अनुभवजन्य फिट (empirical fit) प्रदान करता है।

2. कार्यप्रणाली और मॉडल निर्माण

द्वैत-प्रणाली सोच (DST) मॉडल

लेखक DST मॉडल का प्रस्ताव करते हैं, जो विकल्प चयन को दो संज्ञानात्मक प्रणालियों के संभावabilistic मिश्रण के रूप में औपचारिक रूप करता है:

• सिस्टम 2 (विचारशील): इसे एक तर्कसंगत उपयोगिता अधिकतम करने वाले (rational utility maximizer) के रूप में मॉडल किया गया है। यह निश्चितता के साथ एक सख्त उपयोगिता फलन $u$ (जिसे रैखिक क्रम $\succ$ द्वारा दर्शाया गया है) को अधिकतम करने वाले विकल्प का चयन करता है।
• सिस्टम 1 (स्वचालित): इसे लूस चॉइस रूल (Luce choice rule) का उपयोग करके मॉडल किया गया है। यह आकर्षण भार फलन (attractiveness weight function) $w$ (जो प्रमुखता, परिचितता या ह्यूरिस्टिक संकेतों को दर्शाता है) के आनुपातिक भार के आधार पर विकल्पों का चयन करता है। यह प्रणाली शोर (noise) और व्यवस्थित पूर्वाग्रहों के प्रति संवेदनशील है।
• एकीकरण तंत्र (Integration Mechanism): दोनों प्रणालियाँ एक संज्ञानात्मक भार पैरामीटर $\alpha \in (0, 1)$ के माध्यम से परस्पर क्रिया करती हैं। $\alpha$ प्रायिकता के साथ, सिस्टम 2 निर्णय को नियंत्रित करता है; $1-\alpha$ प्रायिकता के साथ, सिस्टम 1 निर्णय को नियंत्रित करता है।

विकल्प $x$ की चयन प्रायिकता मेनू $S$ में निम्न प्रकार दी गई है:
$$\rho(x, S) = (1 - \alpha) \frac{w(x)}{\sum_{y \in S} w(y)} + \alpha \cdot \mathbb{1}\{x = \arg\max_{y \in S} u(y)\}$$

मुख्य सैद्धांतिक घटक

• पहचान (Identification): शोध पत्र प्रदर्शित करता है कि प्रिमिटिव्स $(\alpha, \succ, w)$ को केवल बाइनरी और ट्रिपलटन मेनू से प्राप्त चॉइस डेटा का उपयोग करके अद्वितीय रूप से पहचाना जा सकता है। पहचान रणनीति तीसरे विकल्प को शामिल करने पर सापेक्ष चॉइस ऑड्स (relative choice odds) में परिवर्तन का विश्लेषण करने पर टिकी है, जो लूस मॉडलों में मानक युग्मवार (pairwise) पहचान से भिन्न एक विशेषता है।
• व्यवहारिक लक्षण वर्णन: मॉडल को पांच अभिगृयों (axioms) द्वारा अभिलक्षित किया गया है: सकारात्मकता (Positivity), तर्कसंगतता (प्रकट पसंद की), सख्त नियमितता (Strict Regularity), निरंतर आनुपातिक लाभ (गैर-सर्वश्रेष्ठ विकल्पों के लिए), और सबसे कम रैंक वाले विकल्प के लाभों पर एक विशिष्ट योग स्थिति। ये अभिगृय अनोख्ये प्रिमिटिव्स को दृश्य व्यवहार से जोड़ते हैं।
• सूक्ष्म-आधार (Micro-foundations): खंड 6 एक प्रतिबंधित अनुकूलन आधार प्रदान करता है। सिस्टम 1 को चयन की अपेक्षित द्विघाती लागत (expected quadratic cost) को न्यूनतम करने के रूप में मॉडल किया गया है (जहाँ लागत प्रमुखता $w$ के व्युत्क्रमानुपाती है)। सिस्टम 2 तब हस्तक्षेप करता है जब सिस्टम 1 का परिणाम असंतोषजनक होता है, यह एक बाधा लागू करता है कि सर्वश्रेष्ठ विकल्प की प्रायिकता एक दहलीज (threshold) से अधिक होनी चाहिए। पैरामीटर $\alpha$ अंतर्जात (endogenously) रूप से आवश्यक हस्तक्षेप की डिग्री के रूप में उभरता है।

3. मुख्य योगदान और परिणाम

सैद्धांतिक योगदान

• विशिष्ट व्यवहारिक पैटर्न: शोध पत्र सिद्ध करता है कि सरलतम DST मॉडल भी मौजूदा मॉडलों से भिन्न व्यवहारिक पैटर्न उत्पन्न करता है। विशेष रूप से, यह लूस या रैंडम यूटिलिटी मॉडल्स (RUMs) के विपरीत, कमजोर स्टोकेस्टिक ट्रांसिटिविटी (weak stochastic transitivity) और रेड-ब्लू बस विरोधाभास (IIA का उल्लंघन) के उल्लंघन को समायोजित कर सकता है।
• मार्केट शेयर निरंतरता: मानक डिस्क्रीट चॉइस मॉडलों (जैसे मल्टीनोमियल लॉजिट) के विपरीत, जहाँ एक प्रमुख उत्पाद का मार्केट शेयर निम्न श्रेणी के विकल्पों की संख्या बढ़ने पर समाप्त हो जाता है, DST मॉडल भविष्यवाणी करता है कि एक श्रेष्ठ उत्पाद निम्न श्रेणी के प्रतिकृतियों (replicas) की संख्या के बावजूद एक गैर-नगण्य मार्केट शेयर ($\alpha$) बनाए रखता है।
• विशिष्टता और पहचान: मॉडल एक अद्वितीय प्रतिनिधित्व प्रदान करता है, जिससे आउट-ऑफ-सैंपल भविष्यवाणियां संभव होती हैं जो मॉडल-मुक्त कल्याण अनुमानों (welfare inferences) का खंडन कर सकती हैं। उदाहरण के लिए, छोटे मेनू में सबसे कम आवृत्ति के साथ चुना गया विकल्प वास्तव में 'सर्वश्रेष्ठ' विकल्प के रूप में पहचाना जा सकता है यदि वह सिस्टम 2 का इष्टतम है लेकिन सिस्टम 1 की प्रमुखता कम है।

अनुभवजन्य (Empirical) योगदान

• बेहतर फिट: इंटरटेम्पोरल चॉइस डेटा (Roelofsma and Read, 2000) और साहित्य के विविध डेटासेट का उपयोग करते हुए, MLE (Maximum Liketerhood Estimation) पर, DST मॉडल प्रसिद्ध बेंचमार्क जैसे कि लॉजिट, नेस्टेड लॉजिट, इंडिपेंडेंट प्रोबिट और कोवेरिएंस प्रोबिट से बेहतर प्रदर्शन करता है। यह कम मुक्त मापदंडों (free parameters) के साथ बेहतर या तुलनीय गुडनेस-ऑफ-फिट (Adjusted $R^2$ और McFadden pseudo $R^2$) प्राप्त करता है।
• इष्टतम सूची डिजाइन: मॉडल का उपयोग प्लेटफॉर्म सूची डिजाइन (जैसे अमेज़न, ऐप स्टोर) की समस्या में किया जाता है। लेखक दिखाते हैं कि एक प्लेटफॉर्म के लिए इष्टतम सूची अनिवार्य रूप से प्लेटफॉर्म के पे-ऑफ रैंकिंग के अनुरूप नहीं होती है। सिस्टम 1 (जो शीर्ष-सूचीबद्ध वस्तुओं का पक्ष लेता है) और सिस्टम 2 (जो सर्वश्रेष्ठ उपयोगिता की खोज करता है) के बीच संघर्ष के कारण, इष्टतम रणनीति में कुल उपयोगिता को अधिकतम करने के लिए मध्यम प्लेटफॉर्म पे-ऑफ वाले उत्पादों को शीर्ष पर रखना शामिल हो सकता है, जो मानक स्व-वरीयता (self-preferencing) धारणाओं को चुनौती देता है।

तर्कसंगतता का मापन

शोध पत्र संज्ञात्मक भार $\alpha$ की तुलना "स्वैप्स इंडेक्स" (Apesteguia and Ballester, 2015) से करता है, जो एक मॉडल-मुक्त स्टोकेस्टिक तर्कसंगतता का माप है।

• संरेखण (Alignment): जब सिस्टम 1 और सिस्टम 2 सुसंगत होते हैं (एक ही रैंकिंग प्रेरित करते हैं), तो स्वैप्स इंडेक्स और $\alpha$ तर्कसंगतता की एक ही रैंकिंग प्रदान करते हैं।
• विचलन (Divergence): जब सिस्टम असंगत होते हैं, तो स्वैप्स इंडेक्स विरोधाभासी रूप से एक अधिक विचारशील एजेंट (उच्च $\alpha$) को कम तर्कसंगत के रूप में रैंक कर सकता है। यह सुझाव देता है कि मॉडल-मुक्त सूचकांक उन वातावरणों में भ्रामक हो सकते हैं जहाँ सहज और विचारशील प्रक्रियाएं संघर्ष करती हैं।

4. महत्व और दावे

शोध पत्र दावा करता है कि DST मॉडल चयन व्यवहार को मॉडल करने के लिए एक विशिष्ट और मूल्यवान दृष्टिकोण प्रदान करता है क्योंकि:

1. मनोविज्ञान और अर्थशास्त्र को जोड़ना: यह बिना व्यावहारिकता (tractability) से समझौता किए एक कठोर आर्थिक ढांचे में द्वैत-प्रक्रिया सिद्धांत के मनोवैज्ञानिक अंतर्द्विष्टि को सफलतापूर्वक एकीकृत करता है।
2. अनुभवजन्य प्रासंगिकता: यह एक संक्षिप्त विकल्प प्रदान करता है जो मौजूदा जटिल मॉडलों की तुलना में अनुभवजन्य विसंगतियों (जैसे IIA उल्लंघन और मार्केट शेयर निरंतरता) को बेहतर ढंग से समझाता है।
3. नीति और व्यावसायिक निहितार्थ: मॉडल प्लेटफॉर्म हेरफेर (स्व-वरीयता) और तर्कसंगतता के मापन के बारे में नई अंतर्दृष्टि प्रदान करता है, जो बताता है कि मानक कल्याण मेट्रिक्स मानव संज्ञान की द्वैत प्रकृति को समझने में विफल हो सकते हैं।
4. मजबूती (Robustness): मॉडल के वांछनीय गुण (विशिष्टता, पहचान, व्यवहारिक आधार) रैंडम प्रोडक्ट उपलब्धता या मेनू-निर्भर संज्ञानात्मक भार वाले वातावरणों में विस्तार करने पर भी सुरक्षित रहते हैं।

लेखक एक संतुलित लहजा बनाए रखते हैं, यह नोट करते हुए कि हालांकि उनका मॉडल लूस नियम से एक "मामूली विचलन" है, लेकिन इसकी दोनों प्रणालियों का संयोजन महत्वपूर्ण व्याख्यात्मक शक्ति प्रदान करता है। वे स्वीकार करते हैं कि मॉडल एक विशिष्ट अंतःक्रिया तंत्र (डिफ़ॉल्ट-इंटरवेनशनिस्ट) मानता है और भविष्य के कार्य दोनों प्रणालियों के लिए वैकल्पिक संरचनाओं की खोज कर सकते हैं।