센티피드 게임 학습에 대한 통계적 관점

본 논문에서는 학생 집단이 센티피드 게임을 반복적으로 수행함에 따라 서브게임 완전 내시 균형(Subgame Perfect Nash Equilibrium, SPNE)에 대한 학습이 이루어지는지를 통계적으로 검증한다. 이를 위해 플레이어가 의사결정 효용을 평가할 때 발생하는 오류가 게임 경험이 증가함에 따라 어떻게 변하는지를 모델링한다. 먼저, 선택 확률을 퀀타일 응답 균형(Quantal Response Equilibrium, QRE)으로 가정하고, 이 확률이 반복 플레이에 따라 변하도록 하는 통계 모델의 파라미터를 추정한다(McKelvey and Palfrey, 1995, 1996, 1998). 이 모델은 기존에 제안된 유사 모델보다 데이터에 대한 적합도가 우수함을 확인한다. 그러나 동일한 플레이어가 참여한 게임들 간에 결과가 상당히 상관관계를 보이는 점을 고려할 때, 피험자 내 상관을 반영하는 모델이 보다 적절함을 시사한다. 따라서 플레이어별 의사결정 및 학습 속도에 대한 상관을 허용하는 모델을 추가로 추정한다. 논문 전반에 걸쳐 탐색적 데이터 분석과 확증적 데이터 분석의 맥락에서 무작위화 검정(randomization test)과 사후 예측 검정(posterior predictive test)의 활용을 비교·논의한다.