본 연구는 긱 노동 시장에서 노동자 수락 여부가 이진 정보로 결정된다는 점에 주목해, 프라이작 히스테리시스 모델을 활용한 노동자 선호도 분석을 제시합니다.
이진 임계값 요소들의 집합으로 복합 출력을 모델링하는 프라이작 연산자는 이질적인 노동자들이 각자 사적인 수락 임금 기준을 가진 상황에서 나타나는 구조와 일치합니다.
연구 결과, 가격 대비 임계값 인코딩은 유틸리티 특징만 사용할 때보다 ROC AUC를 11.0%p 향상시켰으며, 가격 하락이 가격 상승보다 수락률에 더 큰 영향을 미치는 방향성 비대칭 히스테리시스를 확인했습니다.
모델은 전체 데이터에 적용되어 총 임금 비용을 21.3% 절감하고 예상 충전율을 9.7%p 증가시켰으며, 74.2%의 거래에서 수락 확률이 이미 80%를 초과하는 경우 임금을 줄여 비용 절감 효과를 얻었습니다.