本文目的在研究在市場中社會網路對消費者效用的影響。我們以代理人基方法模擬市場中消費者的互動模式，並以Jager (2003)中的模型架構為基礎重新建構新的模型。此外我們使用了二維的效用函數、並以時間的概念替代所有消費類型使模型更為豐富且能夠涵蓋更多的情況，試圖以模擬的方法提供數據上的解釋。我們模擬了不同的社會網路、社會網路密度、消費者認知類型、消費者人數對消費者效用的影響，並透過將效用函數分解成個人與社會部分找出影響效用的主要因素。
　　研究結果發現在任何社會網路中社會網路越疏散消費者所能獲得的效用反而越高，透過將效用分解成個人與社會兩部分可以發現造成的主因為社會效用的變化而非個人效用的變化，此外我們分析消費者認知類型的比例亦發現了相同的結果，並得出造成的主因來自極端值出現的比率。我們透過同時觀察參與市場人數與社會網路密度對消費者效用的影響發現，當社群處在一個適當的平衡下會出現較高的消費者效用，也就是較疏散的網路密度配上較多的消費者人數與較密集的網路配上較少的消費者人數，而且造成較高的消費者效用主因亦是來自於社會效用的影響而非個人效用。

    The purpose of this study is to examine the effect of social networks on consumers' utility in the market. We apply an agent-based model to simulate the interaction of consumers in the market and rebuild a model based on Jager (2003). In order to provide statistic explanations, our model considered two-dimensional utility function and products as well as the concept of decision-making cycle which is also known as product involvement. We simulated the effects of different social networks structures, social network densities, consumer cognitive process, and number of consumers on consumer utility to identify the main factors of consumers' utility into individual and social parts.
    The results of this study show that in any social network, the lower the social network density is, the higher the utility that consumers obtain. By decomposing the utility into two parts, individual and social, it can be found that the key factor of the change of consumers' utility is from the social utility rather than individual utility. The same results can be found in our analysis of the proportion of consumer cognitive process as well. We concluded that the results are mainly from the proportion of extreme values. By analyzing the effect of the number of market participants and social network density on consumer utility simultaneously, we found that when the community is in an art of balance, i.e., when a lower social network density with more consumers or a higher social network density with fewer consumers, consumers will obtain a higher utility. In our study, the results of consumers' utility are mainly influenced by social utility rather than individual utility.

第一章    緒論	1
第一節 研究動機與目的	1
第二節 文章架構	2
第二章    文獻回顧	3
    第一節  消費者心理	3
    第二節  網路結構	5
第三章    模型介紹	8
    第一節  模型簡介	8
    第二節  效用函數	8
    第三節  代理人介紹	9
　　第四節　認知過程	10
　　第五節　觀察指標	12
　　第六節　模擬流程	13
第四章    模擬結果與分析	17
    第一節 不同α不同網路密度下消費者代理人的變化	17
　　第二節 不同α下消費者代理人的認知行為	21
　　第三節 不同網路結構下消費者代理人的變化	23
    第四節 不同社群大小下消費者代理人的變化	25
第五章    結論與未來研究發展	29
    第一節  結論	29
    第二節  未來研究發展	30
參考文獻	31
附錄A	33

圖目錄
圖1、認知過程之四象限圖	4
圖2、小世界網路範例 (20個節點，η=2, ps=0.3)	6
圖3、隨機世界網路範例 (20個節點，pr=0.1)	6
圖4、無尺度網路範例(20個節點，sfmin=1, ps=0.3)	7
圖5、模型流程圖	13
圖6、α=8，不同網路連結密度下決策時間長短與滿足程度之關係圖	17
圖7、α=8，不同網路連結密度下決策時間長短與個人滿足程度之關係圖	18
圖8、α=8，不同網路連結密度下決策時間長短與社會滿足程度之關係圖	19
圖9、不同網路連結密度下決策時間長短與滿足程度、個人滿足程度、社會滿足程度之關係圖，其中左半邊為α=1時、右半邊為α=0.25時之結果	20
圖10、不同網路密度下不同α所對應之認知行為比例圖	22
圖11、不同網路結構下滿足程度與網路密度之關係圖	24
圖12、不同網路結構下個人滿足程度與網路密度之關係圖	24
圖13、不同網路結構下社會滿足程度與網路密度之關係圖	25
圖14、α= 8時，不同社群大小下滿足程度與網路密度之關係圖	26
圖15、α= 8時，不同社群大小下個人滿足程度與網路密度之關係圖	26
圖16、α= 8時，不同社群大小下社會滿足程度與網路密度之關係圖	27
圖17、α= 1時，不同社群大小下滿足程度與網路密度之關係圖	33
圖18、α= 1時，不同社群大小下個人滿足程度與網路密度之關係圖	33
圖19、α= 1時，不同社群大小下社會滿足程度與網路密度之關係圖	33
圖20、α=0.25時，不同社群大小下滿足程度與網路密度之關係圖	34
圖21、α=0.25時，不同社群大小下個人滿足程度與網路密度之關係圖	34
圖22、α=0.25時，不同社群大小下社會滿足程度與網路密度之關係圖	34

表目錄
表一、參數表	15
表二、不同網路密度下α與認知行為之關係	21
表三、不同網路密度不同α下代理人社會滿意度之平均與變異數	23

1. Janssen, M.A., & Jager, W. (2003) Simulating Market Dynamics Interactions between Consumer Psychology and Social Networks. Artificial Life, 9 (4), 343-356.
2. Gelman, A., & Rubin, D.B., (1992) Inference from Iterative Simulation Using Multiple Sequences. Statistical Science, 7 (4), 457-511.
3. Jager, W. (2000). Modelling consumer behavior. PhD thesis, University of Groningen
4. Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory. Englewood Cliffs, NJ: Prentice Hall
5. Festinger, L. (1954). A theory of social comparison processes. Human Relations, 7, 117–140
6. Jager, W., Janssen, M. A., & Vlek, C. A. J. (1999). Consumats in a commons dilemma. Centre for Environment and Traffic Psychology, University of Groningen,
Groningen, COV,2001,1999.
7. Janis, I. L. & Mann, L. (1977). Decision making; a psychological study of conflict, choice and commitment. New York/London: The Free Press
8. Fishbein, M. & Ajzen, I. (1975). Belief, Attitude, Intention, and Behaviour: An Introduction to Theory and Research. Reading, MA, USA: Addison-Wesley.
9. Ajzen, I. (1985). From Intentions to Actions: A Theory of Planned Behaviour. In: J. Kuhl & Beckmann (Eds.). Action-Control: From cognition to behaviour (pp. 11-39). Heidelberg, Germany: Springer.
10. Ajzen, I. (1988). Attitudes, Personality, and Behaviour . Open University Press, Milton Keynes, England.
11. Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50, 179-211.
12. Ajzen, I. & Madden, T.J. (1985). Prediction of Goal-Directed Behaviour: Attitudes, Intentions, and Perceived Behavioral Control. Journal of Experimental Social Psychology, Vol. 22, 453-474.
13. Festinger, L. (1954). A theory of social comparision processes. Human Relations, 7, 117-140.
14. Masters, J.C., & Smith, W.P. (Eds.). (1987). Social comparison, social justice and relative deprivation: theoretical and policy perspectives. Volume 4. Hillsdale (N.J.): Erlbaum.
15. Pavlov, I.P. (1927). Conditioned reflexes. New York: Oxford University Press.
16. Skinner, B.F. (1953). The behavior of organisms. New York: Appleton-Century-Crofts.
17. Bandura, A. (1977). Social learning theory. Englewood Cliffs, New Jersey: Prentice Hall.
18. Bandura, A. (1986). Social Foundations of Thought and Action: A Social Cognitive Theory . Englewood Cliffs, NJ: Prentice Hall.