2023 Fiscal Year Research-status Report
経済危機データの分析より構築するマクロ統計則および企業の生産性のミクロ的基礎づけ
| Project/Area Number |
21K04557
|
|---|
| Research Institution | Kanazawa Gakuin University |
|---|
Principal Investigator |
石川 温 金沢学院大学, 情報工学部, 教授 (90308627)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
藤本 祥二 金沢学院大学, 経済情報学部, 教授 (10756026)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Keywords | 企業規模量 / 合成データ / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、新型コロナウィルスにより経済が落ち込む以前と以降の世界的な大規模企業財務データの分析比較により、これまでに構築したマクロな経済の統計則を検証し、その結果を用いて経済の回復と成長に必要不可欠な全要素生産性等のミクロ的基礎づけを確立することである。
令和４年度は、世界最大の金融に関する商用データベースであるORBISを用い、大規模企業財務に存在するデータ欠損率が、国、財務項目の種類と規模、年によって異なることを明らかにした。その欠測情報をもとに、同じ金融項目の前年の値や翌年の値、他の金融項目の値の欠測条件から、非ランダムに欠測した金融変数を機械学習のアルゴリズムの一つであるCatBoostを用いて補間する技術を開発した。また、日本企業とフランス企業の労働生産性を業種別に比較し、非製造業における労働生産性の分布は、基本的に各国の従業員数に依存しないこと、建設業や製造業では、従業員数が増えるにつれて労働生産性の分布が高い方向にシフトすることを観測した。さらに、労働生産性の対数は従業員数の対数と線形に比例し、その強さは営業収益に対する従業員数のパレート指数の比と1の差に比例することを理論的に示し、この知見を実証データで確認した。さらに、生存クレイトン・コピュラを用いて、営業収益や従業員数などの企業規模に関する合成データを作成する手法を提案した。
令和５年度は、上記の研究結果を組み込んだ、企業規模に関する合成データを作成する機械学習モデルを開発中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究成果を査読付き論文４本にまとめており、当初の計画通りに進展している。
|
| Strategy for Future Research Activity |
コロナ禍を経た企業財務データは入手済みであり、現在、データクリーニングを行っている。それをコロナ禍以前のものと比較することにより、企業財務データ等の統計的性質の変化を観測する。
|
| Causes of Carryover |
前年度繰越金が記憶していたものより若干多かったため、残金の計算に誤差が生じた。
|
