Why Inward FDI is So Low in Japan? An Insight from Machine Learning

2022 Fiscal Year Research-status Report

• Project/Area Number: 22K18535
• Research Institution: Keio University
• Principal Investigator: 清田 耕造 慶應義塾大学, 産業研究所(三田), 教授 (10306863)
• Project Period (FY): 2022-06-30 – 2025-03-31
• Keywords: 対日直接投資 / グラビティ・モデル / 機械学習

Outline of Annual Research Achievements

本研究の目的は、対日直接投資がなぜ世界で最も低水準にとどまっているのかを解明することにある。本研究では、対内直接投資の研究に、データ・サイエンスの分野で開発の進んでいる機械学習の手法を取り入れる。具体的には、グラビティ・モデルの分析に、機械学習の手法を導入する。

初年度である2022年度は本格的な機械学習の分析に入る前段階として、文献のレビューとデータの整備に力を注いだ。対内直接投資のデータは経済開発協力機構（OECD）から得た。グラビティ・モデルの変数はフランスの研究機関であるCEPIIから得た。また、その他のコントロール変数として、税や為替レートなど、これまでの文献で用いられてきた変数だけでなく、政府債務比率や高齢者比率など、これまでのグラビティ・モデルでは用いられていない投資受入国のマクロ経済状況を示す変数を利用する。これらのデータは先のOECDとCEPIIに加え、国際通貨基金（IMF）や世界銀行（World Bank）の発表するデータから得た。

またデータの整備を進める一方で、対内直接投資のグラビティ・モデルの理論モデルの整理、および予備的な分析としてベイズモデル平均化法による分析を行った。この目的は、機械学習で得られる結果とその他の方法で得られる結果に大きな違いが生じないかどうかを確認するための作業である。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

文献のレビュー、およびデータの整備は予定通り進んでおり、また予備的な分析でも結果を得ていることから、概ね順調に進んでいると判断した。

Strategy for Future Research Activity

研究計画の二年度目の2023年度は、2022年度に整備したデータを基に、機械学習の正則化の方法を利用した分析を開始し、中間的な成果を得る。機械学習の手法は予測を行う上で頻繁に活用されてきた。そこで、日本以外の国のデータを訓練データ（training data）、日本のデータをテストデータ（test data）とし、機械学習の正則化の手法によって日本のデータをうまく予測できるような変数選択とパラメータの推定を試みる。すなわち、正則化により対日直接投資の実績値とグラビティ・モデルの予測値の乖離の縮小を試みることで、現在の対日直接投資を予測できるような説明変数を特定する。中間的な成果をまとめ、国内外の学会・研究会で報告し、フィードバックを得て、ベースラインの結果の確定を試みる。

2024年度は研究計画の最終年度となる。2023年度得たフィードバックを基に、分析の精緻化と結果の頑健性の確認を行い、最終的な成果を取りまとめる。また、国内外の学会・研究会で最終的な成果を報告し、結果の周知に努める。さらに、分析の結果を学術雑誌に投稿し、学術論文として発表することを目標とする。

Causes of Carryover

交付額が申請額よりも減額されたため、支出計画を変更せざるを得なくなった。申請時点で予定していた消耗品を見送ったことにより、次年度使用額が生じた。2023年度の交付額と合わせることで、消耗品の購入に活用したいと考えている。