2023 Fiscal Year Research-status Report
日本人の働き方の変遷 大規模公的統計と機械学習を活用した推定
| Project/Area Number |
23K01418
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
川田 恵介 東京大学, 社会科学研究所, 准教授 (40622345)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
古村 聖 関西学院大学, 経済学部, 准教授 (30735783)
深井 太洋 筑波大学, 人文社会系, 助教 (50828803)
|
|---|
| Project Period (FY) |
2023-04-01 – 2028-03-31
|
| Keywords | 労働市場 / 大規模統計 / 格差 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本年は国勢調査の申請を行い、データ整備を行なった。次年度以降の作業について、重要な基盤を形成した。
大規模データであり、また家族構成という特殊な処理が必要であったので、データ整備の方法開発も含めて、検討し実施した。家族構成は重要な背景変数となりうるので、これをどのように効率的に変数化し、推定に活用するのか集中的に検討を行なった。また同一家計内の回答者については、個別の事例として扱い推定の際に、Clusteringして扱うことを確認した。
必要な変数の再確認を行った。また共同研究者内で、主要な説明変数について、記述統計量を確認した。背景属性について、ある程度の偏りが認められた。これは傾向スコアについて極端な値が推定されうることを意味しており、推定において特別な手当が必要なことを示唆している。特に効果の異質性を推定する際に大きな弊害になりうる。
研究方法についての理論的検討も行なった。特に格差の異質性を推定する手法について、共同研究者とさらなる検討を行なった。結果、特に傾向スコアの偏りが大きい際に、活用可能な推定方法について、多くの提案がなされていることを確認された。その中には、本研究でも活用可能性なものもあった。例えば、スムーズな関数を用いて置換する、あるいは多くの予測モデルを推定し、それを集計する方法も有力であった。また補助的に傾向スコアについて、Calibrationも併用し、母平均の推定をより正確に行う。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
国勢調査については、予定通りデータ申請、整備を終えた。対して労働力調査については、まだ申請作業中であり、やや遅れているという判断となった。
|
| Strategy for Future Research Activity |
今後はデータ整備を終えた国勢調査を用いて、年次変化、男女間格差について、推定を行う。その際に本年度検討した手法を持ちいて（１）フレキシブルな推定方法、（２）大表本性質に基づく統計的推論、（３）極端な傾向スコアの値への対処、を行う。また平均差のみならず、背景属性に応じた異質性の推定も行う。
また労働力調査については、引き続きデータ申請の作業を進め、データ整備も行う。
|
| Causes of Carryover |
予定していた出張が中止となった。次年度、当該出張を行うことで使用する。
|
