| 研究課題/領域番号 |
14J02763
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 研究分野 |
経済統計
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
久野 遼平 東京大学, 経済学研究科, 特別研究員(PD)
|
|---|
| 研究期間 (年度) |
2014-04-25 – 2016-03-31
|
| 研究課題ステータス |
完了 (2015年度)
|
| 配分額 *注記 |
3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2015年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2014年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 機械学習 / 経済ネットワーク / 産業連関表 / ネットワーク / マクロ経済学 / 総量の変動 / 次元削減 |
|---|
| 研究実績の概要 |
研究計画通り「企業ネットワークにおける新しい統計的次元削減モデルの開発」を実施した。
新しい企業ネットワークの統計的次元削減モデルの開発：本論文では国内百万社の企業ネットワークを次元削減し、企業の代替性の範囲を推定することを目標として、新規性のある統計モデルを開発した。モデルはSparse block model[Parkkinen et al(2009)]の拡張であり、ノードテキスト情報の生成を同時にモデリングした点と、ベインジアンノンパラメトリクスの手法を用い代替性の範囲の推定と同時に、産業組織を構成している産業数も同時推定できる点にその新規性がある。近いモデルとしてMixed membership stochastic block model [Airoldi et al(2008)]とテキストの生成モデルを結びつけたRelational topic model[Chang and Blei(2009)]が挙げられるが、このモデルと比較し、私のモデルは大規模データでも推論しやすく、簡単にモデルを無限化することができるため、産業組織を構成する産業数を容易に推論できるという利点をもつ。また、ベインジアンノンパラメトリクスの手法を用いてモデルを無限化する際に新しい確率過程（事前分布）も構成した。Innovation processと名付けたその過程は人のデザイン特有の再帰性を2次元上であるが再現しているだけでなく、Schumpeterの新結合の概念にも対応しており、数学的にも非常に興味深い確率過程となっている。実際の企業データでもモデルはきちんと機能しており、通常では推定することが難しい地域の産業構造を推論できることが判明している。
|
| 現在までの達成度 (段落) |
27年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
27年度が最終年度であるため、記入しない。
|
