| 研究課題/領域番号 |
24K04829
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分07040:経済政策関連
|
|---|
| 研究機関 | 山形大学 |
|---|
研究代表者 |
鈴木 明宏 山形大学, 人文社会科学部, 教授 (30312721)
|
|---|
| 研究分担者 |
高橋 広雅 広島市立大学, 国際学部, 教授 (80352540)
竹本 亨 日本大学, 法学部, 教授 (60551512)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2026年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2025年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2024年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | 金融リテラシー / 金融トラブル / 機械学習 / 行動バイアス |
|---|
| 研究開始時の研究の概要 |
本研究では機械学習と独自アンケートを用いて、金融トラブルへの遭いやすさの予測モデルを開発する。「金融リテラシー調査」を利用した既存研究では、金融リテラシーの向上が金融トラブルを減らすという前提が存在した。しかし、金融トラブルの回避にはリテラシー向上だけでは不十分なことが明らかとなってきた。そこで、本研究は行動バイアスを含む個人属性から金融トラブルに遭う可能性を予測する。
また、トラブルの種類を細分化し、トラブルの種類間の違いを調査する。本研究の進展により、行動バイアスや他の個人属性に応じてどのような金融トラブルに遭いやすく、どう注意すればよいかの提案に資することが期待される。
|
| 研究実績の概要 |
本年度は以下の論文を執筆した。
鈴木・高橋・竹本「金融リテラシー調査からどのような金融トラブルとの遭遇を予測できるか」, 『山形大学紀要（社会科学）』第55巻第１号, 1-15, 2024.
また、本稿の内容については、関西大学RISSワークショップ2025 ― 計算社会科学と実験社会科学の結節点を探る（2025年2月28日・3月1日開催）で報告を行った。
本稿では、「金融リテラシー調査（2016年、2019年、2022年）」の個票データを用いて、金融リテラシー、行動バイアス、金融トラブルに遭った経験の有無についての質問から金融トラブルに遭う可能性を予測するモデルを構築した。そのうえで、どのような金融トラブルに遭ったかに関する独自のアンケート調査を実施した。これらのデータを用いて、金融トラブルの種類ごとに上記モデルの予測精度を評価した。本アンケートで金融トラブルの種類を尋ねることで、金融リテラシー調査データから構築した予測モデルがどのような金融トラブルに遭うと予測できるかを明らかにした。その結果、クレジットカードの延滞や借りすぎなど借金に関するトラブルや計画性の欠如による金融トラブルについては、構築したモデルが高い予測精度を示した。その一方、フィッシング詐欺など「騙される」ことによる金融トラブルについては、必ずしも予測精度が高くなかった。実施計画では独自アンケートを行いトラブルの詳細について調査する旨の計画を立てていたが、本稿の結果がその結果に該当する。
|
| 現在までの達成度 |
現在までの達成度
3: やや遅れている
理由
本年度はこれまでの研究結果を元に、次のアンケート調査につなげられるよう説明変数と被説明変数について検討を行う計画であった。また、本年度は方法上の工夫により予測精度の向上に努めた。研究の結果、金融トラブルには様々なものが考えられるが、借金に関するトラブル、あるいは計画性のなさに起因するトラブルについては予測精度を高められた。一方で、「騙される」ことに関する金融トラブルについては、予測精度はそれほど向上しなかった。予測精度の向上については説明変数として利用できる設問の検討並びにアンケートの実施が必要であるが、今年度については予備的アンケートの実施まで到達できなかった。そのため、「やや遅れている」と評価することが妥当であると考える。
|
| 今後の研究の推進方策 |
次年度の予定としては、可能な限り早期にアンケート原案を作成して業者に発注をかけ、結果が得られ次第分析を行うことになる。当初予定では、これまで依頼していた業者に再び依頼することとしているが、設問の検討次第では予算の都合上より安価な業者を探す必要があるかもしれない。分析面については、使用していたStataが先日アップデートが発表され、機械学習の機能が強化されたようであるので、入手でき次第追加された機能を用いて分析を行ってみる。
|
