| 研究課題/領域番号 |
20H01537
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分07080:経営学関連
|
|---|
| 研究機関 | 学習院大学 |
|---|
研究代表者 |
白田 由香利 学習院大学, 経済学部, 教授 (30337901)
|
|---|
| 研究分担者 |
永島 正康 立命館大学, 経営学部, 教授 (20745202)
吉浦 裕 電気通信大学, その他部局等, 名誉教授 (40361828)
山口 健二 日本大学, 経済学部, 講師 (50582285)
チャクラボルティ バサビ 岩手県立大学, その他部局等, 特命教授 (90305293)
澤口 聡子 福知山公立大学, 地域経営学部, 教授 (90235458)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 企業行動特性 / 機械学習 / 回帰分析 / Shapley値 / 説明可能AI / 棚卸資産回転率 / 有形固定資産回転率 / 時価総額 |
|---|
| 研究成果の概要 |
本研究は機械学習によって企業行動構造を分析し，従来発見できなかった成長要因を発見可能とした．機械学習回帰の複雑な結果を理解するため，説明可能AI技術としてShapleyの理論を用いた．この理論では各データの特性を考慮して説明変数の貢献度を求めるので，各企業の特性が特定され得る．従来の線形回帰及び機械学習回帰ではこれは不可能なことであったが，Shapley値により初めて可能となった．従来，時価総額成長率と棚卸資産回転率の間の関係性は証明できなかったが，そのSHAP値と時価総額成長率で相関を取ると高い相関が出現した．SHAPを用いることで各企業の特性を反映した説明変数の貢献度が測定可能となった．
|
| 自由記述の分野 |
経営学
|
| 研究成果の学術的意義や社会的意義 |
本研究の社会的意義は、機械学習アプローチにより潜在的な関係性を新たに発見および証明可能にした点にある。経営学では公開データの限界から企業行動の特性を探ることが困難であったが、SHAPアプローチを用いることで業界平均と比較し、各説明変数が被説明変数に与える貢献度の定量化が可能となった。これは従来の手法では達成不可能であり、企業分析の精度向上に寄与するものである。さらに、SHAPを説明可能AIとして視覚化する技法を開発し、理解しやすいグラフの作成を実現した。この手法は回帰分析を用いるすべての分野に適用可能であり、広範な学問分野における回帰分析および説明可能AI「SHAP」の活用に大きく貢献する。
|
