2024 Fiscal Year Annual Research Report
| Project/Area Number |
22K14443
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
趙 宇 東京理科大学, 経営学部経営学科, 講師 (40879384)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 不確実性 / フロンティアの推定法 / 非効率性 / データの確率的変動 |
|---|
| Outline of Annual Research Achievements |
本研究では、Data Envelopment Analysis（DEA）を分析基盤とし、多入力・多出力システムにおける不確実性を考慮した新たな生産フロンティアの構築手法の開発を行った。これまでの先行研究では、フロンティアを推定する多様なDEAのバリエーションモデルが提案されているが、データに確率的変動が含まれる場合や、推定モデルに系統的誤差が存在する場合には、推定されたフロンティアが真のフロンティアから大きく乖離する可能性があることを、シミュレーション実験を通じて明らかにした。
このような課題に対処するため、本研究では効率性の測定において（i）不確実な環境下での生産活動を想定する場合（Stochastic Frontier Analysis（SFA）など計量経済学で一般的に想定される設定）と、（ii）観測された入出力データに確率的な変動が含まれる場合とに分けて検討した。前者に対しては、出力に対して入力情報を用いる統計的アプローチに基づいた統計的区分線形DEA法を提案した。この手法により推定される生産フロンティアは、統計的極値理論を応用することにより数理的な正当性を裏付けることが可能であることを示した。後者に対しては、機械学習手法を従来のDEAによる生産フロンティア推定プロセスに導入することにより、従来手法と比較して高速かつ高精度なフロンティア推定が可能であることを、複数のシミュレーション実験により実証した。さらに、多入力・多出力システムにおける不確実性へのより一般的な対応として、決定木理論と情報理論に基づくクラスタリング手法を提案した。この手法を、入出力データの確率的変動に対応するデータ生成過程の設計に組み込むことで、従来のブートストラップDEA法と比較して、より柔軟な効率性およびフロンティア推定が可能となる手法を構築した。
|
