Microsoft Word - 常盤計画書0706

Size: px

Start display at page:

Download "Microsoft Word - 常盤計画書0706"

みさえもちやま
5 years ago
Views:

1 卒業論文計画書横浜市立大学国際総合科学部国際総合科学科経営科学系経済学コース 4 年常盤夏奈子はじめに観光庁 (2018) によると平成 29 年の日本での旅行消費額は 26.7 兆円と推計されているその中で 16.1 兆円 (60.2%) と最も大きな割合を占めているのが日本人の国内宿泊旅行である日本人の国内宿泊旅行の需要を少しでも喚起することができたならばそれは日本国内の旅行消費額に大きな影響を及ぼすではどのようにして日本人の国内旅行の需要を増加させるか方法の1つとして休暇の地域分散化というものが存在する地域ごとに異なる時期に休暇をとることでゴールデンウィークやお盆年末年始など旅行需要が集中してしまう時期を分散するこれは旅行者の側からすると交通混雑や旅行代金の高額化を回避することができ大きなメリットである観光地や事業者の側から見ても観光地における雇用の安定化潜在需要の喚起など様々なメリットがある卒業論文では矢部 (n.d.) による先行研究の手法をもとに最新の統計データを用いて休暇分散のための地域ブロックの設定を実証分析する本論では分析手法であるネットワーク分析について説明し研究計画を示すネットワーク分析ネットワーク分析とは様々な対象における構成要素間の関係構造を探る研究方法であるそこでは関係構造を点と線によって構成される構造として抽象化してとらえる点は頂点やノード線は辺やリンクとも呼ばれるグラフを用いてネットワークを表す際リンクには無向と有向が存在する無向グラフは関係が常に双方向であるかそもそも向きを考える必要がないようなネットワークを表す際に用いられる対して関係に向きがあるネットワークを表す際には有向グラフが用いられる卒論の文脈では 47 都道府県が頂点となり旅行の Origin-Destination(OD) により有向グラフとして国内宿泊旅行が扱われることになる中心性中心性とはネットワークを構成する各頂点がネットワークにおいてどれくらい中 1

2 心的であるかを示す指標であるネットワークにおける各頂点の重要性を評価したり比較したりする際に用いられ卒論の文脈では国内宿泊旅行の動向を確認するのに使われる PageRank PageRank は中心性指標の1つであるもともとはウェブ上の情報検索におけるウェブページ評価方法として Google 社の創設者である L.Pageと S.Brin によって開発された PageRank は隣接行列から推移確率行列を作り算出される隣接行列とはグラフにおける頂点間の関係の有無を行列で表現したものである推移確率行列とはあるページ ( 頂点 ) からリンク ( 辺 ) をたどって移動するとき次に他の各ページに移動する確率を行列で表したものである 1 ただし卒論では最初から 47 都道府県の推移行列として OD(Origin-Destination) 行列を使用することになる PageRank の具体的な計算は強連結といって有向グラフにおいてグラフに含まれるどの頂点どうしでも必ず相互に到達可能である状態をつくる工夫がなされる = + (1 ) 1 は推移確率行列は隣接行列の行数列数すなわち頂点数でありはすべての成分がの正方行列を示すはグラフを強連結にするためのパラメータでダンピングファクターとも呼ばれる 0 < < 1で伝統的に = 0.85がとられるこのように作られた強連結の推移確率行列はいかなる確率分布からも安定的な確率分布に到達することが知られておりこの安定的な確率分布が PageRank とされるのである 2 次節に計算例を示す PageRank の計算例以下のような j から i への有向グラフによる隣接関係は隣接行列 B を与える 1 PageRank の基本的な発想は他のページからのリンク数が多いページほどランキングが高くランキングの高いページからのリンクは高く評価するというものであるまた他のページへのリンクが少ないページからのリンクをより高く評価する点が PageRank の特徴である他のページへのリンクが少ないページからのリンクはより厳選されたリンクと考えるからである 2 American Mathematical Society (n.d.) 2

3 = = 隣接行列 B から j 列から i 行への推移確率行列 M を作る = 推移確率行列 M を強連結にする = + (1 ) 1 = (1 0.85) = 得られるベクトルは初期配分を t (1,0,0,0,0), t (0.2, 0.2, 0.2, 0.2, 0.2) といったぐあいに適当においても推移確率行列を 30 回も乗じないうちに安定的な配分として t( ) が得られこれが PageRank 3

4 と呼ばれるグラフクラスタリンググラフクラスタリングとはネットワーク分析手法の1つでネットワークの中で相対的につながりが強いグループを抽出することである卒業論文ではこの手法を応用し宿泊旅行の流動が密になっている宿泊旅行圏を抽出する Modularity 指標先ほど説明したグラフクラスタリング手法には様々な指標に基づくものが存在しその中の1つの指標が Modularity 指標である Modularity 指標は Newman and Girvan(2004) が提案したものである Modularity とは分割されたコミュニティ内の辺の数とコミュニティ間の辺の数の比較によりコミュニティが高密度のサブグループをうまく抽出しているかを示す指標であるサブグループとはある程度の大きさをもつネットワークの中でその内部に他と区別できるような形で相互に結びついた下位集団のことである卒業論文に向けて卒業論文では矢部 (n.d.) の手法をもとに最新の統計データを用いて実証分析を行う用いるデータは観光庁の宿泊旅行統計調査であるこのうち都道府県間の宿泊旅行流動を示した参考第三表 2010 年 4 月 ~2018 年 2 月の毎月のデータを用いる参考第三表の具体的な定義は従業者数 100 人以上かつ観光目的の宿泊者が 50% 以上の宿泊施設 ( 都道府県別 ) における居住地 ( 都道府県 ) 別の延べ宿泊者数である 2010 年 4 月以前のデータも存在するが 2010 年 4~6 月の調査から調査対象が前回までの調査より広げられており単純に比較することができないため対象としない分析の大まかな流れ PageRank を用いてどの都道府県が国内宿泊旅行ネットワークの中心にあるのか分析する次に PageRank によって代表される宿泊旅行流動ネットワークの時系列的な安定性について主成分分析を用いて検証する時系列的な安定性すなわち対象期間内の任意の一時点のデータを用いて休暇分散のための地域ブロックを設定してもある程度の普遍性を持つことができることを再確認したら次にグラフクラスタリングにより地域ブロックを設定する具体的には都道府県間の国内宿泊旅行の流動をネットワークとしてとらえ宿泊旅行が相互に多く行われる国内宿泊旅行圏の抽出を Modularity 指標により行うこれにより家族や友人を伴っ 4

5 た旅行が多く行われている地域範囲に従って休暇分散の地域ブロックを設定することができるそして複数の地域ブロックを設定することによって需要の平準化にどのような効果を及ぼすのか 2009 年 5 月のデータを用いた矢部 (n.d.) の結果を最新のデータで再検証する最後に新しい結果を用いてそれぞれ異なる時期に休暇をとった場合に旅行需要が平準化される効果を検証する参考文献 American Mathematical Society (n.d.) HOW GOOGLE FINDS YOUR NEEDLE IN THE WEB S HAYSTACK (2018 年 6 月 23 日閲覧 ) 今井耕介 (2018) 社会科学のためのデータ分析入門[ 下 ] ( 株式会社岩波書店 ) 観光庁 (2010) 休暇分散化ワーキングチーム資料年 7 月 5 日閲覧 ) 観光庁 (2018) 旅行観光消費動向調査平成 29 年年間値報道発表資料 ( 確報 ) 年 7 月 5 日閲覧 ) Page, L. and S. Brin (1998) The Anatomy of a Large-Scale Hypertextual Web Search Engine ((2018 年 6 月 23 日閲覧 )) 鈴木努 (2017) R で学ぶデータサイエンス 8 ネットワーク分析第 2 版共立出版株式会社 ) 矢部直人 (n.d.) 都道府県間流動データによる国内宿泊旅行圏の設定と休暇分散効果の検証 (2018 年 6 月 29 日閲覧 ) 5

データベースと情報検索

データベースと情報検索情報検索 (5) 検索エンジンの仕組み教員岩村雅一日程 ( 情報検索 : 担当岩村 ) 12/9 検索エンジンを使ってみる 12/16 メディア検索を使ってみる 12/25 ウェブアプリケーションを使ってみる 1/9 検索エンジンを用いた演習 1/2 検索エンジンの仕組み 1/27 メディア検索の仕組み 2/3 消費者生成メディアの最近 Web の構造グラフ構造ページ