Microsoft PowerPoint - 中島准教授：プレゼン資料【和文】
|
|
|
- しゅんすけ たけくま
- 5 years ago
- Views:
Transcription
1 Impact of supply chain network structure on FDI: Theory and evidence Ryo Itoh (Nagoya city University) Kentaro Nakajima (Tohoku University)
2 動機 近年ますます日本企業のFDIは増加 進出目的を探る研究はこれまで多く行われてき た よくある進出目的 お得意様が進出するから誘われて 行かないと買ってもらえない サプライチェーンを通じた影響は大きい
3 なぜFDIをするのか 納入先の進出実績は主要な進出理由の一つ サプライチェーンを通じた進出意志決定
4 目的と概要 企業の海外直接投資意志決定にサプライチェー ンが果たす役割について分析 理論 + 実証 理論 サプライチェーン上の企業のFDI意志決定をネット ワークゲームによって定式化 誘導形としてほぼ線形の意志決定式導出 サプライチェーン上の位置を示す指数と意志決定 実証 導出した意志決定式の推定 実際のサプライチェーンネットワークデータ使用
5 理論の直観 binary choice アジア進出 国内に留まる 進出には高いコスト アジア 日本
6 理論の直観 国内取引先も同様の問題に直面 アジア 日本
7 理論の直観 直接取引先とともに進出すると 取引からの利得が出る 取引先の動向が気になる アジア 日本
8 理論の直観 直接取引先もさらに 取引先を持つ 意志決定はきわめて 複雑に みんながみんなの動 向に依存しあう しかし相手の状況は exactには観察されな い みんながみんなお互 いの状況を探り合っ ている
9 理論の直観 具体的には他企業ま でのネットワーク上の 距離が重要 他企業への距離が近 いほど進出確率が上 がる
10 モデル概略 n社のリスク中立的企業: N = {1, 2,, n} 企業間サプライチェーンネットワーク隣接行列: n n行列 G = {φij} iとjとのあいだに取引があれば1 その他0 彼らの 国 r へのFDI意志決定問題 企業 i がFDIした場合の事後的利得 FDI先における取引からの利得 Stand-alone の利得
11 情報構造 企業 i の持つ情報 自分のstand-alone & 取引利得 隣接行列 他企業のstand-alone & 取引利得 確率分布 他企業の取引利得 一様分布 他企業のstand-alone利得 任意の分布
12 意志決定 閾値戦略 企業 i は以下の期待利得が正であれば投資 つまり ただし なら投資 この が閾値で これより大きければ確率1で投資 からも明らかなとおり 全員の意志決定は 複雑に絡んでいる n人全員お互いがお互いの動向に依存
13 均衡 ベイジアンナッシュ均衡 信念 のもと最適閾値 で意志決定 収束 の一様分布の仮定の結果線形システムに これを解くと 一意な均衡が出る Katz-Bonacich centrality
14 直観 仮にいまみんなが同じ確率で投資するとする 取引相手が多い企業ほど期待利得は高い さらに取引相手の取引相手が多いとより期待利 得が高い 取引相手の期待利得が上がるので 従って 直接取引相手が多く 取引相手を多く持つ取引相手が多い ネットワーク上の中心性が高い 企業ほど期待利得が高い
15 ちなみに 相手先からの影響はネットワーク上の距離が遠 くなるほど減衰する 減衰パラメータ つまり ネットワーク上のすべての企業を ネット ワークを伝って減衰パラメータで評価して足しあ げたものがKatz-Bonacich中心性 他企業とのネットワーク上での距離を指数化したもの とも解釈できる
16 実証 導出した理論的帰結を実証 Katz-Bonacich 中心性の高い企業ほどFDIインセン ティブが高い 推定式 FDIダミー FDIすれば1 Katz-Bonachci 中心性 その他 covariates
17 データ 東京商工リサーチデータベース 取引関係 主要仕入先 販売先がわかる 企業情報 従業員数 産業分類 JSIC 売上高 評点 2006年 東洋経済新報社海外進出企業総覧 日本企業が50%以上出資する海外法人がわかる 国 住所など 2010年
18 Concerns on estimation 逆因果 FDI進出によって新たな取引先が加わるなどサプ ライチェーンネットワーク構造そのものが変化す るのでは No,少なくとも日本企業は 進出先でも国内と同様の ネットワークを張りたがる 進出先における新規取引先開拓の困難さの指摘
19 Concerns on estimation Omitted variables FDI進出意志決定はサプライチェーンネットワー クだけでなく 企業の特性に依存しているはず さらにそれはネットワーク上での位置と相関して いるのでは Yes, 特に重要なのは生産性 e.g. Helpman, Melitz, and Yeaple, 2004 制御する さらにTSRデータベースには 評点と呼ばれる企業の 業績の総合評価値があるのでこれで制御 インタビュー調査など 通常観察できない情報も使用され ている
20 Concerns on estimation 静学ゲームの仮定 FDI進出は相手の実際の動向をみて 動学的に 意志決定されているのでは Yes, しかし 少なくとも日本企業のアジア進出はここ 20年程度の現象 さらに 中国に至っては10年程度で爆発的に増加し た 非常に短期間であり 静学でもまあ問題ないと考え る
21 実証上の問題 サプライチェーンの構造を表す隣接行列が極め て巨大 Katz-Bonacich 中心性の計算のためにはこの隣 接行列の逆行列が必要だが 不可能 固有値中心性 Katz-Bonacich中心性の特殊ケース 減衰パラメータが隣接行列の最大固有値の逆数 逆行列の計算必要なし まずはこれを使って分析する
22 記述統計 All All FDIs FDI firms Obs. Mean SD Obs. Mean SD Non-FDI firms Obs. Mean SD FDI to South East Asia FDI firms Obs. Mean SD Non-FDI firms Obs. Mean SD FDI to North America FDI firms Obs. Mean SD Non-FDI firms Obs. Mean SD Katz-Bonacich centrality Labor productivity Listed firm dummy Firm age Credit score
23 Katz-Bonacich 中心性とFDI
24 Baseline results Table 2 Baseline results Dependent: FDI dummy ln (Katz-Bonacich centrality) (1) 0.375*** (0.0177) (2) 0.220*** (0.0327) (3) 0.296*** (0.0200) (4) *** ( ) (5) *** ( ) (6) *** ( ) ln (Labor productivity) 0.603*** (0.0335) 0.515*** (0.0663) 0.573*** (0.0443) *** ( ) *** ( ) *** ( ) ln (Credit score) 7.212*** (0.233) 6.572*** (0.477) 2.996*** (0.287) 0.123*** ( ) *** ( ) 0.298*** (0.0286) Listed firm dummy 3.046*** (0.102) 3.639*** (0.640) 2.373*** (0.0908) 0.695*** (0.0132) 0.323*** (0.0912) 0.538*** (0.0149) ln (Age) 0.495*** (0.0659) 0.216* (0.111) 0.353*** (0.0664) *** ( ) *** ( ) *** ( ) Constant *** (0.891) *** (1.754) *** (1.191) *** (0.0186) *** ( ) *** (0.123) Industry FEs No No No Yes Yes Yes Estimation Sample Logit All Logit Small firms Logit Large firms Linear Prob. All Linear Prob. Small firms Linear Prob. Large firms Observations Adjusted R-squared
25 Further analysis 進出先ごとに中心性の役割が異なるのでは FDIの目的の違い アジアには分業体制を求めて 北米には販路を求めて など 進出先ごとに別々に推定 アジア vs. 北米
26 結果 (1) Dependent FDI to South East Asia ln (Katz-Bonacich centrality) *** ( ) (2) FDI to South East Asia *** ( ) (3) FDI to South East Asia *** ( ) (4) FDI to North America *** ( ) (5) FDI to North America *** ( ) (6) FDI to North America *** ( ) ln (Labor productivity) *** ( ) *** ( ) *** ( ) *** ( ) *** ( ) *** ( ) ln (Credit score) 0.113*** ( ) *** ( ) 0.300*** (0.0280) *** ( ) *** ( ) 0.250*** (0.0226) Listed firm dummy 0.649*** (0.0140) 0.250*** (0.0856) 0.504*** (0.0155) 0.495*** (0.0154) 0.111* (0.0610) 0.426*** (0.0161) ln (Age) *** ( ) *** ( ) *** ( ) *** ( ) ( ) *** ( ) Constant *** (0.0177) *** ( ) *** (0.119) *** (0.0124) *** ( ) *** (0.0940) Industry FEs Yes Yes Yes Yes Yes Yes Estimation Sample Linear Prob. All Linear Prob. Small firms Linear Prob. Large firms Linear Prob. All Linear Prob. Small firms Linear Prob. Large firms Observations Adjusted R-squared
27 Further analysis 産業ごとに進出インセンティブは異なる より密な分業体制を求める産業ほど中心性の役割 は高い これまでの推定でも 産業FEで制御 産業ごとに推定してみる
28 結果 Table 4 Results by industry (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15) (16) (17) (18) (19) (20) (21) (22) (23) (24) Industry Food Beverages,tobacco and feed Textile mill products Apparel Lumber and wood products Furniture and fixtures Pulp, paper and paper products Printing Chemical Plastic products Petroleum and Coal Rubber products Leather tanning, products and fur skins Ceramic, stone and clay products Iron and steel Non-ferrous metals and products Fabricated metal products General machinery Electrical machinery Information and communicaion electronics Electronic parts and devices Trasportation equipment Precision instruments and machinery Miscellaneous ln(centrality) 0.349*** 0.588*** 0.279*** * ** 0.383*** 0.710*** 0.251*** 0.597*** 0.567*** 0.296** 0.437*** 0.575*** 0.431*** 0.375*** 0.475*** 0.397*** 0.466*** 0.397*** 0.438*** 0.437*** 0.229*** 0.149** (0.0668) (0.137) (0.0712) (0.0434) (0.117) (0.172) (0.125) (0.193) (0.0845) (0.217) (0.0903) (0.119) (0.139) (0.0805) (0.0798) (0.101) (0.0515) (0.0376) (0.0679) (0.111) (0.0777) (0.0976) (0.0605) (0.0658) ln(labor productivity) 0.854*** * 0.730*** ** 0.728** 1.337*** 0.319*** 0.571* 0.609*** 0.969*** *** 0.855*** 0.699*** 0.745*** 0.654*** 0.791*** 0.613*** 0.401*** 0.720*** ** (0.151) (0.275) (0.219) (0.177) (0.279) (0.509) (0.291) (0.323) (0.0927) (0.299) (0.129) (0.228) (0.733) (0.230) (0.145) (0.122) (0.133) (0.0820) (0.124) (0.151) (0.106) (0.134) (0.549) (0.196) ln(firm credibility) 6.817*** 4.421* 6.389*** 5.545*** 11.38*** 9.678* 5.616*** 7.854*** 6.641*** *** 9.683*** 14.71*** 7.693*** 4.904*** 7.689*** 7.416*** 7.944*** 6.879*** 6.406*** 5.434*** 8.898*** 9.083*** 10.78*** (1.199) (2.546) (1.586) (1.246) (2.680) (5.461) (1.389) (2.385) (0.828) (2.463) (0.928) (1.560) (4.627) (1.251) (1.148) (1.201) (0.745) (0.518) (0.847) (1.644) (1.057) (1.086) (1.496) (1.477) listed firm 2.840*** 2.160*** 3.795*** 3.594*** 3.028*** 2.548** 2.327*** 1.916** 3.080*** 2.019** 2.906*** 2.806*** *** 1.984*** 2.716*** 2.164*** 3.257*** 3.444*** 2.617*** 4.642*** 3.548*** 3.827*** 5.227*** (0.333) (0.657) (0.593) (0.826) (0.802) (1.067) (0.596) (0.885) (0.286) (0.925) (0.561) (0.720). (0.521) (0.448) (0.525) (0.453) (0.276) (0.413) (0.542) (0.774) (0.484) (0.736) (0.968) ln(age) *** ** 1.603*** * 0.811** *** 1.137*** 1.109** *** 0.644*** 0.597** 1.090*** 0.780*** 0.393* 木材 関連製品製造業のみ中心性は有意でない (0.242) (0.578) (0.372) (0.354) (0.577) (0.506) (0.501) (0.628) (0.203) (0.967) (0.340) (0.647) (1.193) (0.337) (0.516) (0.326) (0.283) (0.158) (0.250) (0.360) (0.274) (0.223) (0.348) (0.349) Constant *** ** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** (5.156) (8.908) (5.988) (5.460) (9.016) (18.70) (6.321) (8.651) (3.521) (10.81) (3.982) (7.165) (16.67) (5.341) (4.984) (4.933) (2.994) (2.014) (3.146) (6.335) (4.308) (4.478) (5.560) (5.452) Observations
29 Robustness Katz-Bonacich中心性を使う 隣接行列の次元を減らすため 企業規模で最大 15000社に限定して分析 実はnon-linear FDI = β centrality (γ) + ε 以下の手順で推定 1.γを与えて中心性計算 2.計算した中心性を使って推定式をOLSで推定し SSR 計算 3.SSRを最小化するγを探索
30 結果 ln(centrality) ln(labor ln(firm productivity) credibility) listed firm ln(age) Constant Gamma 0.044*** 0.039*** 0.015*** *** 0.237*** *** 0.015** [0.01] [0.004] [0.003] [0.002] [0.019] [0.095] [0.006] 推定されたγ: (0.006) 固有値中心性で使用する最大固有値 固有値中心性の使用は支持されると考えられる
31 結論 企業のFDI進出とサプライチェーンネットワークと の関係について分析 理論構築と 日本企業のデータを使った実証 理論的結論 サプライチェーンネットワーク上における企業の位置 がFDI意志決定に寄与 Katz-Bonacich中心性 他の企業とのつながりの高 さ が高いほどFDIしやすい 実証的結論 日本企業のFDI意志決定にKatz-Bonacich中心性は 正で有意な効果があり それは頑健に観察される
80 GDP GDP Key Indicators GDP IT RIM 2007 Vol.7 No
87 90 2001 90 IT 20012002 90 80 118 RIM 2007 Vol.7 No.27 80 GDP 86 80 100 80 60 40 20 0 GDP 1981 86 91 96 01 2006 Key Indicators 2006 2006 71.7 GDP 200122.7 23 2003 2001IT 80 60 RIM 2007 Vol.7 No.27 119
7. フィリップス曲線 経済統計分析 (2014 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推
7. フィリップス曲線 経済統計分析 ( 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推定結果に基づく予測シミュレーション 物価と失業の関係......... -. -. -........ 失業率
Probit , Mixed logit
Probit, Mixed logit 2016/5/16 スタートアップゼミ #5 B4 後藤祥孝 1 0. 目次 Probit モデルについて 1. モデル概要 2. 定式化と理解 3. 推定 Mixed logit モデルについて 4. モデル概要 5. 定式化と理解 6. 推定 2 1.Probit 概要 プロビットモデルとは. 効用関数の誤差項に多変量正規分布を仮定したもの. 誤差項には様々な要因が存在するため,
y i OLS [0, 1] OLS x i = (1, x 1,i,, x k,i ) β = (β 0, β 1,, β k ) G ( x i β) 1 G i 1 π i π i P {y i = 1 x i } = G (
![y i OLS [0, 1] OLS x i = (1, x 1,i,, x k,i ) β = (β 0, β 1,, β k ) G ( x i β) 1 G i 1 π i π i P {y i = 1 x i } = G (](/thumbs/82/85163103.jpg "y i OLS [0, 1] OLS x i = (1, x 1,i,, x k,i ) β = (β 0, β 1,, β k ) G ( x i β) 1 G i 1 π i π i P {y i = 1 x i } = G (")
7 2 2008 7 10 1 2 2 1.1 2............................................. 2 1.2 2.......................................... 2 1.3 2........................................ 3 1.4................................................
Microsoft Word - 補論3.2
補論 3. 多変量 GARC モデル 07//6 新谷元嗣 藪友良 対数尤度関数 3 章 7 節では 変量の対数尤度を求めた ここでは多変量の場合 とくに 変量について対数尤度を求める 誤差項 は平均 0 で 次元の正規分布に従うとする 単純化のため 分散と共分散は時間を通じて一定としよう ( この仮定は後で変更される ) したがって ij から添え字 を除くことができる このとき と の尤度関数は
Microsoft PowerPoint - e-stat(OLS).pptx
経済統計学 ( 補足 ) 最小二乗法について 担当 : 小塚匡文 2015 年 11 月 19 日 ( 改訂版 ) 神戸大学経済学部 2015 年度後期開講授業 補足 : 最小二乗法 ( 単回帰分析 ) 1.( 単純 ) 回帰分析とは? 標本サイズTの2 変数 ( ここではXとY) のデータが存在 YをXで説明する回帰方程式を推定するための方法 Y: 被説明変数 ( または従属変数 ) X: 説明変数
Microsoft Word - 計量研修テキスト_第5版）.doc
Q10-2 テキスト P191 1. 記述統計量 ( 変数 :YY95) 表示変数として 平均 中央値 最大値 最小値 標準偏差 観測値 を選択 A. 都道府県別 Descriptive Statistics for YY95 Categorized by values of PREFNUM Date: 05/11/06 Time: 14:36 Sample: 1990 2002 Included
Excess Capacity and Effectiveness of Policy Interventions: Evidence from the Cement Industry SMU
Excess Capacity and Effectiveness of Policy Interventions: Evidence from the Cement Industry SMU 2017 12 22 (1/2): - 1970-2010 HDD - 2010 (Misallocation) Ghemawat and Nalebuff (1990) / War of Attrition
日心TWS
2017.09.22 (15:40~17:10) 日本心理学会第 81 回大会 TWS ベイジアンデータ解析入門 回帰分析を例に ベイジアンデータ解析 を体験してみる 広島大学大学院教育学研究科平川真 ベイジアン分析のステップ (p.24) 1) データの特定 2) モデルの定義 ( 解釈可能な ) モデルの作成 3) パラメタの事前分布の設定 4) ベイズ推論を用いて パラメタの値に確信度を再配分ベイズ推定
わが国企業による資金調達方法の選択問題
* takeshi.shimatani@boj.or.jp ** kawai@ml.me.titech.ac.jp *** naohiko.baba@boj.or.jp No.05-J-3 2005 3 103-8660 30 No.05-J-3 2005 3 1990 * E-mailtakeshi.shimatani@boj.or.jp ** E-mailkawai@ml.me.titech.ac.jp
O1-1 O1-2 O1-3 O1-4 O1-5 O1-6
O1-1 O1-2 O1-3 O1-4 O1-5 O1-6 O1-7 O1-8 O1-9 O1-10 O1-11 O1-12 O1-13 O1-14 O1-15 O1-16 O1-17 O1-18 O1-19 O1-20 O1-21 O1-22 O1-23 O1-24 O1-25 O1-26 O1-27 O1-28 O1-29 O1-30 O1-31 O1-32 O1-33 O1-34 O1-35
Microsoft PowerPoint - ICS修士論文発表会資料.ppt
2011 年 9 月 28 日 ICS 修士論文発表会 我が国の年齢階級別 リスク資産保有比率に関する研究 2011 年 3 月修了生元利大輔 研究の動機 我が国では, 若年層のリスク資産保有比率が低いと言われている. 一方,FP の一般的なアドバイスでは, 若年層ほどリスクを積極的にとり, 株式等へ投資すべきと言われている. 高齢層は本来リスク資産の保有を少なくすべきかを考察したい. Sep 28,
Microsoft PowerPoint - 資料04 重回帰分析.ppt
04. 重回帰分析 京都大学 加納学 Division of Process Control & Process Sstems Engineering Department of Chemical Engineering, Koto Universit manabu@cheme.koto-u.ac.jp http://www-pse.cheme.koto-u.ac.jp/~kano/ Outline
l = 若年期の労働供給量, c + = 老年期の消費量, w = 賃金率, s = 貯蓄量, r + = 資本の レンタル料 ( 貯蓄からの純収益率,δ = 資産の減耗率である. 上記の最適化問題を解くと以下の式が得られる. l =Ψ ( c +, c Ψ + φ ただし Ψ である. (4 +
第 6 章生産における外部効果とサンスポット均衡 - 現実的な外部性の度合いと局所的な非決定性 - 本章では生産における外部性 (Exernaliies in producion をライヒリンの世代重複モデル (Overlapping generaions model に導入する. ラムゼー型の最適成長モデル (Represenaive agen s model では労働の需要曲線と供給曲線が誤った形で交わるような非現実的な強い外部性を仮定しなければ,
ボルツマンマシンの高速化
1. はじめに ボルツマン学習と平均場近似 山梨大学工学部宗久研究室 G04MK016 鳥居圭太 ボルツマンマシンは学習可能な相互結合型ネットワー クの代表的なものである. ボルツマンマシンには, 学習のための統計平均を取る必要があり, 結果を求めるまでに長い時間がかかってしまうという欠点がある. そこで, 学習の高速化のために, 統計を取る2つのステップについて, 以下のことを行う. まず1つ目のステップでは,
untitled
1 11 1. 2. 3. 4. 12 1 1 13 14 1 ...16...20...21...21...21...21...21...22...22...23...23...23...24...24...24...24...24...24...25...25...25...26...27...27...27...29...30...31...34...34...35...35...36...37...37...38...38
Microsoft Word - 計量研修テキスト_第5版）.doc
Q4-1 テキスト P83 多重共線性が発生する回帰 320000 280000 240000 200000 6000 4000 160000 120000 2000 0-2000 -4000 74 76 78 80 82 84 86 88 90 92 94 96 98 R e s i dual A c tual Fi tted Dependent Variable: C90 Date: 10/27/05
Dependent Variable: LOG(GDP00/(E*HOUR)) Date: 02/27/06 Time: 16:39 Sample (adjusted): 1994Q1 2005Q3 Included observations: 47 after adjustments C -1.5
第 4 章 この章では 最小二乗法をベースにして 推計上のさまざまなテクニックを検討する 変数のバリエーション 係数の制約係数にあらかじめ制約がある場合がある たとえばマクロの生産関数は 次のように表すことができる 生産要素は資本と労働である 稼動資本は資本ストックに稼働率をかけることで計算でき 労働投入量は 就業者数に総労働時間をかけることで計算できる 制約を掛けずに 推計すると次の結果が得られる
計量経済分析 2011 年度夏学期期末試験 担当 : 別所俊一郎 以下のすべてに答えなさい. 回答は日本語か英語でおこなうこと. 1. 次のそれぞれの記述が正しいかどうか判定し, 誤りである場合には理由, あるいはより適切な 記述はどのようなものかを述べなさい. (1) You have to wo
計量経済分析 2011 年度夏学期期末試験 担当 : 別所俊一郎 以下のすべてに答えなさい. 回答は日本語か英語でおこなうこと. 1. 次のそれぞれの記述が正しいかどうか判定し, 誤りである場合には理由, あるいはより適切な 記述はどのようなものかを述べなさい. (1) You have to worry about perfect multicollinearity in the multiple
様々なミクロ計量モデル†
担当 : 長倉大輔 ( ながくらだいすけ ) この資料は私の講義において使用するために作成した資料です WEB ページ上で公開しており 自由に参照して頂いて構いません ただし 内容について 一応検証してありますが もし間違いがあった場合でもそれによって生じるいかなる損害 不利益について責任を負いかねますのでご了承ください 間違いは発見次第 継続的に直していますが まだ存在する可能性があります 1 カウントデータモデル
外国貿易概況
平成 25 年 1~12 月 Jan.~Dec. 2013 Commodity 総額 ネシア Indonesia 10. 主要国別品別輸出額 Value of Exports, by Commodity Grand Total 食料品 Food Stuff 原料品 Raw Materials 鉱物性燃料 Mineral Fuels 有機化合物 Orgnic Chemicals 105 69,774,192,950
Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷
熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI プロジェクト @ 宮崎県美郷町 熊本大学副島慶人川村諒 1 実験の目的 従来 信号の受信電波強度 (RSSI:RecevedSgnal StrengthIndcator) により 対象の位置を推定する手法として 無線 LAN の AP(AccessPont) から受信する信号の減衰量をもとに位置を推定する手法が多く検討されている
Microsoft PowerPoint - H17-5時限（パターン認識）.ppt
パターン認識早稲田大学講義 平成 7 年度 独 産業技術総合研究所栗田多喜夫 赤穂昭太郎 統計的特徴抽出 パターン認識過程 特徴抽出 認識対象から何らかの特徴量を計測 抽出 する必要がある 認識に有効な情報 特徴 を抽出し 次元を縮小した効率の良い空間を構成する過程 文字認識 : スキャナ等で取り込んだ画像から文字の識別に必要な本質的な特徴のみを抽出 例 文字線の傾き 曲率 面積など 識別 与えられた未知の対象を
多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典
多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 重回帰分析とは? 重回帰分析とは複数の説明変数から目的変数との関係性を予測 評価説明変数 ( 数量データ ) は目的変数を説明するのに有効であるか得られた関係性より未知のデータの妥当性を判断する これを重回帰分析という つまり どんなことをするのか? 1 最小 2 乗法により重回帰モデルを想定 2 自由度調整済寄与率を求め
PowerPoint Presentation
付録 2 2 次元アフィン変換 直交変換 たたみ込み 1.2 次元のアフィン変換 座標 (x,y ) を (x,y) に移すことを 2 次元での変換. 特に, 変換が と書けるとき, アフィン変換, アフィン変換は, その 1 次の項による変換 と 0 次の項による変換 アフィン変換 0 次の項は平行移動 1 次の項は座標 (x, y ) をベクトルと考えて とすれば このようなもの 2 次元ベクトルの線形写像
Microsoft Word - 計量研修テキスト_第5版）.doc
Q9-1 テキスト P166 2)VAR の推定 注 ) 各変数について ADF 検定を行った結果 和文の次数はすべて 1 である 作業手順 4 情報量基準 (AIC) によるラグ次数の選択 VAR Lag Order Selection Criteria Endogenous variables: D(IG9S) D(IP9S) D(CP9S) Exogenous variables: C Date:
City Information City Information City Information City Information City Information City Information City Information City Information City Information City Information http://www.jmsfmml.or.jp/msm.htm
経済と社会
寡占 戦略的行動と経済取引 ( ゲーム理論入門 ) 9. 寡占競争 寡占 (olgooly): ある市場に 社以上のごく少数の企業のみが存在する状態 企業間に戦略的相互依存関係が存在 例 : ある企業が生産量 市場 他企業の利潤 その他の市場構造 : 独占 (monooly): 市場に存在するのは 社のみ 完全競争 (erfect cometton): 各企業は市場を与えられたものとして行動 独占的競争
Microsoft PowerPoint - 三次元座標測定 ppt
冗長座標測定機 ()( 三次元座標計測 ( 第 9 回 ) 5 年度大学院講義 6 年 月 7 日 冗長性を持つ 次元座標測定機 次元 辺測量 : 冗長性を出すために つのレーザトラッカを配置し, キャッツアイまでの距離から座標を測定する つのカメラ ( 次元的なカメラ ) とレーザスキャナ : つの角度測定システムによる座標測定 つの回転関節による 次元 自由度多関節機構 高増潔東京大学工学系研究科精密機械工学専攻
ビジネス統計 統計基礎とエクセル分析 正誤表
ビジネス統計統計基礎とエクセル分析 ビジネス統計スペシャリスト エクセル分析スペシャリスト 公式テキスト正誤表と学習用データ更新履歴 平成 30 年 5 月 14 日現在 公式テキスト正誤表 頁場所誤正修正 6 知識編第 章 -3-3 最頻値の解説内容 たとえば, 表.1 のデータであれば, 最頻値は 167.5cm というたとえば, 表.1 のデータであれば, 最頻値は 165.0cm ということになります
EBNと疫学
推定と検定 57 ( 復習 ) 記述統計と推測統計 統計解析は大きく 2 つに分けられる 記述統計 推測統計 記述統計 観察集団の特性を示すもの 代表値 ( 平均値や中央値 ) や ばらつきの指標 ( 標準偏差など ) 図表を効果的に使う 推測統計 観察集団のデータから母集団の特性を 推定 する 平均 / 分散 / 係数値などの推定 ( 点推定 ) 点推定値のばらつきを調べる ( 区間推定 ) 検定統計量を用いた検定
<4D F736F F F696E74202D E738A5889BB8BE688E68A4F82CC926E89BF908492E882C98AD682B782E98CA48B862E707074>
市街化区域外の地価推定に関する研究 不動産 空間計量研究室 筑波大学第三学群社会工学類都市計画主専攻宮下将尚筑波大学大学院システム情報工学研究科社会システム工学専攻高野哲司 背景 日本の国土の区域区分 都市計画区域 市街化区域 市街化を促進する区域 市街化調整区域 市街化を抑制する区域 非線引都市計画区域 上記に属さない区域 非線引き市街化調整区域市街化区域 都市計画区域 本研究での対象区域 都市計画区域外
lt = 若年期の労働供給量, t c + = 老年期の消費量, w t = 賃金率, s t = 貯蓄量, r t+ = 資本の レンタル料 ( 貯蓄からの純収益率,δ = 資産の減耗率である. 上記の最適化問題を解くと以下の式が得られる. lt =Ψ ( c t +, c Ψ t+ φ ただし
第 5 章世代重複モデルにおける外部経済 - 現実的な外部性の度合いと局所的な非決定性 - 本章では第 3 章と同様の生産における外部性 (Externalities in production をライヒリンの世代重複モデル (Overlapping generations model に導入する. 第 3 章のラムゼー型の最適成長モデル (Representative agent s model
PowerPoint プレゼンテーション
復習 ) 時系列のモデリング ~a. 離散時間モデル ~ y k + a 1 z 1 y k + + a na z n ay k = b 0 u k + b 1 z 1 u k + + b nb z n bu k y k = G z 1 u k = B(z 1 ) A(z 1 u k ) ARMA モデル A z 1 B z 1 = 1 + a 1 z 1 + + a na z n a = b 0
第11回：線形回帰モデルのOLS推定
11 OLS 2018 7 13 1 / 45 1. 2. 3. 2 / 45 n 2 ((y 1, x 1 ), (y 2, x 2 ),, (y n, x n )) linear regression model y i = β 0 + β 1 x i + u i, E(u i x i ) = 0, E(u i u j x i ) = 0 (i j), V(u i x i ) = σ 2, i
PowerPoint プレゼンテーション
Stability Analysis of Horizontal Mergers in a Market with Asymmetric Substitutability 2018 年 武田康平 細江豊樹 渡邉孝之 松林伸生 はじめに本研究のテーマ テーマ : カルテルや水平合併など同業他社間での提携や合併の安定性 提携 ( 合併 ) のメリット 規模の経済 シナジー効果 生産量調整による競争の緩和
80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = i=1 i=1 n λ x i e λ i=1 x i! = λ n i=1 x i e nλ n i=1 x
80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = n λ x i e λ x i! = λ n x i e nλ n x i! n n log l(λ) = log(λ) x i nλ log( x i!) log l(λ) λ = 1 λ n x i n =
Microsoft Word - Time Series Basic - Modeling.doc
時系列解析入門 モデリング. 確率分布と統計的モデル が確率変数 (radom varable のとき すべての実数 R に対して となる確 率 Prob( が定められる これを の関数とみなして G( Prob ( とあらわすとき G( を確率変数 の分布関数 (probablt dstrbuto ucto と呼 ぶ 時系列解析で用いられる確率変数は通常連続型と呼ばれるもので その分布関数は (
戦略的行動と経済取引 （ゲーム理論入門）
展開形表現 戦略的行動と経済取引 ( ゲーム理論入門 ) 3. 展開形ゲームとサブゲーム完全均衡 戦略形ゲーム : プレイヤー 戦略 利得 から構成されるゲーム 展開形ゲーム (extensive form game): 各プレイヤーの意思決定を時間の流れとともに ゲームの木 を用いて表現 1 2 展開形ゲームの構成要素 プレイヤー (player) の集合 ゲームの木 (tree) 枝 ( 選択肢
Does export enhance price, product quality and markup?: Evidence from Japanese plant-product-level data
Does export enhance price, product quality and markup?: Evidence from Japanese plant-product-level data Preliminary, do not cite this version 慶應義塾大学松浦寿幸 1 問題意識 輸出の生産性改善効果 (learning by exporting) どのような経路で生産性を改善させるか?
untitled
に, 月次モデルの場合でも四半期モデルの場合でも, シミュレーション期間とは無関係に一様に RMSPE を最小にするバンドの設定法は存在しないということである 第 2 は, 表で与えた 2 つの期間及びすべての内生変数を見渡して, 全般的にパフォーマンスのよいバンドの設定法は, 最適固定バンドと最適可変バンドのうちの M 2, Q2 である いずれにしても, 以上述べた 3 つのバンド設定法は若干便宜的なものと言わざるを得ない
論 文 Earnings Management in Pension Accounting and Revised Jones Model Kazuo Yoshida, Nagoya City University 要約本稿では退職給付会計における全ての会計選択を取り上げて 経営者の報告利益管理行動
論 文 Earnings Management in Pension Accounting and Revised Jones Model Kazuo Yoshida, Nagoya City University 要約本稿では退職給付会計における全ての会計選択を取り上げて 経営者の報告利益管理行動について包括的な分析を行った 分析の結果 会計基準変更時差異による裁量額が最も大きく 報告利益管理の主要な手段であったことが明らかとなった
PowerPoint プレゼンテーション
日本の政府債務と経済成長 小黒曜子 明海大学経済学部 & ICU 社会科学研究所 (SSRI) 研究員 研究の背景 政府債務の増加は成長率に負の影響? (Cf. ex. Reinhart and Rogoff (2010)) エンゲル曲線を用いて日本の 実際の 生活水準を加味すると インフレ率と成長率にバイアスを確認 CPI : 実際の物価水準よりも高く ( 1% 程度 ) 算出される傾向 (eg.
操作変数法
操作変数法 Instrumental Varables Method 誤差項と説明変数の相関 説明変数の誤差 説明変数から省かれた変数の影響 誤差項 説明変数が内生変数であるとき 連立方程式モデル --------------------------- 誤差項と説明変数の間に相関がある場合には, 係数の推定値はバイアスを持つ 操作変数法 (Instrumental Varables Method)
Excelを用いた行列演算
を用いた行列演算 ( 統計専門課程国民 県民経済計算の受講に向けて ) 総務省統計研究研修所 この教材の内容について計量経済学における多くの経済モデルは連立方程式を用いて記述されています この教材は こうした科目の演習においてそうした連立方程式の計算をExcelで行う際の技能を補足するものです 冒頭 そもそもどういう場面で連立方程式が登場するのかについて概括的に触れ なぜ この教材で連立方程式の解法について事前に学んでおく必要があるのか理解していただこうと思います
Microsoft Word - 計量研修テキスト_第5版）.doc
Q3-1-1 テキスト P59 10.8.3.2.1.0 -.1 -.2 10.4 10.0 9.6 9.2 8.8 -.3 76 78 80 82 84 86 88 90 92 94 96 98 R e s i d u al A c tual Fi tte d Dependent Variable: LOG(TAXH) Date: 10/26/05 Time: 15:42 Sample: 1975
Microsoft Word - 11 進化ゲーム
. 進化ゲーム 0. ゲームの理論の分類 これまで授業で取り扱ってきたゲームは 協 ゲームと呼ばれるものである これはプレイヤー同士が独立して意思決定する状況を表すゲームであり ふつう ゲーム理論 といえば 非協力ゲームを表す これに対して プレイヤー同士が協力するという前提のもとに提携形成のパタンや利得配分の在り方を分析するゲームを協 ゲームという もっとも 社会現象への応用可能性も大きいはずなのに
Microsoft Word doc
. 正規線形モデルのベイズ推定翠川 大竹距離減衰式 (PGA(Midorikawa, S., and Ohtake, Y. (, Attenuation relationships of peak ground acceleration and velocity considering attenuation characteristics for shallow and deeper earthquakes,
4 OLS 4 OLS 4.1 nurseries dual c dual i = c + βnurseries i + ε i (1) 1. OLS Workfile Quick - Estimate Equation OK Equation specification dual c nurser
1 EViews 2 2007/5/17 2007/5/21 4 OLS 2 4.1.............................................. 2 4.2................................................ 9 4.3.............................................. 11 4.4
最小2乗法
2 2012 4 ( ) 2 2012 4 1 / 42 X Y Y = f (X ; Z) linear regression model X Y slope X 1 Y (X, Y ) 1 (X, Y ) ( ) 2 2012 4 2 / 42 1 β = β = β (4.2) = β 0 + β (4.3) ( ) 2 2012 4 3 / 42 = β 0 + β + (4.4) ( )
spatial-economics
Duranton-Overman (RES05)K 176,106 UK (SIC) 3 4234 4 cf. (e.g., Ellison-Glaeser, 97; Mori et al., 05) K K(d) = 1 n(n 1)h n 1 i=1 n j=i+1 f d di,j h i,j d 2 0 K(x)dx =1 n(n 1) 2 f(u) = 1 2π exp u = d d i,j
If(A) Vx(V) 1 最小 2 乗法で実験式のパラメータが導出できる測定で得られたデータをよく近似する式を実験式という. その利点は (M1) 多量のデータの特徴を一つの式で簡潔に表現できること. また (M2) y = f ( x ) の関係から, 任意の x のときの y が求まるので,
If(A) Vx(V) 1 最小 乗法で実験式のパラメータが導出できる測定で得られたデータをよく近似する式を実験式という. その利点は (M1) 多量のデータの特徴を一つの式で簡潔に表現できること. また (M) y = f ( x ) の関係から, 任意の x のときの y が求まるので, 未測定点の予測ができること. また (M3) 現象が比較的単純であれば, 現象を支配 する原理の式が分かることである.
取扱説明書 ［F-05E］
F-05E 12.11 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 a b 22 c d e 23 24 a o c d a b p q b o r s e f h i j k l m g f n a b c d e f g h 25 i j k l m n o p q r s a X b SD 26 27 28 X 29 a b c
航空貨物運賃 II 2 項目主な内容 (1) 最低料金 最低料金の適用 TACT の表示 エリア サブエリア宛の額 AWB への記入 一般貨物運賃の適用 重量段階 重量逓減制 (2) 一般貨物運賃 AWBへの記入 より特定 限定的な特定品目運賃の優先適用 (3) 特定品目運賃適用規則 ( 部品 付属
航空貨物運賃 II Air Cargo Rates and Charges II 1 1. TACT The Air Cargo Tariff (TACT) 2. IATAエリア サブエリア IATA Areas and Sub-areas 3. 運賃適用重量 Chargeable Weight 4. 通貨 Currencies 5. 運賃 料金 Rates and Charges 6. 貨物運賃
こんにちは由美子です
Analysis of Variance 2 two sample t test analysis of variance (ANOVA) CO 3 3 1 EFV1 µ 1 µ 2 µ 3 H 0 H 0 : µ 1 = µ 2 = µ 3 H A : Group 1 Group 2.. Group k population mean µ 1 µ µ κ SD σ 1 σ σ κ sample mean
PowerPoint プレゼンテーション
A nested recursive logit model for route choice analysis Tien Mai, Mogens Fosgerau, Emma Frejinger Transportation Research Part B, Vol. 75, pp.100-112, 2015 2015/06/19( 金 ) 理論談話会 2015#6 B4 三木真理子 目次 1.
Microsoft PowerPoint - sc7.ppt [互換モード]
![Microsoft PowerPoint - sc7.ppt [互換モード]](/thumbs/91/107013389.jpg "Microsoft PowerPoint - sc7.ppt [互換モード]")
/ 社会調査論 本章の概要 本章では クロス集計表を用いた独立性の検定を中心に方法を学ぶ 1) 立命館大学経済学部 寺脇 拓 2 11 1.1 比率の推定 ベルヌーイ分布 (Bernoulli distribution) 浄水器の所有率を推定したいとする 浄水器の所有の有無を表す変数をxで表し 浄水器をもっている を 1 浄水器をもっていない を 0 で表す 母集団の浄水器を持っている人の割合をpで表すとすると
講義「○○○○」
講義 信頼度の推定と立証 内容. 点推定と区間推定. 指数分布の点推定 区間推定 3. 指数分布 正規分布の信頼度推定 担当 : 倉敷哲生 ( ビジネスエンジニアリング専攻 ) 統計的推測 標本から得られる情報を基に 母集団に関する結論の導出が目的 測定値 x x x 3 : x 母集団 (populaio) 母集団の特性値 統計的推測 標本 (sample) 標本の特性値 分布のパラメータ ( 母数
◇人事処遇制度の導入・検討状況
OSIPP Discussion Paper : DP-2002-J-0010 March 29, 2002 (MATSUSHIGE, Hisakazu) UMEZAKI Osamu 1 560-0043 1 31 e-mail: matusige@osipp.osaka-u.ac.jp umezaki@grips.ac.jp 1 2 1980 (1989) 1990 10 1990 1 180 1
Microsoft PowerPoint - qcomp.ppt [互換モード]
![Microsoft PowerPoint - qcomp.ppt [互換モード]](/thumbs/85/91243661.jpg "Microsoft PowerPoint - qcomp.ppt [互換モード]")
量子計算基礎 東京工業大学 河内亮周 概要 計算って何? 数理科学的に 計算 を扱うには 量子力学を計算に使おう! 量子情報とは? 量子情報に対する演算 = 量子計算 一般的な量子回路の構成方法 計算って何? 計算とは? 計算 = 入力情報から出力情報への変換 入力 計算機構 ( デジタルコンピュータ,etc ) 出力 計算とは? 計算 = 入力情報から出力情報への変換 この関数はどれくらい計算が大変か??
kubostat2017b p.1 agenda I 2017 (b) probability distribution and maximum likelihood estimation :
kubostat2017b p.1 agenda I 2017 (b) probabilit distribution and maimum likelihood estimation kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2017 11 14 : 2017 11 07 15:43 1 : 2 3? 4 kubostat2017b (http://goo.gl/76c4i)
第６章 実験モード解析
第 6 章実験モード解析 6. 実験モード解析とは 6. 有限自由度系の実験モード解析 6.3 連続体の実験モード解析 6. 実験モード解析とは 実験モード解析とは加振実験によって測定された外力と応答を用いてモードパラメータ ( 固有振動数, モード減衰比, 正規固有モードなど ) を求める ( 同定する ) 方法である. 力計 試験体 変位計 / 加速度計 実験モード解析の概念 時間領域データを利用する方法
統計的データ解析
統計的データ解析 011 011.11.9 林田清 ( 大阪大学大学院理学研究科 ) 連続確率分布の平均値 分散 比較のため P(c ) c 分布 自由度 の ( カイ c 平均値 0, 標準偏差 1の正規分布 に従う変数 xの自乗和 c x =1 が従う分布を自由度 の分布と呼ぶ 一般に自由度の分布は f /1 c / / ( c ) {( c ) e }/ ( / ) 期待値 二乗 ) 分布 c
オーストラリア研究紀要 ３６号（Ｐ）☆／３．橋本
36 p.9 202010 Tourism Demand and the per capita GDP : Evidence from Australia Keiji Hashimoto Otemon Gakuin University Abstract Using Australian quarterly data1981: 2 2009: 4some time-series econometrics
パソコンシミュレータの現状
第 2 章微分 偏微分, 写像 豊橋技術科学大学森謙一郎 2. 連続関数と微分 工学において物理現象を支配する方程式は微分方程式で表されていることが多く, 有限要素法も微分方程式を解く数値解析法であり, 定式化においては微分 積分が一般的に用いられており. 数学の基礎知識が必要になる. 図 2. に示すように, 微分は連続な関数 f() の傾きを求めることであり, 微小な に対して傾きを表し, を無限に
<4D F736F F F696E74202D D8C7689E682C68DC5934B89BB B D985F8CE394BC816A2E707074>
ゲーム理論 ゲーム理論の目的 動的価値環境下におけるエージェント群の意志決定 戦略的な反応の科学 エージェント 選択可能な手番の集合, 最良戦略の導出と行動 戦略は 純粋 ( 特定の動作 ) または, 混合 ( ランダム動作 ) ナッシュ均衡 ( 同じような手行動の繰り返しに落ち込む ) すべてのプレーヤーの最適な反応が お互いに調和したものになる 復習 : ミニ マックス定理 フォン ノイマン ゼロ和
Excelによる統計分析検定_知識編_小塚明_5_9章.indd
第7章57766 検定と推定 サンプリングによって得られた標本から, 母集団の統計的性質に対して推測を行うことを統計的推測といいます 本章では, 推測統計の根幹をなす仮説検定と推定の基本的な考え方について説明します 前章までの知識を用いて, 具体的な分析を行います 本章以降の知識は操作編での操作に直接関連していますので, 少し聞きなれない言葉ですが, 帰無仮説 有意水準 棄却域 などの意味を理解して,
スライド 1
. 無情報事前分布 前回 前回の復習 データの分布 ( 統計モデル を設定 ( θ モデルごとに相性のよい事前分布 ( 共役事前分布 を紹介 事後分布の計算 π (θ π ( θ, π ( θ dθ, 昔 共役事前分布を利用して 解析的に事後分布を導出簡単な形で書けない場合は ラプラス近似を利用 現在 パラメータの次元が高い, もしくは複雑な入り方をする統計モデル 数値的な方法 ( 第六回 で近似するため共役事前分布にこだわらない
カイ二乗フィット検定、パラメータの誤差
統計的データ解析 008 008.. 林田清 ( 大阪大学大学院理学研究科 ) 問題 C (, ) ( x xˆ) ( y yˆ) σ x πσ σ y y Pabx (, ;,,, ) ˆ y σx σ y = dx exp exp πσx ただし xy ˆ ˆ はyˆ = axˆ+ bであらわされる直線モデル上の点 ( ˆ) ( ˆ ) ( ) x x y ax b y ax b Pabx (,
untitled
KLT はエネルギを集約する カルーネンレーベ変換 (KLT) で 情報を集約する 要点 分散 7. 9. 8.3 3.7 4.5 4.0 KLT 前 集約 分散 0.3 0.4 4.5 7.4 3.4 00.7 KLT 後 分散 = エネルギ密度 エネルギ と表現 最大を 55, 最小を 0 に正規化して表示した 情報圧縮に応用できないか? エネルギ集約 データ圧縮 分散 ( 平均 ) KLT 前
1
2015 Graduate School of the University of Shimane 2015 Information Graduate School of North East Asia and Development Studies 1 Graduate School of the University of Shimane 2 Graduate School of the University
Microsoft PowerPoint - 10.pptx
m u. 固有値とその応用 8/7/( 水 ). 固有値とその応用 固有値と固有ベクトル 行列による写像から固有ベクトルへ m m 行列 によって線形写像 f : R R が表せることを見てきた ここでは 次元平面の行列による写像を調べる とし 写像 f : を考える R R まず 単位ベクトルの像 u y y f : R R u u, u この事から 線形写像の性質を用いると 次の格子上の点全ての写像先が求まる
Microsoft PowerPoint - mp13-07.pptx
数理計画法 ( 数理最適化 ) 第 7 回 ネットワーク最適化 最大流問題と増加路アルゴリズム 担当 : 塩浦昭義 ( 情報科学研究科准教授 ) hiour@di.i.ohoku.c.jp ネットワーク最適化問題 ( 無向, 有向 ) グラフ 頂点 (verex, 接点, 点 ) が枝 (edge, 辺, 線 ) で結ばれたもの ネットワーク 頂点や枝に数値データ ( 距離, コストなど ) が付加されたもの
. イントロダクション 06 年の電力自由化に伴い, すべての消費者が自由に電力会社や料金プランを選べるようになった. しかし依然として従来の規制料金から自由料金へ乗り換える人は少ない. こうした行動は, 料金プランを切り替えた際に自分が得をするのか, 損をするのかが把握できていないため, 切り替え
情報提供が表明選好 顕示選好に与える影響 : 自由化前後の電力料金選択のフィールド実験 石原卓典 依田高典 要約電気料金プランを選択する際に, 自分の過去の電力消費量に基づいて電気代の情報が与えられる場合と, それが与えられない場合の各料金プランに対する態度の違いを検証する. 上記を検証するため, 自由化前後の電気料金選択について,RCT 型の表明選好実験と顕示選好実験を行った. その結果, 表明選好実験では,
memo
数理情報工学特論第一 機械学習とデータマイニング 4 章 : 教師なし学習 3 かしまひさし 鹿島久嗣 ( 数理 6 研 ) kashima@mist.i.~ DEPARTMENT OF MATHEMATICAL INFORMATICS 1 グラフィカルモデルについて学びます グラフィカルモデル グラフィカルラッソ グラフィカルラッソの推定アルゴリズム 2 グラフィカルモデル 3 教師なし学習の主要タスクは
PowerPoint プレゼンテーション
製品競争下での インストア広告サービスの 戦略的効果 慶應義塾大学大学院松林研究室 M2 小林春輝 目次 1. はじめに 2. モデルの定式化 3. 分析 考察 4. 結論 はじめに ICT の著しい発展 多様な消費者ニーズを把握しやすくなり 製品開発に活用 メーカー企業に製品ラインナップを拡大させるインセンティブを与え熾烈な品揃え競争 市場に存在する過剰な製品数 はじめに このメーカー内のそれぞれの製品を比較検討
ゲーム理論
初歩から学ぶクールノー競争とベルトラン競争 渡辺隆裕首都大学東京 Dec 5, 015 1 構成 ベンチマーク独占企業の行動同質財の市場とクールノー競争クールノー競争下でのコストダウン製品差別化とベルトラン競争ベルトラン競争下でのコストダウン戦略的代替と戦略的補完 Dec 5, 015 ベンチマーク : 独占企業の行動 線形モデルによる分析 Dec 5, 015 市場構造の分類とゲーム理論 完全競争市場
AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t
87 6.1 AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t 2, V(y t y t 1, y t 2, ) = σ 2 3. Thus, y t y t 1,
Medical3
Chapter 1 1.4.1 1 元配置分散分析と多重比較の実行 3つの治療法による測定値に有意な差が認められるかどうかを分散分析で調べます この例では 因子が1つだけ含まれるため1 元配置分散分析 one-way ANOVA の適用になります また 多重比較法 multiple comparison procedure を用いて 具体的のどの治療法の間に有意差が認められるかを検定します 1. 分析メニュー
4 段階推定法とは 予測に使うモデルの紹介 4 段階推定法の課題 2
4 段階推定法 羽藤研 4 芝原貴史 1 4 段階推定法とは 予測に使うモデルの紹介 4 段階推定法の課題 2 4 段階推定法とは 交通需要予測の実用的な予測手法 1950 年代のアメリカで開発 シカゴで高速道路の需要予測に利用 日本では 1967 年の広島都市圏での適用が初 その後 1968 年の東京都市圏など 人口 30 万人以上の 56 都市圏に適用 3 ゾーニング ゾーニングとネットワークゾーン間のトリップはゾーン内の中心点
ベイズ統計入門
ベイズ統計入門 条件付確率 事象 F が起こったことが既知であるという条件の下で E が起こる確率を条件付確率 (codtoal probablt) という P ( E F ) P ( E F ) P( F ) 定義式を変形すると 確率の乗法公式となる ( E F ) P( F ) P( E F ) P( E) P( F E) P 事象の独立 ある事象の生起する確率が 他のある事象が生起するかどうかによって変化しないとき
Microsoft PowerPoint - 13approx.pptx
I482F 実践的アルゴリズム特論 13,14 回目 : 近似アルゴリズム 上原隆平 (uehara@jaist.ac.jp) ソートの下界の話 比較に基づく任意のソートアルゴリズムはΩ(n log n) 時間の計算時間が必要である 証明 ( 概略 ) k 回の比較で区別できる場合の数は高々 2 k 種類しかない n 個の要素の異なる並べ方は n! 通りある したがって少なくとも k n 2 n!
Microsoft Word - 量子化学概論v1c.doc
この講義ノートは以下の URL から入手できます http://www.sbchem.kyoto-u.ac.p/matsuda-lab/hase_fles/educaton_jh.html 量子化学概論講義ノート 3 正準 HF(Canoncal HF) 方程式 制限 HF(RHF) 方程式 HF-Roothaan(HFR) 方程式 京都大学工学研究科合成 生物化学専攻長谷川淳也 HF 解の任意性について式
スライド 1
データ解析特論重回帰分析編 2017 年 7 月 10 日 ( 月 )~ 情報エレクトロニクスコース横田孝義 1 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える 具体的には y = a + bx という回帰直線 ( モデル ) でデータを代表させる このためにデータからこの回帰直線の切片 (a) と傾き (b) を最小
.. est table TwoSLS1 TwoSLS2 GMM het,b(%9.5f) se Variable TwoSLS1 TwoSLS2 GMM_het hi_empunion totchr
3,. Cameron and Trivedi (2010) Microeconometrics Using Stata, Revised Edition, Stata Press 6 Linear instrumentalvariables regression 9 Linear panel-data models: Extensions.. GMM xtabond., GMM(Generalized
11 Energy and Water
381 Seepage383Supply and demand of energy. Indigenous production 2 25 DOMESTIC SUPPLY OF PRIMARY ENERGY (F.Y. 19902013) Import Export Stockpile change Coal Coal products Oil Oil products Natural gas 1)
因子分析
因子分析 心理データ解析演習 M1 枡田恵 2013.6.5. 1 因子分析とは 因子分析とは ある観測された変数 ( 質問項目への回答など ) が どのような潜在的な変数 ( 観測されない 仮定された変数 ) から影響を受けているかを探る手法 多変量解析の手法の一つ 複数の変数の関係性をもとにした構造を探る際によく用いられる 2 因子分析とは 探索的因子分析 - 多くの観測変数間に見られる複雑な相関関係が
Microsoft Word - 計量研修テキスト_第5版）.doc
Q8-1 テキスト P131 Engle-Granger 検定 Dependent Variable: RM2 Date: 11/04/05 Time: 15:15 Sample: 1967Q1 1999Q1 Included observations: 129 RGDP 0.012792 0.000194 65.92203 0.0000 R -95.45715 11.33648-8.420349
例 e 指数関数的に減衰する信号を h( a < + a a すると, それらのラプラス変換は, H ( ) { e } e インパルス応答が h( a < ( ただし a >, U( ) { } となるシステムにステップ信号 ( y( のラプラス変換 Y () は, Y ( ) H ( ) X (
第 週ラプラス変換 教科書 p.34~ 目標ラプラス変換の定義と意味を理解する フーリエ変換や Z 変換と並ぶ 信号解析やシステム設計における重要なツール ラプラス変換は波動現象や電気回路など様々な分野で 微分方程式を解くために利用されてきた ラプラス変換を用いることで微分方程式は代数方程式に変換される また 工学上使われる主要な関数のラプラス変換は簡単な形の関数で表されるので これを ラプラス変換表
インドネシアの都市化 北スラウェシ州のケース（中間報告）
2 1999 2011 (2016) 2005 2005 5 Christiaensen, De Weerdt and Todo (2013) 1999 2014 25871152 (IDE-JETRO): Takayuki Higashikata@ide.go.jp 25 1991/1994 2010 50 51 1980 2004 Christiaensen and Todo (2014) (1)