Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Finding Key Players in Networks

Sansan DSOC
August 28, 2020

Finding Key Players in Networks

■イベント 
:Econ Fiesta
https://sansan.connpass.com/event/185013/

■登壇概要
タイトル:Finding Key Players in Networks
発表者: 
DSOC R&D研究員 小松尚太

▼Twitter
https://twitter.com/SansanRandD

Sansan DSOC

August 28, 2020
Tweet

More Decks by Sansan DSOC

Other Decks in Science

Transcript

  1. Data Strategy and Operation Center ⾃⼰紹介 • 農学修⼠ • 2020年5⽉⼊社

    • 前職はコートジボワールにある 国際農業研究機関 ⼩松 尚太 Sansan株式会社 DSOC R&D 研究員 Shota Komatsu オンライン名刺
  2. Data Strategy and Operation Center キープレーヤーの定義 (Ballester et al., 2006)

    そのノードをネットワーク から取り除いたとき、 ネットワーク全体の活動量 ∗ が最も下がるようなノード。 ∗ = arg max " (∗ − ∗(#" )) キープレーヤー中⼼性
  3. この場合、 A: 60 - 40 = 20、B: 60 - 55

    = 5 AがKey Playerとなる B A パフォーマンス: 60 A 40 B 55
  4. Data Strategy and Operation Center 数々のキープレーヤー問題 • ⻘少年ネットワークにおける⾮⾏のキープレーヤー (Liu et

    al., 2020) • 企業間のR&Dネットワークにおけるキープレーヤー (Köing et al., 2019) • アフリカの経済活動のKey Districts (Amarasinghe et al., 2020) • 第⼆次コンゴ戦争におけるKey Groups (Köing et al., 2017)
  5. Data Strategy and Operation Center ネットワーク上のノード間の相互作⽤ ! !" " !

    !" " つながっている他のノードのアウトカム (Spillover effect) ⾃⾝のノードの属性 つながっている他のノードの平均的な属性 (Contextual effect)
  6. Data Strategy and Operation Center 同時性バイアスにどう対処するか? Liu et al. (2020)

    隣接⾏列 が外⽣的なとき、操作変数⾏列を = [1! , , * , 1! , , * ] として、以下のモーメント条件を⽤いてパラメーターを推定する。 " − − # 1! − $ − * % = 0
  7. Data Strategy and Operation Center ネットワーク⽣成の内⽣性への対処 • ネットワークそのものが内⽣的に決まる場合はどうするか? Kelejian and

    Piras (2014), Köing et al. (2019), Liu et al. (2020) ノード と がどれだけ似ているかを捉えた、外⽣的なホモフィリー指標 (例えば、同じ性別かどうか)を⽤いて、隣接⾏列 を予測する。 操作変数で⽤いられている を予測された隣接⾏列 ' に置き換え、 ⼆段階最⼩⼆乗法/GMMにより推定する。
  8. Data Strategy and Operation Center 推定⽅法のまとめ 1. リンクが形成される確率 Pr("# =

    1) を、外⽣的なホモフィリー指標を ⽤いて予測し、予測された隣接⾏列 ' を得る。 2. 予測された隣接⾏列 ' を⽤いて、操作変数⾏列を作る。 3. ⼆段階最⼩⼆乗法/GMMを⽤いて、パラメーターを推定する。
  9. Data Strategy and Operation Center キープレーヤー特定のアルゴリズム 各ノード に対して、以下のようにキープレーヤー中⼼性を計算する。 1. ネットワーク

    から、ノード を取り除く。 2. ノード を取り除いたときのネットワーク全体の活動量 ∗("# ) を、 ∗ "# = 1$ % $ − * "# "& (1$ - ' + "# - & + 1 "# - ( )として計算する。 3. 同様に ∗ Λܭࢉ͠ɺΩʔϓϨʔϠʔத৺ੑ ∗ − ∗ "# を求める。 キープレーヤー中⼼性が⾼いノードを、そのネットワークのキープレーヤーとする。
  10. Data Strategy and Operation Center 南関東における市区町村のキープレーヤーはどこか? 名刺アプリ「Eight」の名刺交換データから、市区町村間のネットワークを構 築し、南関東における市区町村のキープレーヤーを特定。 詳細は「Sansan, speaker

    deck, key cities」で検索下さい。 https://speakerdeck.com/sansandsoc/the-economics-of-business-networks-and-key-cities * 分析に際しては個⼈を匿名化し、2017年1⽉1⽇から2017年12⽉31⽇までに⾏われた名刺交換の情報を、 Eightの利⽤規約で許諾を得ている範囲で使⽤した。
  11. Data Strategy and Operation Center 南関東における市区町村のキープレーヤー 都道府県 市区町村名 東京都 新宿区

    東京都 渋⾕区 東京都 港区 東京都 杉並区 東京都 世⽥⾕区 東京都 品川区 東京都 武蔵野市 東京都 中野区 埼⽟県 さいたま市⼤宮区 神奈川県 横浜市⻄区
  12. Data Strategy and Operation Center ⽬的 ITツールの利活⽤を⽀えるキープレーヤーを利⽤者の中から特定する • ITツールの利⽤率を向上させる取り組みに活⽤できる可能性がある •

    企業内に蓄積されるITツールの利⽤データ(情報資産)の 新たな活⽤⽅法になり得る • ຊ෼ੳͰ͸ɺࣾ಺ωοτϫʔΫΛ໌Β͔ʹ͢ΔͨΊʹɺ ࣗࣾʢ4BOTBOגࣜձࣾʣ಺ݶΓͰڞ༗͞Ε͍ͯΔ໊ࢗަ׵ʹؔ͢Δ σʔλΛར༻
  13. Data Strategy and Operation Center ITツールの利⽤を⽀える社内のキープレーヤーは誰か? ⽉間利⽤率(⽉) : 60 ⽉間利⽤率

    : ??? • ツールのヘビーユーザーと⼀緒に仕事すると、共にツールを使うので利⽤率が⾼まる • ⼀緒に仕事した⼈の役職や部署ごとの使い⽅に影響を受ける
  14. Data Strategy and Operation Center Key Player Profiling • 誰がキープレーヤーであるか?

    • どの変数が効いてキープレーヤーとなったのか?
  15. Data Strategy and Operation Center まとめ • 「ネットワーク上のキープレーヤーは誰か」という問いに答えたい • ネットワークのノード間の相互作⽤を識別する必要性

    • ネットワーク計量経済学の⽬覚ましい発展がそれを可能としつつある • 分析⼿法のさらなる洗練、実務への応⽤を追求していく
  16. Data Strategy and Operation Center References - Amarasinghe, A., Hodler,

    R., Raschky, P. A., & Zenou, Y. (2020). “Key Players in Economic Development.” IZA Discussion Papers, No. 13071, Institute for the Study of Labor (IZA), Bonn. - Ballester, C., Calvó-Armengol, A., & Zenou, Y. (2006). “Who's who in networks. Wanted: The key player.” Econometrica, 74(5), 1403-1417. - Bramoullé, Y., Djebbari, H., & Fortin, B. (2009). Identification of peer effects through social networks. Journal of econometrics, 150(1), 41-55. - Kelejian, H. H., & Piras, G. (2014). “Estimation of spatial models with endogenous weighting matrices, and an application to a demand model for cigarettes.” Regional Science and Urban Economics, 46, 140-149. - König, M. D., Liu, X., & Zenou, Y. (2019). R&D networks: Theory, empirics, and policy implications. Review of Economics and Statistics, 101(3), 476-491. - König, M. D., Rohner, D., Thoenig, M., & Zilibotti, F. (2017). Networks in conflict: Theory and evidence from the great war of africa. Econometrica, 85(4), 1093-1132. - Lee, L. F., Liu, X., Patacchini, E., & Zenou, Y. (2020). “Who is the key player? A network analysis of juvenile delinquency.” Journal of Business & Economic Statistics, 1-9.