企業の始業時刻選択問題を用いた時間的な集積の経済の定量化

利用企业启动时间选择问题量化时间集聚经济

• 批准号: 19K13679
• 负责人: 森岡 拓郎
• 金额: $ 1.25万
• 依托单位: University of Nagasaki (2020-2022)National Graduate Institute for Policy Studies (2019)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K13679/
• 关键词: 始業時刻; 企業の利潤最大化; 時間的集積の経済; 鉄道混雑; 空間的集積の経済; 離散選択モデル; 大都市交通センサス; 企業間取引; 企業立地; 出発時刻; コロナ; 時間的な集積の経済; 企業の意思決定; 鉄道の混雑; 負の外部性; 企業の始業時刻選択; 通勤混雑; 生産性

企業が始業時刻を決める上で何を考慮しているかを知るために、2015年の大都市交通センサスの個票53万人分のデータを用いて、始業時刻の空間分布を確認した。そこから分かることは次の４つのことであった。（１）企業は従業員に早起きを強いることのないように始業時刻を決めている。（２）第二次産業の企業は始業が早い。（３）企業が通勤混雑を考慮して始業時刻を決めているかは定かではない。（４）大企業は地理的に近くに立地する企業と同じ始業時刻を選ぶ場合が多い。次にこれらの事実を反映したモデルを構築した。具体的には本研究では企業は利潤関数を最大にするように始業時刻を選んでいると仮定し、その利潤関数が（１）通勤所要時間が長い従業員を抱える企業は始業時刻を早くすることで下がり、（２）産業の種別によって始業時刻を早くするか遅くするかしたときの増え方が変わり、（３）始業時刻に間に合うように通勤すると酷い混雑に合うのであれば下がる可能性があり、（４）周辺の企業と差の少ない始業時刻にすると上がる可能性がる、と定式化している。更にモデルをデータと合う形にする必要がある。大都市交通センサスは勤めている会社の業種が分からないため、経済センサスのデータによって補ってやる。すなわち大都市交通センサスのサンプルデータは、経済センサスにあるように地域ごとに変わる業種の割合によって確率的に得たデータと考えるわけである。そして業種ごとの確率を足し合わせてやれば大都市交通センサスのデータを得る確率が計算できるため、最尤法によってパラメータを推定すればよい。このようにモデルを細部まで検討した上で定式化した。

为了找出决定开放时间时要考虑的公司，我们使用了2015年大都会运输人口普查的数据进行530,000个单独的记录来检查开放时间的空间分布。从中我们可以看出四件事：（1）公司设定开幕时间，以防止员工被迫提早醒来。 （2）二级行业公司早点开始。 （3）尚不清楚公司是否已考虑到通勤人群的开业时间。 （4）大公司通常会选择与地理位置附近公司相同的开始时间。接下来，构建了一个反映这些事实的模型。 Specifically, this study assumes that companies choose their starting time so that their profit function is maximized, and formulates that the profit function (1) for companies with employees with long commute hours to go down by earlier starting time, (2) the increase in the number of times when they start earlier or later depending on the type of industry, and (3) if commute in time to start time, it may decrease if they meet severe congestion, and (4) for (2) forcing the increase in time to start time in是时候接近开始时间了，如果它们开始时间与周围公司的不同，这很可能会增加。此外，该模型需要以与数据相匹配的方式。由于我们不知道我们从事的公司的行业，因此我们将通过经济人口普查的数据来弥补它。换句话说，来自大都会运输人口普查的样本数据被认为是根据经济普查所示的每个地区变化的行业比例获得的概率数据。然后，通过添加每个行业的概率，可以计算从大城市运输普查中获得数据的概率，因此可以使用最大似然方法来估算参数。该模型是在考虑其细节后制定的。