経済学の進展は社会のルールをどう変えるのか――因果推論・市場設計・AIが広げる経済分析

経済学の役割は、経済活動の仕組みを説明することだけではない。ある政策によって人々の行動がどのように変化したのかを検証し、市場の参加者がどのようなルールの下で取引すれば望ましい結果を得られるのかを分析することも、重要な研究領域となっている。

こうした研究を支えているのが、因果関係を推定する「因果推論」、取引や資源配分の仕組みを構築する「市場設計」、そして機械学習や人工知能（AI）を取り入れたデータ分析である。

いずれも最近になって誕生した分野ではない。数十年にわたる理論と実証研究の蓄積があり、近年は大量のデータや計算技術と結び付くことで、政策評価や市場制度への応用が広がっている。

2020年のノーベル経済学賞ではオークション理論と新しいオークション形式の開発が、2021年には自然実験を利用した実証研究と因果関係を分析する方法論が評価された。これらの研究は、経済学が現実の制度を検証し、その仕組みを設計するための手法を発展させてきたことを示している。

因果推論は政策や制度の効果をどう明らかにするのか

ある法律の施行後に企業の違反行為が減少した場合、その減少は法律の効果といえるのだろうか。景気や企業活動の変化、行政による監督の強化など、別の要因が影響した可能性もある。

二つの出来事が同じ時期に起きたとしても、一方がもう一方の原因であるとは限らない。経済学では、こうした相関関係と因果関係を区別するための方法が発展してきた。

2021年のノーベル経済学賞は、デイヴィッド・カード、ジョシュア・アングリスト、グイド・インベンスに授与された。カードは労働経済学における実証研究、アングリストとインベンスは因果関係の分析方法に対する貢献が評価された。

重要な研究手法の一つが「自然実験」である。法改正や制度変更、地域ごとの政策の違いなどによって、研究者が実験を計画しなくても、比較可能な集団が生まれることがある。その状況を利用し、政策や制度の影響を推定する。

代表的な手法には、操作変数法、回帰不連続デザイン、差分の差分法、合成コントロール法などがある。

これらは異なる研究の流れの中で発展したものであり、すべてが2021年のノーベル賞受賞者によって開発されたわけではない。

いずれも、研究対象や利用できるデータに応じて、一定の仮定の下で因果効果を推定するための方法である。

LATEが明確にした「誰に対する効果なのか」という問題

政策の効果を分析する場合、結果がどのような人々に当てはまるかという問題がある。

例えば、ある制度によって進学する人が増加した場合、制度変更によって進学を選んだ人に対する教育の効果と、制度がなくても進学した人に対する効果は同じとは限らない。

この問題を分析するうえで重要なのが、局所平均処置効果（Local Average Treatment Effect：LATE）である。

アングリストとインベンスらは1990年代、操作変数法によって推定される因果効果が、どのような集団に対応するかを明確にする研究を発展させた。

1996年にはアングリスト、インベンス、ドナルド・ルービンによる論文「Identification of Causal Effects Using Instrumental Variables」が発表された。

LATEは、一定の仮定の下で、操作変数によって処置の選択が変わる人々に対する平均的な因果効果を示す。

これは、分析で得られた結果を社会全体に適用できるかどうかを考える際に重要である。

制度の効果が特定の集団について推定されたとしても、その効果がすべての人々に同じように生じるとは限らない。因果推論では、推定値そのものだけでなく、識別のための仮定と対象集団を確認する必要がある。

機械学習と計量経済学はどう結び付いたのか

近年の計量経済学では、従来の統計的な推定方法に機械学習を組み合わせる研究が進展している。

代表例が、ヴィクター・チェルノジュコフらによるDouble/Debiased Machine Learning（DML）である。

2018年に公刊された研究では、多数の説明変数や複雑な関係が存在する状況で、機械学習を利用しながら、関心のある効果を統計的に推定・検定するための枠組みが示された。

DMLでは、直交化された推定式やクロスフィッティングと呼ばれる方法などを利用し、機械学習による推定誤差が関心のある効果の推定に与える影響を抑える。

また、スーザン・エイシー、ジュリー・ティブシラニ、ステファン・ウェイジャーらによる「Generalized Random Forests」（2019年）は、ランダムフォレストを拡張し、条件付き平均処置効果などの推定に利用できる方法を示した。

これにより、ある施策が平均的にどのような効果を持つかだけでなく、対象者の特徴によって効果がどう異なるかを分析する研究が発展している。

例えば、企業に対する支援制度の効果が、企業規模や業種、財務状況などによって異なる可能性を検討することが考えられる。

ただし、機械学習を導入すれば因果関係が自動的に判明するわけではない。

因果推論に必要な識別条件や、分析に利用するデータの適切性が重要であることは変わらない。機械学習の予測精度と、因果効果の推定が妥当であることは区別する必要がある。

市場設計は経済学を制度の設計へと広げた

経済学のもう一つの重要な発展が、市場や資源配分のルールを設計する「市場設計（Market Design）」である。

市場設計では、参加者が持つ情報、取引方法、入札や割当てのルールによって、結果がどのように変化するかを分析する。

その代表的な分野がオークション理論である。

2020年のノーベル経済学賞は、ポール・ミルグロムとロバート・ウィルソンに授与された。両者はオークション理論を発展させ、新しいオークション形式の開発にも貢献した。

オークションでは、参加者が財や権利の価値について持つ情報が異なる場合がある。落札者が対象物の価値を過大評価してしまう「勝者の呪い（Winner's Curse）」は、その代表的な問題である。

ミルグロムとウィルソンらの研究は、入札者の行動や情報の構造を分析し、複数の関連する対象を取引する仕組みなどの開発につながった。

米国では1994年、こうした経済学的な研究成果を取り入れた周波数オークションが実施されている。

これは、経済学が既存の市場を分析するだけでなく、実際の取引制度の設計に貢献した例である。

市場設計は価格のない配分問題にも応用される

市場設計が扱う問題は、商品やサービスの売買に限られない。

2012年のノーベル経済学賞は、ロイド・シャプレーとアルヴィン・ロスに授与された。安定的な配分の理論と市場設計の実践への貢献が評価された。

この研究では、学校と生徒、雇用主と労働者、臓器提供者と移植希望者などを、どのように組み合わせるかというマッチングの問題が扱われる。

例えば、学校選択では、生徒の希望や学校側の受入条件を踏まえて配分の仕組みを考える。

臓器交換では、医学的な適合性などの制約を考慮しながら、交換可能な組み合わせを検討する。

こうした場面では、価格だけで配分を決めることができない。参加者の希望や制約条件を踏まえた制度設計が必要となる。

市場設計は、現実に存在する制約の下で、どのようなルールが機能するかを分析する経済学の重要な研究分野となっている。

データサイエンスが経済分析を変える

経済学では、統計データや企業財務、家計調査などを用いた実証研究が長く行われてきた。

近年は、取引履歴、インターネット上の行動、文章、画像など、利用できるデータの種類が広がっている。

機械学習は、こうした大量のデータから複雑な関係を把握し、将来の結果を予測するための手法として利用されている。

一方、政策や制度の効果を検証する場合には、予測だけでなく因果関係を明らかにする必要がある。

例えば、過去の企業データから利益を高い精度で予測できたとしても、それだけで特定の経営施策が利益増加の原因であると判断することはできない。

このため、機械学習と因果推論を組み合わせ、予測と効果の推定を区別する研究が発展している。

また、ランダム化比較試験（RCT）やフィールド実験も、政策や制度の効果を検証するための重要な方法である。

これらは以前から用いられてきた手法だが、研究の蓄積やデータ処理技術の発展に伴い、幅広い問題への応用が進められている。

生成AIは経済研究にどのような影響を与えているのか

大規模言語モデル（LLM）を含む生成AIも、経済学研究に利用され始めている。

研究資料の分類、文章からの情報抽出、プログラムの作成補助、データ整理など、さまざまな用途が検討されている。

また、AIを研究対象として、企業の生産性や労働需要、市場競争などへの影響を分析する研究も行われている。

ただし、生成AIの利用によって研究の正確性が自動的に高まるわけではない。

生成された情報の誤り、研究資料との不一致、分析過程の再現性などが問題となる場合がある。

特に因果推論では、AIが因果関係について説明を生成したことと、適切な統計的方法によって因果効果が識別されたことは異なる。

生成AIは研究を支援する技術として応用が広がっている一方、利用方法や分析結果の信頼性については継続的な検証が必要となる。

法制度や企業統治にも関係する経済学の発展

因果推論と市場設計の研究は、法律や企業統治の問題を考えるうえでも参考となる。

例えば、ある規制が導入された後に企業の行動が変化した場合、その変化が規制によって生じたのかを検討することは、制度の効果を評価するうえで重要である。

また、企業買収や株式取引では、交渉の方法や情報提供の条件、参加者の行動によって、取引価格や意思決定の過程が変化する場合がある。

市場設計の考え方は、こうした取引ルールが参加者の行動に与える影響を分析するための視点を提供する。

ただし、周波数オークションや学校選択で用いられる制度を、企業買収や株式取引にそのまま適用できるわけではない。それぞれの取引や制度には、異なる法律上・経済上の条件が存在する。

さらに、企業価値や株式の評価にデータ分析を利用する場合も、計算結果だけで適正な価格が確定するものではない。

会社の財務状況や収益見通し、取引条件など、具体的な事情を踏まえた検討が必要となる。

法と経済学の観点から見ると、こうした研究の発展は、法律や市場のルールが人々の行動に与える影響を、より多様な方法で分析する可能性を広げている。

経済学の発展が示す制度設計と実証分析の重要性

因果推論、市場設計、データサイエンスは、それぞれ異なる目的や研究方法を持つ分野である。

因果推論は、政策や行動が結果に与える影響を明らかにしようとする。市場設計は、参加者の行動や情報を考慮して、取引や配分の仕組みを構築する。データサイエンスは、さまざまな情報を利用し、予測や統計的な分析の方法を広げている。

これらの研究は、近年突然成立したものではなく、長年にわたる理論と実証研究の蓄積を背景としている。

2020年と2021年のノーベル経済学賞は、その発展の重要な成果を評価したものだった。

現在はさらに、機械学習や生成AIなどの技術が研究手法や応用領域を広げている。

一方、経済学的な分析結果を制度や政策の判断に利用する際には、研究の前提、利用するデータ、推定結果の適用範囲を確認する必要がある。

現代の経済学は、理論を構築するだけでなく、現実の制度や市場がどのように機能しているかを検証し、その設計を考えるための方法を提供している。