夏ゼミ　2021/05/25 浦田＞ みんなが追いつけなくならないように、ここで質問タイム。 連合形成のプロセスとは、どういうこと？ 月田 連合形成のプロセスとは、マッチング相手を探している人がいて、相手を見つけてマッチングする。この時生まれた効用をどうやって二者に配分するかという、配分問題。 浦田 村橋さん、増す橋さん大丈夫ですか？ 増橋＞ 文章全体を、優しい日本語でお願いします。 月田＞ 相手方のエージェントは会うまで分からない、会うまで探索にコストがかかる。会ったときに生まれる効用を分割するが、こちら側は探索にコストがかかるから、効用を多くもらいたい。 増橋＞ エージェントとは？ 近藤＞ エンジェントは、仕事と人とかでいいのか、仕事や人の集合でもいいのか？ 月田＞ はい 村橋＞ 離別の保証とは？ 月田＞ 離婚なり離職で相手と別れた。 別れると相手の効用は0だから、別れられない。しかし、別れた方が社会全体として効用が大きくなる。こういう時、相手と別れるときに別れて誰か他の人とくっついても大丈夫なように効用を渡す。 村橋 マッチング解消をするときに、別れる側が補償の差額を渡しても、プラスになるような相手がいう場合に、 別れられる側も補償を貰えて、別れを言い出した側も特になるので散策が進むということでいい？ 月田 はい 浦田 他には大丈夫ですか？ 黛さん大丈夫ですか？ 黛 大丈夫 児玉チャット マッチングの余剰とは？ 月田＞ マッチングの余剰とは、効用からコストをを引いたもの 近藤チャット システムに新たなペアが追加される、というのはmが増えるってことか？ 月田＞ mは変わらない 小林＞ 探索強度とは？ エージェントが自分で調整できる変数で、どれだけ探索を頑張るかというもの。頑張り度という理解でいいか？ 月田 はい 浦田＞ これはエージェントがマッチングしていない時の式？ 月田＞ はい 浦田＞ 式19はもともと、 α = α1 + α2だったのでは？ F(x)はどこで出てきた？ 月田＞ F(x)はxの累積分布関数で、あ互い知り合った時の適合性xが観測される時の累積分布関数です。 浦田＞ では、式19はどういうふうに解釈できるのか？ 月田＞ 接触する頻度は式19のs1+s2の部分 ランダムな面会で、面会した相手が許容できる、効用が期待よりも高いというの確率がPr{x∈A0}の部分で、これが[1 - F(x0)]になる 浦田 =があるのか、勘違いしていた。 小林＞望月 どこか詳しく説明して欲しいところはありますか？ 望月 見返して質問する 増田 19ページの式19がよく分かんない 月田13：41 F(x)は確率の累積分布 xがxoより小さい確率というのが、F(xO)になっている xがxOより大きいとマッチングが成立する。だから、[1 - F(x0)]になる。 増田 分かりました、ありがとうございます。 増橋 P24 ここでのカップルとは、本来マッチングすべき人たちがまだマッチングしていない人たちをカップルですか？ 月田 はい 増橋 外部性を内部かするとは？ 浦田 P30の式が外部性を内部化した話なのでは 月田 マッチングコストを上げて、見つけた人に余剰を全部渡す。探索コストを上げた人が、全部もらえて嬉しい。 これが外部性を内部化したということだと解釈している 浦田 二人でマッチングして、探した方が、コストがかかっているので、余剰を等分割ではコストを賄えず、探していない方が得をする、探した方が損をする、これが外部性。 最初にやっていた、マッチングの均衡状態とはなんですか？ この場合は、2種類の均衡を考えているということ？ 月田 一次式、二次式があって、どちらも同じ条件の時に均衡が存在するします、均衡はこう書きます。というのがマッチングの均衡で言っていること。 浦田 そもそも、二人ともマッチングしないという自明の均衡が存在して、これだと総余剰が低いので効率なマッチングによって、異なるものとマッチングして総余剰をあげるというのがこの論文の構成。 月田 はい 浦田 交通・都市ではどんなことに使えそうですか？ 月田 住宅、土地と人とか マッチングだけなら、自動運転の車と乗客とかでもできるのでは、どうだろう 浦田 探索コストがかかるから、マッチングしないっていうのは社会実験でもうまくいかないパターンがある。 鈴木さんどうぞ 鈴木 アプリとかで探索するEヘイリングでは、利用者の探索コストはほぼないのでは ストリートヘイリング（ex. 流しのタクシー）では、探索コストがかかるから探索せずに他の交通機関を利用するのでは もっと良い均衡解にいくために何か工夫が必要なのではという感じ 浦田 Eヘイリングによって、乗客もドライバーも家内コストがかなり減っているのでこれによってプラットフォームが剰余をとっていることもあるし、ドライバーや乗客が剰余を感じている典型的な例である。 前田さんの問題もマッチング的なことやっている。 なんか一言お願いします 小林 望月大丈夫？ 望月 P27の最適な探索ペアをを表している図なんだろうっていうのはなんとなく分かるが、話の流れでどういうふうに出てきたのかという、詳細や軸とかもよく分からない。 小林 図の解説をして欲しいということですね 月田 そうですね、、、、、持ち帰りで ーーーーーーーーーーーーー月田 前田ーーーーーーーーーーーーー 小林 これどうでした？ 前田 今までの発表をしてくれた論文とは毛色が違うので、最初の設定の理解が大変だった 小林 じゃあそこを飲み込めるように聞きましょう 浦田 隣接するエージェントの方が、訪問頻度が高い？ 友達が多い方が、町中によく出かける的な話 前田 はい 浦田 Gはずっと変わらない？ 前田 そうですね 浦田 Gがネットワークや訪問頻度に影響を与えたら、入子の問題になって面白そうだね 前田 後でちょっと出てくる 浦田チャット Gがネットワークや訪問頻度に影響を与えたら、入子の問題になって面白そうだね 隣接行列に，立地選択は影響しているんですかね？ 住んでる場所や会う頻度によって，疎遠になるみたいな話は，入れ子の計算式を作れば，表現可能なはず． 浦田 混雑のところだけ説明してください 浦田 さっきの論文の構造と同じですね． 補助金後のエージェントごとに得る利得が公平なのかが気になる． 前田 公平ではないと思う 浦田チャット agentが最下位のエージェントの情報を知ることは容易そうなので，現実的な設定ですね．最下位エージェントは次数１とか０とかだと思うので． 小林 結論だけ見ると、身も蓋もないが、だからこそ7章の議論がある。 前田さん自身はこの論文を読んでみて、自分の研究や何かに使えそうですか？ 前田 ソーシャルネットワークに初めて触れた ネトワークデータを取るのが難しそう コミュニティによって選択が変わるっていうのは考えられるのではないか 小林 ソーシャルネットワークのデータが取りづらいのではないかというのは、浦田さんどうですか？ 浦田 完全ネットワークのデータ取得は難しい スモールサンプリング、あなたは友達は何人いますか？という質問からネットワークのデータを取れるのでは。知り合い5人から、さらにそこから聞く。芋づる式に聞いていけば、完全ネットワーク。 空間的距離に着目するのであれば、事前復興とかでどこに親族がいるか。八幡浜の中に知り合いがどこにいるかとかは影響しそう。 近藤さん、、ひと声お願いします 近藤 同じネットワークでも、仲がより良い人とかいる。 隣接行列で、0,1だけど、そうじゃなくて、同じネットワークでも、仲のよさみたいのは隣接行列で表現できるのか？ 小林 隣接行列に重みをつけるとかで良いのか？ 近藤 繋がりが強い人からの影響を受けるというのをモデル化できるのではと考えた。 村橋 東京の通勤混雑がすごいという問題を考えるなら、混雑コストを周辺部と中心部での移動でコストを考えるなら、他の人の挙動でコストが変わると思う。これを考慮できるのであれば、東京の通勤ラッシュなどの移動の混雑を考えられるのではと思った。 前田 混雑コストは、中心部の方が密度が高い。これはそう 移動の費用は定数です。 村橋 活動は基本は中心部で行われる。 周辺部にどれだけ人がいるかで、移動する人が増減する。これによって混雑コストが可変になるのかと思った。 前田 通勤コストは中心部の人はかからず、周辺部の人だけかかる この論文はアメリカとかを想定している、車で移動づるのにコストがかかる。 移動の混雑コストを考えた方がいいのではということか？ 村橋 はい 前田 移動を考えるなら、周辺部に立地する時に移動コストがかかる 浦田 村橋のアイデアは、混雑が異動にも現れるということ。 研究する上で、足しすぎると美しくない 何が本質的なのかを考える ダイナミックに意思決定をすることができるはず、会う頻度とかでネットワークが考えるとか。そうすると問題自体が複雑になっていく。 そうすると、本当の均衡とかが分からなくなる。 スタティックに問題を考えたり、ダイナミックに本質的なことを考える研究者もいる。 より考えたいことを念頭に、本質的なことを考えながら論文を読んでいくことが大事。