対面学校教育と少年の暴力

社会 経済

というNBER論文が上がっている。原題は「In-Person Schooling and Juvenile Violence」で、著者はBenjamin Hansen（オレゴン大）、Kyutaro Matsuzawa（同）、Joseph J. Sabia（サンディエゴ州立大）。
以下はその要旨。

While investments in schooling generate large private and external returns, negative peer interactions in school may generate substantial social costs. Using data from four national sources (Uniform Crime Reports, National Incident-Based Reporting System, National Crime Victimization Survey, National Electronic Injury Surveillance System) and a variety of identification strategies, this study comprehensively explores the effect of in-person schooling on contemporaneous juvenile violence. Using a proxy for in-person schooling generated from anonymized smartphone data and leveraging county-level variation in school calendars — including unique, large, localized changes to in-person instruction during the COVID-19 pandemic — we find that in-person schooling is associated with a 28 percent increase in juvenile violent crime. A null finding for young adults is consistent with a causal interpretation of this result. The effects are largest in larger schools and in jurisdictions with weaker anti-bullying policies, consistent with both concentration effects and a peer quality channel. Back-of-the-envelope calculations suggest that relative to closed K-12 schools, in-person schooling generates $233 million in monthly violent crime costs.
（拙訳）
学校教育への投資は大きな私的ならびに外部的なリターンをもたらすが、学校での同級生との負の交流は顕著な社会的費用をもたらす可能性がある。4つの国のデータソース（統一化犯罪報告*1、全国事件発生報告システム*2、全国犯罪被害調査*3、全国電子傷害監視システム*4）のデータと各種の識別手法を用いて本研究は、対面学校教育がそれと共に生じる少年の暴力に与える影響を包括的に追究する。匿名化されたスマートフォンのデータから生成された対面学校教育の代理変数と、コロナ禍における対面教育の特殊かつ大規模な地域ごとの変更を含めた郡レベルの学校日程の違いを用いて我々は、対面学校教育が少年の暴力犯罪の28%の増加と結び付いていることを見い出した。青年でそうした結果が見い出されなかったことは、この結果の因果関係の解釈と整合的である。こうした効果は、規模の大きな学校、ならびにいじめ対策が弱い区域で最大となり、集積効果と同級生の質の経路の双方と整合的であった。簡単な計算が示すところによれば、閉鎖されたK-12学校*5と比べ、対面学校教育は月次の暴力犯罪により2億3300万ドルのコストをもたらす。

HansenとSabiaは、2年前に対面授業と若者の自殺：授業スケジュールとコロナ禍による学校閉鎖の実証結果 - himaginary’s diaryで紹介した別の共著者との論文でも自殺に焦点を当ててこの問題を追究している。いじめは日本でも深刻な問題なので、経済コストを同様に評価したらどれくらいになるのか興味が持たれるところである。

*1:cf. Uniform Crime Reports - Wikipedia。

*2:cf. National Incident-Based Reporting System - Wikipedia。

*3:cf. National Crime Victimization Survey - Wikipedia。

*4:cf. National Electronic Injury Surveillance System (NEISS) | CPSC.gov。

*5:K-12 - Wikipedia。

世代間の所得移動性における個人特有の異質性の説明

経済

というNBER論文が上がっている（ungated(SSRN)版）。原題は「Accounting for Individual-Specific Heterogeneity in Intergenerational Income Mobility」で、著者はYoosoon Chang（インディアナ大）、Steven N. Durlauf（シカゴ大）、Bo Hu（インディアナ大）、Joon Park（同）。
以下はその要旨。

This paper proposes a fully nonparametric model to investigate the dynamics of intergenerational income mobility for discrete outcomes. In our model, an individual’s income class probabilities depend on parental income in a manner that accommodates nonlinearities and interactions among various individual and parental characteristics, including race, education, and parental age at childbearing. Consequently, we offer a generalization of Markov chain mobility models. We employ kernel techniques from machine learning and further regularization for estimating this highly flexible model. Utilizing data from the Panel Study of Income Dynamics (PSID), we find that race and parental education interact with parental income in children’s economic prospects in ways that can create bottlenecks in mobility.
（拙訳）
本稿は、離散的な結果についての世代間における所得の移動性の動学を調べるため、完全にノンパラメトリックなモデルを提示する。我々のモデルでは、個人がある所得階層にいる確率が親の所得に左右される。その際、非線形性、ならびに人種、教育、子育て時の親の年齢といった各種の個人と親の特性の間の相互作用を許容した。結果として我々は、一般化されたマルコフ連鎖移動性モデルを提示する。我々は、この柔軟性の高いモデルを推計するために、機械学習のカーネル法やその他の正則化を適用した。所得推移のパネル調査（PSID*1）のデータを用いて我々は、人種と親の学歴が親の所得と相互作用し、移動性にボトルネックをもたらす形で子供の経済的展望に影響することを見い出した。

*1:Panel Study of Income Dynamics - Wikipedia、日本語資料。

人工知能資産価格モデル

経済

というNBER論文が上がっている（ungated(SSRN)版）。原題は「Artificial Intelligence Asset Pricing Models」で、著者はBryan T. Kelly（イェール大）、Boris Kuznetsov（Swiss Finance Institute @ EPFL*1）、Semyon Malamud（同）、Teng Andrea Xu（EPFL（スイス連邦工科大学ローザンヌ校））。
以下はその要旨。

The core statistical technology in artificial intelligence is the large-scale transformer network. We propose a new asset pricing model that implants a transformer in the stochastic discount factor. This structure leverages conditional pricing information via cross-asset information sharing and nonlinearity. We also develop a linear transformer that serves as a simplified surrogate from which we derive an intuitive decomposition of the transformer's asset pricing mechanisms. We find large reductions in pricing errors from our artificial intelligence pricing model (AIPM) relative to previous machine learning models and dissect the sources of these gains.
（拙訳）
人口知能の核となる統計技術は大規模なトランスフォーマー*2ネットワークである。我々はストカスティックディスカウントファクターにトランスフォーマーを埋め込んだ新たな資産価格モデルを提案する。この構造は、資産間の情報共有と非線形性を通じて条件付き価格情報を利用する。我々はまた、単純化された代用品として機能する線形トランスフォーマーを構築し、そこからトランスフォーマーの資産価格メカニズムの直観的な要因分解を導出する。我々はこの人工知能資産価格モデル（AIPM）から従来の機械学習モデルに比べた価格誤差の大きな減少を見い出し、その利得の源泉を分析した。

大規模言語モデル（LLM）においてトランスフォーマーは、コンピューターによる柔軟な扱いやすさを維持したまま言葉をモデル化できる画期的な技術だったが、それをここではストカスティックディスカウントファクター（SDF）に適用したとの由。その際、注意機構（attention mechanism）で情報共有を表現し、単純化した線形トランスフォーマーではその注意機構以外の非線形性を取っ払ったという。
Bryan T. KellyとSemyon MalamudはAPTか「AIPT」か？ 大規模ファクターモデルの驚くべき優位性 - himaginary’s diaryで紹介した論文を別の共著者と書いており、この論文ではそちらをDKKMとして参照している。DKKMでは非線形だが注意機構を欠いたSDFを提示していたので、今回の論文ではモデルのパフォーマンスを検証する際の比較対象としており、シャープレシオが3.9から4.6に改善したと報告している。

*1:cf. Swiss Finance Institute ‒ CDM ‐ EPFL。

*2:cf. Transformer (機械学習モデル) - Wikipedia。

才能を巡る国際競争：頭脳流出、知識移転、および成長

経済

というQJE（Quarterly Journal of Economics）2月号掲載論文をアレックス・タバロックが紹介している。原題は「The Global Race for Talent: Brain Drain, Knowledge Transfer, and Growth」で、著者はMarta Prato（ボッコーニ大）。
以下はその要旨。

How does inventors’ migration affect international talent allocation, knowledge diffusion, and productivity growth? To answer this question, I build a novel two-country innovation-led endogenous growth model, where heterogeneous inventors produce innovations, learn from others, and make dynamic migration and return decisions. Migrants interact with individuals at origin and destination, diffusing knowledge within and across countries. To quantify this framework, I construct a micro-level data set of migrant inventors on the U.S.-EU corridor from patent data and document that (i) gross migration is asymmetric, with brain drain (net emigration) from the EU to the United States; (ii) migrants increase their patenting by 33% a year after migration; (iii) migrants continue working with inventors at origin after moving, although less frequently; (iv) migrants’ productivity gains spill over to their collaborators at origin, who increase patenting by 16% a year when a co-inventor emigrates. I calibrate the model to match the empirical results and study the effect of innovation and migration policy. A tax cut for foreigners and return migrants in the EU that eliminates the brain drain increases EU innovation but lowers U.S. innovation and knowledge spillovers. The former effect dominates in the first 25 years, increasing EU productivity growth by 3%, but the latter dominates in the long run, lowering growth by 3%. On the migration policy side, doubling the size of the U.S. H1B visa program increases U.S. and EU growth by 4% in the long run, because it sorts inventors to where they produce more innovations and knowledge spillovers.
（拙訳）
発明家の移住はどのように国際的な才能の配分、知識の普及、および生産性の成長に影響するのであろうか？　この問いに答えるために私は、新たな2か国イノベーション主導型内生的成長モデルを構築した。そこでは不均一な発明家がイノベーションを生み出し、他者から学び、動的な移住と帰国の決断を行う。移住者は母国と移住先で各個人と交流し、各国の国内外に知識を普及させる。この枠組みを定量化するために私は、特許データから米EU回廊における移住発明家のミクロレベルのデータセットを構築し、次のことを明らかにした。(i) 総移住は非対称的で、EUから米国に頭脳流出（純転出）が起きている。(ii) 移住者は移住後に特許を年当たり33%増やす。(iii) 移住者は移住後も母国の発明家との共同研究を続けるが、ただし頻度は低下する。(iv) 移住者の生産性利得は母国の共同研究者に波及し、共同発明者が移住すると彼らの特許が年当たり16%増える。私は実証結果に適合するようにモデルをカリブレートし、イノベーションと移民政策の影響を調べた。EUにおける頭脳流出を抑えるための外国人と帰国した移住者への減税は、EUのイノベーションを増やすが米国のイノベーションと知識の波及効果を減らす。最初の25年は前者の効果が上回り、EUの生産性の成長率を3%引き上げるが、長期的には後者の効果が上回り、成長率を3%引き下げる。移住政策については、米H1Bビザプログラムの規模を倍増させることは米国とEUの成長率を長期的に4%引き上げる。これは、発明家を、彼らがイノベーションと知識の波及効果をより多く生み出す場所に割り当てるためである。

タバロックはこの結果を、米国が才能のゴールト峡谷（Galt's Gulch*1）になっている、と表現するとともに、H1Bビザは抽選ではなく対価で割り当てるべき、と主張している。

*1:cf. 肩をすくめるアトラス - Wikipedia、John Galt - Wikipedia。

過去からの学習：歴史教育はどのように極端なイデオロギーへの支持を方向づけるか

社会 政治 経済

というCEPR論文が上がっている（Mostly Economics経由のVoxEU経由、ungated版）。原題は「Learning from the Past: How History Education Shapes Support for Extreme Ideology」で、著者はボッコーニ大のLuca BraghieriとSarah Eichmeyer 。
以下はその要旨。

Can teaching the history of authoritarian regimes built on extreme ideology lastingly reduce support for those ideologies? We examine this question by leveraging a natural experiment in a large German state where the senior high school history curriculum exogenously alternated covering, across cohorts, the communist German Democratic Republic and fascist Nazi Germany. Survey data collected around twelve years post-graduation from over 2,000 former students reveals that studying the GDR rather than the Nazi regime increases knowledge about the GDR (by 0.19 sd units) and reduces support for extreme left-wing ideology (by 0.10 sd units). Such treatment does not increase support for extreme right-wing ideology, except in more right-leaning regions.
（拙訳）
極端なイデオロギーに基づいて打ち立てられた専制主義的な体制の歴史を教えることは、そうしたイデオロギーへの支持を減らすだろうか？　我々は、ドイツの大きな州での高校の歴史カリキュラムのカバー対象が、コホートごとに、共産主義のドイツ民主共和国とファシズムのナチスドイツに外生的に交互に変わった自然実験を利用してこの問題を調べた。卒業からおよそ12年後に2千人以上の卒業生から収集された調査データは、ナチよりも東独の体制を勉強することの方が東独についての知識を（0.19標準偏差だけ）増やし、極端な左派のイデオロギーへの支持を（0.10標準偏差だけ）減らすことを明らかにした。そうした処置は、右寄りの傾向が強い地域を除き、極端な右派のイデオロギーへの支持を増やさなかった。

ニーダーザクセン州では、アビトゥーア（cf. アビトゥーア - Wikipedia）改革の一環として、2011-12年卒業生には東独の歴史を教える一方でナチスドイツの歴史は教えず、2009-10卒業生と2013-14卒業生にはナチスドイツの歴史について教える一方で東独の歴史は教えなかったとの由。調査は2023-2024に行われたので、卒業からおよそ12年後ということになる。

以下はコホートごとの学習対象の知識を示した論文の図。

以下はコホートごとのイデオロギー支持を示した論文の図。

左派のイデオロギーとしては左翼党（Die Linke、cf. 左翼党 (ドイツ) - Wikipedia）、右派のイデオロギーとしてはAfDの綱領を用いたとの由。

ニーダーザクセン州は旧西独だが、その中でも右派傾向の高い地域（AfDの支持率が高い地域）では、東独について勉強した人は右派を支持する傾向があったという（下図）。

以下のYouGov調査結果などで示されているように旧東独でAfDが支持を伸ばしていることを考えると、この結果は示唆に富んでいるように思われる。

ボルカー引き締めサイクル：1982年の反転の説明

経済

というセントルイス連銀論文をMostly Economicsが紹介している。原題は「The Volcker Tightening Cycle: Explaining the 1982 Course Reversal」で、著者は同銀のBill Dupor。
以下はその要旨。

This article studies the factors that led former Federal Reserve Chairman Paul Volcker to stop and then reverse course in the most famous monetary tightening cycle in U.S. history. I explain how the Fed began cutting its policy rate target, thus ending the tightening cycle, in July of 1982. Although the Fed had gained some ground in its fight against inflation, in mid-1982, inflation was running above 7 percent, well above the 2 percent inflation rate that the U.S. enjoyed before the Great Inflation. Beyond the Federal Open Market Committee’s (FOMC) partial success at taming inflation, I describe how economic pain and financial market stress were two practical and related considerations in the summer of 1982 that likely contributed to the monetary policy pivot. Finally, I discuss the political pressure facing the FOMC at that time.
（拙訳）
本稿は、ポール・ボルカー元FRB議長が、米国史で最も有名な金融引き締めサイクルを停止した後に反転するに至った要因を調べた。私は、1982年7月にFRBが政策金利目標をどのように引き下げ始め、それによって金融引き締めサイクルを終わらせたかを説明する。FRBはインフレとの戦いで幾分かの勝利を収めていたものの、1982年半ばのインフレは7%を上回っており、大インフレ期の前に米国が享受していた2%のインフレ率を大きく上回っていた。インフレを鎮静化する連邦公開市場委員会（FOMC）の部分的な成功以外に、経済的な痛みと金融市場の綻びが如何に1982年夏において金融政策の転換に寄与した可能性が高い2つの実際的かつ関連する考慮材料であったか、を私は説明する。最後に、当時FOMCが直面していた政治的圧力について論じる。

以下はLivingston Survey（cf. Livingston Survey - Wikipedia）による当時のインフレ経路予想を示した論文の図。

インフレは安定化すると予想されていたが、それは5%での安定であり、政策を反転させるに至ったのには他の要因が働いた、というのが論文の主旨である。

2世紀に亘る世代間の移動性

経済

というNBER論文が上がっている。原題は「Intergenerational Mobility over Two Centuries」で、著者はRan Abramitzky（スタンフォード大）、Leah Platt Boustan（プリンストン大）、Tamar Matiashvili（スタンフォード大）。
以下はその要旨。

This paper provides an overview of recent empirical and methodological advances in the study of historical intergenerational mobility trends, with a focus on key measurement challenges. These advances are made possible by the recent digitization of historical censuses and new methods of historical record-linking, which have enabled researchers to create large historical samples of parent-child links. We identify three main findings. First, absolute mobility increased in the decades leading up to 1940 but has since declined, both in the US and other industrial countries. Second, recent studies on relative mobility question the classic narrative that the US has transitioned from a “land of opportunity” in the 19th century to a less mobile society today, suggesting that mobility was not as high in the past. However, estimates of relative mobility are sensitive to choices regarding sample selection and measurement. Third, we explore mechanisms underlying shifts in intergenerational mobility over time, including geographic mobility, wealth shocks, educational attainment, locational effects, and the transmission of parent-specific human capital. We conclude by suggesting avenues for future research.
（拙訳）
本稿は、過去の世代間の移動性のトレンドの研究における最近の実証ならびに手法の進展について、測定の主要な課題に焦点を当てつつ、概観を提供する。そうした進歩は、過去のセンサスの最近のデジタル化と、過去の記録を関連付ける新たな手法によって可能になり、それによって研究者は、大規模な過去の親子のリンクのサンプルを作成することができた。我々は3つの主要な発見を明らかにした。第一に、米国と他の先進国の両方において、絶対的な移動性は1940年までの数十年間に上昇したが、それ以降は低下した。第二に、最近の相対的な移動性の研究は、米国が19世紀の「機会の国」から今日の移動性のより少ない社会に変わった、という昔から言われている話に疑問を呈しており、過去の移動性もそれほど高くなかったことを示している。ただし、相対的な移動性の推計はサンプルと測定の選択に左右される。第三に、地理的な移動性、富のショック、学歴、地域効果、および親特有の人的資本など、世代間の移動性の時系列変化の背景にあるメカニズムを我々は追究した。最後に我々は今後の研究の方向性を示す。

AbramitzkyとBoustanは別の共著者とIntergenerational Mobility of Immigrants in the United States over Two Centuries - American Economic Associationという似たようなタイトルの論文を2021年にAERに掲載しているが、今回の論文は移民以外も対象にしたより包括的なサーベイ論文のようである。
金ぴか時代とそれ以降：米国史におけるエリートの富の持続性 - himaginary’s diaryで紹介した研究も、ここで言う最近の研究手法の進展によって可能になった研究と言えそうである。