Can Google searches help nowcast and forecast unemployment rates in the Visegrad Group countries?

要約

天気を予測しようとしている場面を想像してみてください。通常、公式の気象学者が計算を終えるのを待たなければならず、それには数日かかることもあります。雨が降るとわざわざ教えてもらえる頃には、あなたはすでに濡れてしまっているかもしれません。

では、窓の外を見て、人々が突然傘を買い始めたり、スマートフォンの天気予報をチェックしたりしている様子が見えたとしたらどうでしょう。公式の報告が届く前であっても、嵐が近づいていることが分かります。

この論文の著者たちが実際に行ったのは、まさにこれです。ただし、対象は「天気」ではなく「失業」であり、「傘」ではなく「Google検索」でした。

設定： 「ヴィセグラード・グループ」

この研究は、中央ヨーロッパの4カ国、すなわちチェコ共和国、ハンガリー、ポーランド、スロバキアに焦点を当てています。これらは時として「ヴィセグラード・グループ」と呼ばれます。米国やドイツのような大国が研究の注目を集める一方で、これら4カ国は規模が小さい国々です。著者たちは、これら小規模な国々の人々が残す「デジタル・フットプリント（デジタルの足跡）」が、労働市場について何か有用な示唆を与えてくれるのではないかと考えました。

核となるアイデア： デジタル・フットプリント

人々が仕事を失ったり、失業を心配したりするとき、彼らはただ家に座っているわけではありません。現代のデジタル社会において、彼らはオンラインへと向かいます。彼らはGoogleに「近くの仕事」、「履歴書の書き方」、「失業手当」といった言葉を入力します。

著者たちはシンプルな問いを立てました。**「これらの仕事に関連する用語の検索数をカウントすることで、失業率を予測できるだろうか？」**ということです。

研究結果

1. 関連性は実在する
著者たちは強い結びつきを発見しました。失業率が上がると、仕事関連の検索数も増加します。それはまるで鏡のようです。オンライン上の活動が、現実世界の苦境を反映しているのです。

• チェコとスロバキアでは、この関連性は非常に強く（動きが一致する割合は約50％）、極めて高い相関を示しました。
• ポーランドとハンガリーでも関連性は認められましたが、やや弱いものでした。

2. 「ナウキャスティング（現在予測）」： 公式発表の前に「今」を見る
公式の失業率は動きが遅いです。政府が全員をカウントし、データを処理して報告書を公開するまでには数ヶ月を要します。ニュースでその情報を読む頃には、データはすでに古いものとなっています。

• 論文の主張： Google検索は「即時」に行われます。これらの検索数を用いることで、著者たちは、単に昨年の数字に基づいて推測するよりも、はるかに正確に「現在の」失業率を予測するモデルを構築することができました。これは、雨が降り始める前に、雲が形成される様子を見ているようなものです。

3. 「フォーキャスティング（将来予測）」： 未来を予測する
著者たちはさらにこう問いかけました。「たとえ今日の失業率がすでに分かっていると仮定しても、これらの検索データは『来月』に何が起こるかを予測するのに役立つだろうか？」

• 論文の主張： はい、役立ちます。たとえ現在の失業率を知っていたとしても、Googleの検索データを加えることで、来月の予測精度はさらに向上します。これは、検索データが単に過去の現象の遅れたエコー（残響）ではなく、人々の現在の感情や計画に関する「新しい情報」を含んでいることを証明しています。

4. 双方向のプロセス（因果関係）
最後に、著者たちはどちらがどちらに影響を与えているのかを調べました。失業が検索を引き起こしているのか、それとも検索が失業の到来を知らせているのか。

• 論文の主張： それは双方向のプロセスです。調査対象となったほとんどの国において、この現象は両方向に働いています。人々は失業しているから検索を行うのですが、同時に、検索の急増は、公式の統計が追いつく前に労働市場が緊張状態にあることを知らせるシグナルにもなっているのです。

結論

この論文は、ヴィセグラード・グループのような小規模な経済圏においても、インターネットは強力なツールであると結論付けています。人々がGoogleに入力する内容を単に観察するだけで、経済学者や政策立案者は、従来の政府報告書を待つよりも、はるかに明確で、速く、そして正確な労働市場の姿を把握することができるのです。

要約すると： 人々のオンライン検索は、経済のリアルタイムな「脈拍チェック」として機能し、公式の統計が到着する前に失業の傾向を察知することを可能にします。

技術概要

技術要約：Google検索はビセグラード・グループ諸国の失業率のナウキャスティングおよび予測に役立つか？

問題提起
マクロ経済指標、特に失業率は、データの収集と処理に要する時間（多くの場合数ヶ月）により、大幅な公表ラグが生じる。この遅延は、タイムリーな政策対応や経済分析を妨げる要因となる。オンライン活動は、先進国（米国やドイツなど）における経済行動の高頻度プロキシ（代理指標）として検討されてきたが、中東欧の小規模経済圏におけるその有用性については、まだ十分に調査されていない。本論文は、仕事に関連するGoogle検索クエリが、ビセグラード・グループ諸国（チェコ共和国、ハンガリー、ポーランド、スロバキア）の失業率の有効な予測因子となり得るかという問題に取り組むものである。

手法
本研究では、2004年1月から2013年12月までの月次データを使用している。

• データソース： 失業率は、季節調整を行っていない一般人口（15〜74歳）を表すEurostat（EU労働力調査に基づく）から取得した。Google検索データは、現地の言語による仕事関連のキーワードを用いてGoogle Trendsから抽出した。キーワードは「práce」（チェコ語／スロバキア語）、「praca」（ポーランド語）、および「állás」（ハンガリー語）である。週次のGoogleデータを月次頻度に集計した。
• 前処理： 定常性の問題を解決するため、著者らは増大自己回帰（ADF）テストおよびKPSSテストを用いた。結果は、元の系列に単位根が含まれていることを示しており、階差をとる必要があることを示した。具体的には、分析には失業率の一次階差（$\Delta UR_t$）と、Google検索強度の対数一次階差（$\Delta \log(GI)_t$）を用いた。
• 分析フレームワーク：
  1. 基本的な関係性： 線形回帰モデルを推定し、検索強度と失業率の変化の間の弾力性を決定した。
  2. ナウキャスティング（現在値の予測）： 失業率データが3ヶ月のラグを持って利用可能であることを想定し、失業率と検索データの両方の12ヶ月のラグを組み込んだモデルを構築した。
  3. 予測（フォアキャスティング）： ベクトル自己回帰（VAR）モデルを、単純な自己回帰（AR）モデルと比較した。VARには両方の変数の12ヶ月のラグを含めた。
  4. 因果関係： VARの枠組み内でグレンジャー因果性テストを実施し、影響の方向性を特定した。
• 評価指標： 予測性能の評価には、平方根平均二乗誤差（RMSE）、平均絶対誤差（MAE）、および予測精度の統計的な比較のためのディボイド＝マリアノ（Diebold-Mariano）テストを用いた。

主な結果

• 相関と弾力性： 4カ国すべてにおいて、仕事関連の検索と失業率との間に正の比例関係が見られた。推定された弾力性は、チェコ共和国、ポーランド、スロバキアにおいて統計的に有意（少なくとも10%水準で）であり、その値は約0.20から0.55の範囲であった。
• ナウキャスティングの性能： Google検索データの導入により、ナウキャスティング・モデルが大幅に強化された。すべての国において、自由度調整済み決定係数（$R^2$）は約3分の1増加した（ポーランドでは増加幅がやや小さかった）。F統計量は、検索変数が1%水準でも結合して有意であることを裏付けた。
• 予測の性能： アウト・オブ・サンプル（サンプル外）予測（2013年）において、Googleデータを取り入れたモデルは、過去の失業率データのみに依存するモデルよりも優れた性能を示した。ディボイド＝マリアノ・テストは、検索データを含むVARモデルが、すべての国において5%以上の有意水準で、ARモデルよりも有意に優れた予測を提供することを裏付けた。
• 因果関係： グレンジャー因果性分析の結果、3カ国（チェコ共和国、ポーランド、スロバキア）において双方向の因果関係が明らかになった。これは、失業率の上昇が仕事の検索を促進し、検索活動の増加が失業の変化に先行または付随する労働市場の緊張を知らせるという、フィードバックループが存在することを示唆している。ハンガリーはその例外であり、どちらの方向にも有意なグレンジャー因果性を示さなかった。

意義と貢献
本論文は、経済学におけるビッグデータの研究に対して主に3つの貢献をしている。

1. 地理的範囲： Google検索データを経済指標として検証する範囲を、大規模な先進国（米国やドイツなど）から、中東欧の小規模経済圏へと拡張した。インターネット普及率が低い可能性や経済構造が異なる地域であっても、オンラインの検索行動がマクロ経済変数に対して堅牢な予測因子として機能することを実証した。
2. 手法の厳密性： 本研究は、単なる相関関係を超えた、包括的かつ段階的な分析手順を提供している。定常性を体系的に扱い、ナウキャスティング（ラグのある公式データを用いた現在値の予測）と予測（将来の予測）の両方を評価し、因果の方向性を調査している。
3. 政策的有用性： 本研究の結果は、オンライン検索データが単にデータラグによる時間の空白を埋めるだけでなく、「追加的な情報価値」を提供することを示唆している。ほとんどの国で見られた双方向の因果関係は、検索データが公式統計では捉えきれないリアルタイムのセンチメントや市場のダイナミクスを捉えていることを意味しており、ビセグラード・グループや同様の経済圏の政策立案者にとって貴重なツールとなる。

結論
著者らは、仕事関連のGoogle検索クエリが、ビセグラード・グループ諸国の失業率をモデリングするための強力な基盤であると結論付けている。このデータは、現在の失業水準のナウキャスティングを可能にするだけでなく、将来の予測精度を向上させ、これらの特定の地域における経済モニタリングのためのタイムリーかつ有益なシグナルを提供する。