Stacking Ensemble Models for Predicting Digital Payment Adoption: A Comprehensive Machine Learning Analysis of Global Findex 2025 Data

世界経済を、誰もが取引、貯蓄、購入を行おうとしている、巨大で賑やかなマーケットプレイスだと想像してみてください。長い間、このマーケットプレイスは主に物理的なものでした。銀行へ足を運んだり、現金を持ち歩いたり、小切手を書いたりする必要がありました。しかし最近、魔法のような新しいツールが現れました。それがデジタル決済です。これらはスマートフォンのやコンピュータを通じて空中を駆け巡る「見えないコイン」のようなもので、紙幣に一切触れることなく支払うことができます。この変化は大きな意味を持ちます。なぜなら、これまで市場から締め出されていた人々（例えば、離れた村に住む人々や、あまりお金を持っていない人々）が、ようやくこのパーティーに参加できるようになったからです。これは「金融包摂（ファイナンシャル・インクルージョン）」と呼ばれ、誰もがより良い生活を築くための鍵となります。

しかし、ここにはトリッキーな部分があります。まだこれらのデジタルコインを使っていない人々もいるのです。中には、両足で勢いよく飛び込んでいる人もいれば、混乱したり怖がったりして、傍観している人もいます。科学者や経済学者は、なぜ一部の人々がこれらの新しいツールを採用し、他の人々はそうしないのか、その正確な理由を解明しようとしてきました。彼らは、その人の収入額、年齢、スマートフォンを持っているかどうかといった手がかりを調査しました。伝統的には、単純な数学を用いて答えを推測してきましたが、世界は混沌としており、複雑です。時には、手がかり同士が奇妙に相互作用することもあります。例えば、スマートフォンを持っていても、使い方が分からなければ意味がないことや、お金を持っていてもインターネットを信頼していなければ意味がないことなどです。このパズルを解くために、研究者たちは現在、「機械学習」を使用しています。これは、超スマートなロボットに何百万もの手がかりを一度に見せ、人間では気づけないパターンを見つけ出す方法を教えるようなものです。

この研究において、研究チームはデジタル決済の採用という謎を解くために、超スマートなロボット探偵を構築することに決めました。彼らは単に一つのロボットを用意したのではなく、それぞれ異なる思考法を持つロボットのチームを作り、それらが協力して働くように教え込みました。彼らは「Global Findex 2025」と呼ばれる、141カ国、140,900人の成人の情報を収めた巨大なフォトアルバムのようなデータセットを使用しました。データの乱れた部分を整理した後、彼らは研究対象となる102,954人の明確な姿を得ました。

研究者たちはまず、教育レベル、インターネットへのアクセス、収入源といった183種類の異なる手がかり（変数）のリストをロボットチームに与えました。作業を容易にするため、彼らはスマートなフィルターを使用して最も重要な66個の手がかりを選び出し、さらにいくつかの手がかりを新しい「スーパー手がかり」へと結合しました。例えば、教育レベルとインターネットの使用量を掛け合わせた「スーパー手がかり」を作成しました。なぜなら、両方を併せ持つことは、片方だけを持つよりもはるかに強力であると彼らは考えていたからです。また、収入源の多様性や、貯蓄をしているかクレジットカードを持っているかといった「金融への関心の高さ」に関する新しい手がかりも作成しました。

次に、研究者たちは、XGBoost、LightGBM、CatBoostと呼ばれる高度なアルゴリズムを用いた3種類の異なる「ベース」ロボットを訓練しました。これらを3人の異なる探偵と考えてみてください。一人は細かいディテールを見つけるのが得意で、もう一人は膨大な情報を素早く処理するのが得意であり、三人目は乱雑なカテゴリデータを扱うのが非常に優れています。彼らはただロボットに推測させたのではありません。カメラのレンズの焦点を合わせるように、設定を微調整するための特別なツールである「Optuna」を使用して、彼らが最大限に鋭くなれるよう調整しました。

しかし、本当の魔法は、彼らがこれらのロボットを「スタッキング」チームに投入すると決めた時に起こりました。一つのロボットに最終決定を下させるのではなく、まず3つのベースロボットに推測をさせました。そして、それらの推測を「メタ学習器」となるロボット（この場合はExtraTrees分類器）に投入しました。このロボットの唯一の仕事は、3つのベースロボットの意見を聞き、誰が正しいかを判断することです。それは、3人の専門家が意見を出し、賢明な裁判官がそのすべてを聞いて最終的な判決を下すようなものです。研究者たちは、このチームを、単一のロボットによる予測や、多数決による投票といった他の手法と比較検証しました。

結果は目覚ましいものでした。「スタッキング」チーム、具体的にはLightGBMとXGBoostをベースの探偵とし、ExtraTreesロボットを裁判官とした組み合わせは、93.04%の確率で正解を導き出しました。これが彼らが見つけた最高のスコアであり、単独のロボットや他のチームの組み合わせを上回りました。研究者たちはまた、SHAPというツールを使用して、ロボットの脳内を覗き込み、なぜその決定を下したのかを確認しました。彼らは、ロボットが3つの主要な要因、すなわち「教育レベル」「インターネットへのアクセス」「収入額」に強く影響されていることを発見しました。興味深いことに、ロボットは、教育とインターネットへのアクセスは、それらが同時に発生したときに最も効果を発揮することを学びました。片方だけでは、もう片方がないとあまり役に立たないのです。

この研究はまた、ロボットの微調整（ハイパーパラメータ最適化）が多少の助けにはなるものの、真の「秘伝のソース」はチームの構造そのものであることも示しました。「スタッキング」のアプローチは、単独のロボットが行うよりも、予測をはるかに安定させ、正確にしました。しかし、研究者たちは、彼らのロボットが低所得層や農村部の人々の行動を予測する際には、依然として苦戦していることも指摘しました。これは、これらのグループには、ロボットが持っているデータでは説明しきれない隠れた障壁（信頼の欠如、セキュリティへの不安、あるいはインターネット速度の遅さなど）がまだ存在していることを示唆しています。

結局のところ、この論文は、専門化されたスマートな機械学習モデルのチームを連携させることで、デジタル決済の利用を開始する人々を非常に高い精度で予測できることを示しています。これは、教育とインターネットへのアクセスが金融包摂を解き放つための「黄金の鍵」であることを裏付けていますが、同時に、単にインフラを構築するだけでは不十分であり、人々がそれを使うためのスキルと信頼を持たなければならないことも警告しています。研究者たちは、将来の研究において、これらの行動が時間の経過とともにどのように変化するか、またより大きな経済的要因を含めるべきであると示唆していますが、現時点では、この「スタックされた」ロボットチームが、デジタルマネー革命が世界中でどのように広がっているかを示す、最も鮮明な視点を与えてくれます。