[論文レビュー] Leveraging the Power of Place: A Data-Driven Decision Helper to Improve the Location Decisions of Economic Immigrants

Jeremy Ferwerda, Nicholas Adams-Cohen+5 more|arXiv (Cornell University)|Jul 27, 2020

Migration and Labor Dynamics参考文献 23被引用数 6

ひとこと要約

本論文は、機械学習と行政データを活用して、経済的移住者に個別化された場所の推薦を行うデータ駆動型意思決定支援ツールを提案する。このツールにより、過剰に人口が集中している不適切な移住先を避けることで、初期収入が向上する。カナダのエクスプレス・エントリー・データを用いたバックテストでは、このツールが最小限の実装コストで移住者の期待収入を顕著に向上させられると示された。

ABSTRACT

A growing number of countries have established programs to attract immigrants who can contribute to their economy. Research suggests that an immigrant's initial arrival location plays a key role in shaping their economic success. Yet immigrants currently lack access to personalized information that would help them identify optimal destinations. Instead, they often rely on availability heuristics, which can lead to the selection of sub-optimal landing locations, lower earnings, elevated outmigration rates, and concentration in the most well-known locations. To address this issue and counteract the effects of cognitive biases and limited information, we propose a data-driven decision helper that draws on behavioral insights, administrative data, and machine learning methods to inform immigrants' location decisions. The decision helper provides personalized location recommendations that reflect immigrants' preferences as well as data-driven predictions of the locations where they maximize their expected earnings given their profile. We illustrate the potential impact of our approach using backtests conducted with administrative data that links landing data of recent economic immigrants from Canada's Express Entry system with their earnings retrieved from tax records. Simulations across various scenarios suggest that providing location recommendations to incoming economic immigrants can increase their initial earnings and lead to a mild shift away from the most populous landing destinations. Our approach can be implemented within existing institutional structures at minimal cost, and offers governments an opportunity to harness their administrative data to improve outcomes for economic immigrants.

研究の動機と目的

• 経済的移住者が初期定住地を選択する際の、個別化された情報の不足に対処すること。
• 利用可能性ヒューリスティクスなどの認知バイアスによって引き起こされる不適切な場所選択を軽減すること。
• 行政データと機械学習を活用して場所別収入を予測することで、移住者の経済的成果を向上させること。
• 既存の移民プロセスを置き換えることなく、個人の意思を尊重しながら、低コストでスケーラブルな意思決定支援を設計すること。
• 政府が既存のデータインfra構造を活用して、経済的移住者の統合成果を向上させること。

提案手法

• 意思決定支援ツールは、最近のカナダの経済的移住者の到着地と納税記録を結びつける行政データで訓練された機械学習モデルを用いる。
• 結果に基づくマッチングアルゴリズムを適用して、類似した属性を持つ移住者について、異なる場所での期待収入を予測する。
• 個々の好みと経済的パフォーマンスのデータドリブン予測に基づいて、推薦を個別化する。
• システムは意思決定支援として機能し、拘束力のある指針ではなく、情報に基づいた意思決定を支援する。
• モデルは継続的に新しいデータで更新され、変化する労働市場状況と個人の成果を反映する。
• バックテストは、エクスプレス・エントリー制度の歴史的データを用いて、推薦の影響をシミュレートする。

実験結果

リサーチクエスチョン

• RQ1 認知バイアスや限られた情報の影響で、経済的移住者がどれほど不適切な到着地を選択しているのか。
• RQ2 個別化されたデータドリブンな場所推薦が得られれば、期待収入はどの程度向上するのか。
• RQ3 的確な推薦によって、最も人気のある都市への地理的集中はどの程度軽減可能か。
• RQ4 既存の政府行政システム内でのこの意思決定支援の実装は、どの程度スケーラブルでコスト効率が良いのか。
• RQ5 この意思決定支援は、短期的な収入を超えて、長期的統合や地方開発といった成果を優先するように改造可能か。

主な発見

• カナダの経済的移住者の大きな割合が、収入予測上、不適切な場所に定住している。より良い選択をすれば、大きな収入上昇の可能性がある。
• バックテストの結果、データドリブンな推薦が提供されれば、経済的移住者の初期年間収入が顕著に増加することが示された。
• 推薦により、最も人口の多い到着地への集中がやや軽減され、より地理的に分散した定住パターンが促進される。
• 必要な行政データはすでに存在し、政府が定期的に収集しているため、このシステムは最小限の追加コストで実装可能である。
• この意思決定支援は、強制ではなく、推薦のみを提供することで、個人の意思を尊重し、情報に基づいた自発的な選択を可能にする。
• このアプローチは改造可能であり、長期的収入や地方経済開発といった他の統合成果を優先するように拡張可能である。