[論文レビュー] Modeling the formation of R&D alliances: An agent-based model with empirical validation

Mario V. Tomasello, Rebekka Burkholz+1 more|arXiv (Cornell University)|Dec 6, 2017

Innovation Diffusion and Forecasting参考文献 3被引用数 1

ひとこと要約

本稿では、企業の異質なフィットネスと個々の利得閾値を用いて、右に歪んだR&D連携のサイズ分布の出現を説明するエージェントベースモデルを提案する。15,000社の企業と15,000件の連携を26年間にわたりカバーするデータセットを用いて、3つの自由パラメータをキャリブレーションすることで、モデルは実証的な連携サイズ分布を高い精度で再現し、シミュレーションコストを低減する解析的解を提供する。これは、他の連携形成の文脈への一般化を可能にする。

ABSTRACT

The authors develop an agent-based model to reproduce the size distribution of R&D alliances of firms. Agents are uniformly selected to initiate an alliance and to invite collaboration partners. These decide about acceptance based on an individual threshold that is compared with the utility expected from joining the current alliance. The benefit of alliances results from the fitness of the agents involved. Fitness is obtained from an empirical distribution of agent’s activities. The cost of an alliance reflects its coordination effort. Two free parameters ac and a1 scale the costs and the individual threshold. If initiators receive R rejections of invitations, the alliance formation stops and another initiator is selected. The three free parameters (ac; a1; R) are calibrated against a large scale data set of about 15,000 firms engaging in about 15,000 R&D alliances over 26 years. For the validation of the model the authors compare the empirical size distribution with the theoretical one, using confidence bands, to find a very good agreement. As an asset of our agent-based model, they provide an analytical solution that allows to reduce the simulation effort considerably. The analytical solution applies to general forms of the utility of alliances. Hence, the model can be extended to other cases of alliance formation. While no information about the initiators of an alliance is available, the results indicate that mostly firms with high fitness are able to attract newcomers and to establish larger alliances.

研究の動機と目的

• 先行モデルではメカニズム的説明が欠落している、広範で右に歪んだR&D連携サイズの分布という実証的観察を説明すること。
• 個々の企業の意思決定に基づいて動的連携形成をシミュレートするエージェントベースモデルを構築すること。
• 26年間にわたり15,000社の企業と15,000件の連携をカバーする大規模な実証データセットを用いて、モデルをキャリブレーションおよび検証すること。
• 計算コストを低減し、異なる連携形成シナリオへの一般化を可能にする解析的解を提供すること。
• イニシエータレベルのデータが不足している中で、連携形成のマイクロレベルメカニズム、特に企業のフィットネスと拒否ダイナミクスの役割を同定すること。

提案手法

• エージェント（企業）が均等に選ばれ、個々の利得閾値に基づいてパートナーを招待して連携を開始する。
• 招待の受け入れは、企業が連携参加の期待利得と、企業固有の閾値を比較することによって決定され、フィットネスとコストパラメータに影響を受ける。
• 企業のフィットネスは、協働の傾向に差異を示す実際の企業活動の経験的分布から抽出される。
• 連携コストは調整作業の関数としてモデル化され、パラメータacによってスケーリングされ、個々の閾値はalによってスケーリングされる。
• R回の拒否が発生した後、新たなイニシエータの選択が行われる。Rは自由パラメータとして扱われる。
• モデルパラメータ（ac、al、R）は、実証的な連携サイズデータを用いて最尤推定法によりキャリブレーションされる。

実験結果

リサーチクエスチョン

• RQ1 どのようなマイクロレベルメカニズムが、観察された広範で右に歪んだR&D連携サイズ分布を生じさせているのか？
• RQ2 企業のフィットネスと個々の利得閾値が、連携形成とサイズ分布にどのように統合的に影響を与えるのか？
• RQ3 イニシエータの識別情報が事前に不明な状態でも、実証的根拠に基づくパラメータを有するエージェントベースモデルが、実証的な連携サイズ分布を再現できるか？
• RQ4 モデルのダイナミクスはどの程度解析的に解けるか？計算負荷の低減にどの程度寄与できるか？
• RQ5 拒否ダイナミクスとパートナー選択行動は、R&D連携の出現的ネットワークトポロジーにどのように影響を与えるか？

主な発見

• エージェントベースモデルは、信頼区間の比較によって確認されたように、実証的なR&D連携サイズ分布を高い精度で再現できた。
• キャリブレーションプロセスにより、経済的直観に整合するパラメータ値が得られた：高フィットネス企業はイニシエートしやすく、パートナーを引きつける傾向がある一方、低フィットネス企業は低い閾値を持ち、より容易に受け入れられる。
• モデルの解析的解は、シミュレーション作業を顕著に削減し、一般化された利得関数やコスト関数にも適用可能であるため、一般化可能性が向上した。
• モデルで観察された多数の拒否は、連携形成の主なボトルネックがイニシエータにあり、適切なパートナーを継続的に探さなければならないことの証左である。
• 明示的にモデル化されていないが、結果から、高フィットネスの既存企業が、中規模企業やスタートアップに対して連携形成を主導していると示唆される。
• モデルが広範で右に歪んだ連携サイズ分布を再現できたことは、提示されたエージェントレベルのルールが現実の連携ダイナミクスのメカニズムとして妥当であることを支持する。