[論文レビュー] Modular structure in labour networks reveals skill basins

Neave O’Clery, Stephen Kinsella|arXiv (Cornell University)|Sep 8, 2019

Regional Economics and Spatial Analysis参考文献 80被引用数 4

ひとこと要約

本稿は、産業間労働移動に基づいてスキルベースの産業クラスタを同定するためのマルチスケールコミュニティ検出手法を提案する。『クラスタ雇用』と呼ばれる指標を導入し、これらのクラスタ内におけるスキル関連労働力の規模を捉える。英国のデータを用いて、クラスタ雇用が産業都市の雇用成長を予測できることを示し、労働力集積の最適スケールを特定する。これにより、産業政策および教育政策に向けた詳細な知見を提供する。

ABSTRACT

There is an emerging consensus in the literature that locally embedded capabilities and industrial know-how are key determinants of growth and diversification processes. In order to model these dynamics as a branching process, whereby industries grow as a function of the availability of related or relevant skills, industry networks are typically employed. These networks, sometimes referred to as industry spaces, describe the complex structure of the capability or skill overlap between industry pairs, measured here via inter-industry labour flows. Existing models typically deploy a local or 'nearest neighbour' approach to capture the size of the labour pool available to an industry in related sectors. This approach, however, ignores higher order interactions in the network, and the presence of industry clusters or groups of industries which exhibit high internal skill overlap. We argue that these clusters represent skill basins in which workers circulate and diffuse knowledge, and delineate the size of the skilled labour force available to an industry. By applying a multi-scale community detection algorithm to this network of flows, we identify industry clusters on a range of scales, from many small clusters to few large groupings. We construct a new variable, cluster employment, which captures the workforce available to an industry within its own cluster. Using UK data we show that this variable is predictive of industry-city employment growth and, exploiting the multi-scale nature of the industrial clusters detected, propose a methodology to uncover the optimal scale at which labour pooling operates.

研究の動機と目的

• 従来の「最近傍」モデルが産業ネットワーク内の高次元のスキル重複を捉えられていないという限界を是正すること。
• 産業間移動によって形成されるスキル関連の労働力プールが、雇用成長および産業多様化にどのように寄与するかをモデル化すること。
• クラスタ内に存在する関連スキル労働力の規模を定量化するスケール依存指標「クラスタ雇用」を開発すること。
• 統計的フィット基準を用いて、予測力が最大となるような労働力集積の最適スケール（クラスタ数）を同定することにより、政策設計を的確に行えるようにすること。
• 産業間スキル連携とギャップを明らかにすることで、証拠に基づく産業政策および教育政策を支援すること。

提案手法

• 正規化された産業間労働移動をエッジ重みとする産業空間ネットワークを構築する。
• 複数スケールにわたる解像度で、スキルベースの産業クラスタを同定するマルチスケールコミュニティ検出アルゴリズムを適用する。
• 「クラスタ雇用」を、検出されたクラスタに属する産業の雇用合計として定義し、関連スキル労働力プールの規模を表す。
• 経済統計モデルを用いて、クラスタ雇用が産業都市の雇用成長に与える予測力の有無を検証する。
• R二乗やAICなどの統計的フィット基準を用い、最も関連性の高い労働力集積スケールを反映するクラスタ数の最適値を同定する。
• 英国の縦断的労働市場データを用いて妥当性を検証し、特にスキルベースの移動と産業パフォーマンスに焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 どのようにして産業間労働移動からスキルベースの産業クラスタが生じ、そのモジュラー構造はどのようなものか？
• RQ2 クラスタ内に存在するスキル労働力の規模（『クラスタ雇用』）は、産業レベルの雇用成長をどの程度予測できるか？
• RQ3 予測力が最大となるように、どのスケール（クラスタ数）で労働力集積が行われるか？
• RQ4 スケールに応じてスキルの重複や移動パターンはどのように異なるのか？それらは産業の能力について何を明らかにするか？
• RQ5 どの産業の組み合わせが効果的にスキルを交換しているのか、また政策介入のための重要な連携が欠落している箇所はどこか？

主な発見

• マルチスケールコミュニティ検出から得られるクラスタ雇用は、英国における産業都市の雇用成長を統計的に有意に予測する要因である。
• 労働力集積の最適スケールは、やや少ないクラスタ数—過度に多くの小さなクラスタや、極端に少ない大きなクラスタよりも—であると判明し、非自明なネットワーク構造が重要であることが示された。
• 本手法は、従来の最近傍モデルで隣接しない分野同士の間で、以前に気づかれていなかったスキル連携を明らかにした。
• 労働ネットワークのモジュラー構造は、知識と労働者が循環する現実のスキルバケーションを反映しており、経路依存的な産業発展を支持する。
• 本手法は、スキルエコシステムにおける「欠落リンク」を同定し、新規の職業訓練プログラムや跨セクター訓練プログラムの導入機会を示唆した。
• クラスタ間移動性が高く、スキルクラスタが良好に接続されている地域は、参照された先行研究でも示されているように、経済的ショックに対してより回復力があることが分かった。