研究テーマ

計量経済学とは

私の専門分野は計量経済学（econometrics）です。計量経済学とは、端的に言えば「経済データ用にカスタマイズされた統計学」です。現実経済に潜む法則を発見するためには、適切な統計分析を行い、得られた分析結果に正しい経済学的解釈を与えなければなりません。計量経済学は、統計学と経済学の両面からデータ分析の手法を進化させようとする学問です。経済学という学問における計量経済学者は、経済データの統計分析のノウハウを提供するエンジニアのような存在です。

経済データは時系列データとクロスセクション・データの2種類に大別され、それぞれ異なる分析手法が必要となります。時系列データとは、例えば「2000年1月から2020年12月までの日本の失業率」のように、対象となる主体が単一で観測時点が複数存在するデータのことです。クロスセクション・データとは、例えば「2020年12月時点における世界各国の失業率」のように、対象となる主体が複数存在して観測時点が一点に固定されているデータのことです。私はおもに時系列データの分析を専門としており、ときにはそれ以外の計量経済学も研究しています。以下では、時系列分析に焦点を絞り、私の研究を紹介します。

時系列分析に関する研究紹介

時系列分析（time series analysis）の目的は、時系列データに含まれるパターンの特定や将来予測を行うことです。時間が過去から現在、そして現在から未来へと流れていく中で、時系列データは蓄積されていきます。時系列変数の過去および現在の実現値に基づいて、その変数の挙動をモデル化し、将来の値を予測することが、時系列分析の基本です。時系列分析の応用対象は、企業の業績予測、金融市場におけるバブルや暴落の検知、経済成長率や物価水準に代表されるマクロ経済指標の見通しなど、経済分野だけでも多岐にわたります。さらにはウイルス感染症の発生状況のモニタリング、気候変動のトレンドの把握など、時系列分析は社会科学および自然科学の様々な分野で応用されています。

時系列分析の課題は、モデルの当てはまりや予測精度の向上にあります。この課題を達成するためには、関心のある変数の特性と整合的な分析手法を当てはめることが求められます。より精度の高い分析は、企業の経営戦略、投資家のポートフォリオ戦略、政府や中央銀行の財政金融政策などの効率化へとつながります。このような問題意識の下、私は新たな分析手法の開発と応用に取り組んでいます。これまでの研究テーマには、複数の変数間の先行遅行関係の特定、時系列変数の予測不可能性の検定、閾値効果（threshold effect; いきちこうか）と呼ばれる非対称性への対応などが含まれます。また、実証分析においては、マクロ経済指標、金融資産価格、新型コロナウイルス関連統計など幅広いデータを分析しています。

とりわけ強い関心を寄せているのは、複数の観測頻度が混在する状況下での時系列分析です。従来の時系列分析は、分析対象のデータの観測頻度がひとつに揃っていないと実行できませんでした。例えば、多くの国において、失業率のデータは毎月公表されるのに対して、国内総生産（gross domestic product; GDP）のデータは3か月に一度しか公表されません。そのため、失業率とGDPの先行遅行関係を分析する場合、月次の失業率のデータを四半期ベースに集計する必要がありました。このような時制集約（temporal aggregation）は情報の損失を招き、分析精度を低下させます。月次データは月次のまま、四半期データは四半期のまま、すべての情報を余すところなく使い切れば、より高精度の統計分析が可能となります。

複数の観測頻度が混在する中で時制集約を避けて分析を行う方法は、2004年頃から欧米を中心として開発され始め、今日では“Mixed Data Sampling (MIDAS; マイダス)”という総称で広く普及しています。MIDASが経済予測の精度向上に役立つことは、現代ではもはやコンセンサスといえるでしょう。私は2009年から2014年までの5年間、米国のノースカロライナ大学チャペルヒル校へ大学院留学しました。その頃から現在に至るまで、MIDASに関する理論研究と実証研究を続けています。一連の研究成果は、MIDASの技術的進歩や現実経済のメカニズムの解明に寄与していると考えます。

講義・ゼミの内容

担当経験のある科目

統計学（学部講義）

本科目は学部1年生を対象とする必修の専門科目であり、統計学（statistics）の基礎を身につけることを目的としています。現代社会では膨大な量のデータが手に入ります。データを適切に分析することで、現実社会に潜む法則が見つかったり、社会問題解決のためのヒントが得られたりします。統計学は、適切なデータ分析を行う上で不可欠な学問です。

本科目は、まず記述統計学を学び、次に記述統計学と推測統計学の橋渡しを行い、最後に推測統計学を学ぶという三部構成となっています。記述統計学は、与えられたデータを可視化し要約することを目的としています。それに対して推測統計学は、与えられたデータの背後にあるメカニズムを推測することを目的としています。

記述統計学では、度数分布表、ヒストグラム、標本平均、標本分散、標本相関係数などを学びます。記述統計学と推測統計学の橋渡しでは、確率、確率変数、正規分布とその派生分布、無作為標本抽出、大数の法則、中心極限定理などを学びます。推測統計学では未知パラメータの推定と仮説検定を学びます。講義全体を通じて、ひとつひとつの専門的概念を「言葉」「数式」「図表」の三方面からバランス良く理解することを意識します。

計量経済学（学部講義）

本科目は学部2年生を対象とする専門科目であり、計量経済学の基礎を身につけることを目的としています。計量経済学とは、端的に言えば「経済データ用にカスタマイズされた統計学」です。経済理論に基づく仮説が現実経済において成立しているか検証したり、現実的な視点から経済理論を補完・修正したりする際、計量経済学が大いに力を発揮します。本科目では、回帰分析に焦点を当てつつ、計量経済学の理論と実践を教授します。回帰分析とは、被説明変数Yの挙動を説明変数Xの挙動で説明しようとする分析手法です。

本科目では、線形回帰モデル、最小二乗法、決定係数、ガウス・マルコフの定理、t検定、重回帰分析、F検定など、回帰分析の基本的なトピックをカバーします。また、不動産価格データや企業財務データの実証分析の事例を紹介し、計量経済学が現実社会でどのように活用されているかを学びます。「統計学」と同じく、ひとつひとつの専門的概念を「言葉」「数式」「図表」の三方面からバランス良く理解することを意識します。

Time Series Analysis（大学院講義）

本科目は大学院生を対象とする専門科目であり、時系列分析の理論と応用を理解することを目的としています。時系列変数は定常変数と非定常変数の2種類に大別されますが、本科目ではその両方を学びます。定常（stationary）な変数とは、時間を通じて一定の平均値の周りで安定的に推移する変数のことです。それに対して非定常（non-stationary）な変数とは、平均値が時間とともに変動する変数、あるいは一定の平均値への回帰が起こらない変数のことです。多くの経済変数は、それ自体は非定常であり、前期比変化分をとると定常になります。したがって、計量経済分析にあたっては、定常変数と非定常変数の両方を理解することが望ましいといえます。

本科目では、自己回帰移動平均モデル（autoregressive moving average; ARMA）, 自己回帰条件付き不均一分散モデル（autoregressive conditional heteroscedasticity; ARCH）, ベクトル自己回帰モデル（vector autoregression; VAR）, 単位根（unit root）, 見せかけの回帰（spurious regression）, 共和分（cointegration）, ベクトル誤差修正モデル（vector error correction; VEC）などのトピックをカバーします。基本的に理論と数値実験を重視した授業構成ですが、時間の許す限りマクロ経済や金融市場に関する実証分析の事例も紹介します。

学部ゼミ

2020年度より学部ゼミを開講しました。茂木ゼミでは、経済データに対して適切な計量分析を行えるようになることを目指します。3年次は計量経済学やプログラミングの教科書を輪読し、計量経済学の理論と応用への理解を深めます。4年次は各自の研究テーマに沿って卒業論文を執筆します。卒業研究のテーマは、データ分析さえ含まれていれば、各自の関心に従ってほぼ自由に設定できます。2期生の1名は最優秀卒業論文賞（白木賞）を受賞しました。また、2期生の別の1名は私との共同論文を執筆し、それは後にプロレベルの英文学術雑誌に掲載されました。さらに、3期生の1名は優秀卒業論文賞を受賞しました。

大学院ゼミ

2020年度より大学院ゼミを開講しました。茂木ゼミでは、計量経済学と時系列分析の研究を行い、学術論文を執筆します。論文内では、既存の分析手法よりも優れた新規の分析手法を提案し、その優位性を理論的・数値的・実証的に示すことを期待します。これは決して容易なことではありませんが、優れた分析手法の提案は学術界において高く評価されます。私との共同論文を執筆し、それが後に査読付き英文学術雑誌に掲載されたゼミ生もいます。

メッセージ

私が計量経済学者を志したのは、学部生のときに履修した講義やゼミで計量経済分析の面白さに魅せられたことがきっかけです。それ以来、大学で計量経済学の研究・教育に従事することが、私のライフワークとなっています。学部時代からはや20年もの年月が流れましたが、当時の志は常に持ち続けています。授業やゼミの履修者に計量経済学の醍醐味をお伝えすべく、「楽しく、分かりやすく、役に立つ授業」を心がけます。

主要業績

査読付き英文学術雑誌掲載論文

1. E. Ghysels, J. B. Hill, and K. Motegi (2016). Testing for Granger causality with mixed frequency data. Journal of Econometrics, vol. 192, pp. 207-230.
2. K. Motegi and A. Sadahiro (2018). Sluggish private investment in Japan’s Lost Decade: Mixed frequency vector autoregression approach. North American Journal of Economics and Finance, vol. 43, pp. 118-128.
3. J. B. Hill and K. Motegi (2019). Testing the white noise hypothesis of stock returns. Economic Modelling, vol. 76, pp. 231-242.
4. S. Hamori, K. Motegi, and Z. Zhang (2019). Calibration estimation of semiparametric copula models with data missing at random. Journal of Multivariate Analysis, vol. 173, pp. 85-109.
5. J. B. Hill and K. Motegi (2020). A max-correlation white noise test for weakly dependent time series. Econometric Theory, vol. 36, pp. 907-960.
6. K. Motegi, X. Cai, S. Hamori, and H. Xu (2020). Moving average threshold heterogeneous autoregressive (MAT-HAR) models. Journal of Forecasting, vol. 39, pp. 1035-1042.
7. E. Ghysels, J. B. Hill, and K. Motegi (2020). Testing a large set of zero restrictions in regression models, with an application to mixed frequency Granger causality. Journal of Econometrics, vol. 218, pp. 633-654.
8. S. Hamori, K. Motegi, and Z. Zhang (2020). Copula-based regression models with data missing at random. Journal of Multivariate Analysis, vol. 180, #104654.
9. C. Ai, O. Linton, K. Motegi, and Z. Zhang (2021). A unified framework for efficient estimation of general treatment models. Quantitative Economics, vol. 12, pp. 779-816.
10.  K. Motegi and Y. Iitsuka (2023). Inter-regional dependence of J-REIT stock prices: A heteroscedasticity-robust time series approach. North American Journal of Economics and Finance, vol. 64, #101840.
11. K. Motegi and S. Woo (2024). A note on the exponentiation approximation of the birthday paradox. Communications in Statistics – Theory and Methods, vol. 53, pp. 6417-6426.
12. K. Motegi and S. Hamori (2025). Conditional threshold effects of stock market volatility on crude oil market volatility. Energy Economics, vol. 143, #108189.
13. K. Motegi and S. Sugano (2025). Cross-regional spillover effects of sustainability indices: A heteroscedasticity-robust VAR approach. International Review of Financial Analysis, vol. 108, #104678.
14. K. Motegi and S. Hayashi (2026). A groupwise approach to the birthday paradox. Communications in Statistics – Theory and Methods, vol. 55, pp. 640-658.

お問合せ

E-mail

motegi(at)econ.kobe-u.ac.jp

Office hours

予めメールにてアポイントメントを取ってください。