基本情報/Basic Information

開講科目名 ／Course	経済理論特殊研究(理論経済学Ⅰ)(D)／ECONOMIC THEORY（THEORETICAL ECONOMICS I）
時間割コード ／Course Code	21956
開講所属 ／Course Offered by	大学院／
ターム・学期 ／Term・Semester	2020年度／2020 Academic Year　　春学期／SPRING SEMESTER
曜限 ／Day, Period	月3／Mon 3
開講区分 ／semester offered	通年／Yearlong
単位数 ／Credits	4.0
主担当教員 ／Main Instructor	藤山　英樹
科目区分 ／Course Group	大学院科目　講義科目

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
藤山　英樹	国際環境経済学科／ECONOMICS ON SUSTAINABILITY

授業の目的・内容 ／Course Objectives	ネットワーク分析の実証研究に必要な理論と実証モデルについて学ぶ． 　Calvó-Armengol et al. (2009)はネットワーク上におけるナッシュ均衡での努力水準がボナチッチ中心性と等しくなることを示し，実証分析にまで落とし込んだ，画期的な論文といえ，初めにこれを取り上げる． 　推定方法についてはnetwork autocorrelation modelsで取り扱う．ネットワーク分析特有の内生性に対処するために適切な操作変数が示される． 　以上の内生性はreflection problemと関連し，その理解を深めるためlinear in means modelのミクロ的基礎づけを取り上げる． 　春学期の最後は，学校内の課外活動におけるpeer effectの実証分析について取り上げる． 　秋学期の初めには，動学的なネットワークの実証分析で主要な分析手法となっているStochastic Actor-Oriented Modelを取り上げる． 　つづいて，静学的なネットワークの実証分析で主要な分析手法となっている，Exponential Random Graph Modelsについて取り上げる． 秋学期の最後には，ネットワークの理論分析についていくつか補足的なトピックスを見ていくことにする．
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	授業の形式はゼミナール形式であり、受講者が授業内で報告をし、それに対して教員からは適宜コメントをする。
事前・事後学修の内容 ／Before After Study	事前に指示された資料・論文について報告の準備をし、ハンドアウトを作成する。また、そのときに疑問点を整理する。さらには、事後に理解した内容を再度確認する。
テキスト1 ／Textbooks1	書籍名 ／Title 特になし。 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト2 ／Textbooks2	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト3 ／Textbooks3	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等1 ／References1	書籍名/ｻｲﾄ名 ／Title 必要な論文及び資料は指示もしくは配布する。 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等2 ／References2	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等3 ／References3	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
評価方法 ／Evaluation	授業時の報告(70%)，学期末のレポート(30%)．
備考 ／Notes
到達目標 ／Learning Goal	経済理論についての博士レベルの知識を修得し，経済現象を精密に分析できるようにする．

回 ／Time	授業計画（主題の設定） ／Class schedule	授業の内容 ／Contents of class	事前・事後学修の内容 ／Before After Study
1	1. Calvo-Armengol, et al. (2009) model 1: モデルの理解	Calvo-Armengol, et al (2009)のモデルの設定と主要な主張を理解する。すなわち、ネットワークの中心性とナッシュ均衡の関係性を学ぶ。
2	2. Calvo-Armengol, et al. (2009) model 2: 主要な命題の証明	Calvo-Armengol, et al (2009)の主要な命題の証明を含めてより深く学ぶ。
3	3. Calvo-Armengol, et al. (2009) model 3: 発展的な命題の確	Ballester et al. (2006)も確認しながら、Calvo-Armengol, et al. (2009)の主要な命題からどのような拡張が可能かを学ぶ。
4	4. Calvo-Armengol, et al. (2009) model 4: 実証の方法につい	Calvo-Armengol, et al. (2009) の中で、用いられている実証の方法 (Spatial error model)について学ぶ。
5	5. Calvo-Armengol, et al. (2009) model 5: その後の発展につ	Calvo-Armengol, et al. (2009)以後に、主に実証研究の面からいくつか発展がなされているので、その後の発展について学んでいく。
6	6. Reflection Problem: ネットワークの実証分析の固有の問題	ネットワークの実証分析を行う際に生じるreflection problemについて学ぶ。
7	7. Network Autocorrelation Models 1: 基礎編	Liu and Lee (2010)で示されたネットワークの計量モデルについて、どのような定式化がなされ、何が主張されているかを学ぶ。
8	8. Network Autocorrelation Models 2: いくつかの主張の導出	Liu and Lee (2010)で示されたネットワークの計量モデルで導出された主要な結果のいくつかについて証明を含めて、より深く学ぶ。
9	9. Network Autocorrelation Models 3: 実際の分析の確認	このモデルを用いての実証研究およびその後の発展について学ぶ。
10	10. Network Autocorrelation Models 4: Rによる実習	フリーソフトのRを用いて、実際のデータを用いて推定する。
11	11. Linear in Means Model 1: 基礎編	Linear in means modelにおいて、どのような定式化がなされ、何が主張されているかを学ぶ。
12	12. Linear in Means Model 2: 基本的な主張の導出	Linear in means modelの基本的な主張について、証明を含めてより深く学ぶ。
13	13. Linear in Means Model 3: その後の発展について	Blume et al. (2011)およびBlume et al. (2015)を用いて、Linear in Means Modelについて、その後の発展を学ぶ。
14	14. Peer effectについて	ネットワークの計量分析において、peer effectの測定は非常に盛んにおこなわれている。これまでのモデルにとらわれず、先行研究について概観する。
15	15. Stochastic Actor-Oriented Models 1: 基礎編	Stochastic Actor-Oriented Modelsの基本的な内容を学ぶ。
16	16. Stochastic Actor-Oriented Models 2: 発展編	Stochastic Actor-Oriented Modelsの発展的なモデルを学ぶ。
17	17. Stochastic Actor-Oriented Models 3: 応用（ネットワークの	ネットワークの進化について注目して、応用の文献を学ぶ。
18	18. Stochastic Actor-Oriented Models 4: 応用（ネットワークと	ネットワークと行動の共進化について注目して、応用の文献を学ぶ。
19	19. Stochastic Actor-Oriented Models 5: 実践編（基礎）	RのパッケージであるRSienaを用いて、実践時に用いる基礎的な技術を学ぶ。
20	20. Stochastic Actor-Oriented Models 6: 実践編（応用）	実際のデータに対してRSienaを用いて、分析を行う。
21	21. Exponential Random Graph Models 1: 基礎編	Exponential Random Graph Models の基本的な内容を学ぶ。
22	22. Exponential Random Graph Models 2: 発展編	Exponential Random Graph Models の発展的なモデルを学ぶ。
23	23. Exponential Random Graph Models 3: 比較	Exponential Random Graph ModelsとStochastic Actor-Oriented Modelsの違いを学ぶ。
24	24. Exponential Random Graph Models 4: 応用	Exponential Random Graph Modelsを応用した文献を学ぶ。
25	25. Exponential Random Graph Models 5: 実践編（基礎）	RのパッケージであるStatnetを用いて、実践時に用いる基礎的な技術を学ぶ。
26	26. Exponential Random Graph Models 6: 実践編（応用）	実際のデータに対してStatnetを用いて、分析を行う。
27	27. Public Goods and Networks	公共財供給に関するネットワーク上のゲームを学ぶ。
28	28. Games Played on Networks	より一般的なネットワーク上のゲームを学ぶ。