Topology and Formation of Production Input Interlinkages: Evidence from Japanese microdata

近年のマクロ経済現象の研究において、企業間取引ネットワークが果たす役割が強調されている。しかし、そのような研究の多くではネットワークは外から与えられるものとして固定され、ネットワーク構造の時間発展や形成メカニズムについては、あまり多くは分かっていない。本研究ではこのギャップを埋めるべく、約80,000社の企業とそれらの企業か形成するネットワークに焦点を当て、形成メカニズムについて分析を行った。まずわれわれは、一つ一つの取引関係はサンプル期間を通じて決して安定的ではないにも関わらず、ネットワーク上の大域的な性質、特にショックの伝播に関する性質が驚くほど安定的であることを示した。次に、この大域的に安定している性質がどのようにしてもたらされているのかを、SAOM(stochastic actor-oriented model)という統計手法で分析した。この手法では、ネットワークの時間発展を個々の企業の近視眼的な選択の結果と考え、企業はそれぞれの取引先企業の性質（生産性など）や局所的なネットワーク構造（企業と取引先間のネットワークの距離など）を考慮に入れて取引先企業を選択すると想定する。このモデルに基づいて分析した結果、企業の取引先の選択においては取引先の生産性は大きな説明力は持たず、むしろ企業と取引先とのネットワーク上の距離や取引先が持つ顧客数など、局所的なネットワークに関連する変数が大きな説明力を持つことが分かった。

Recent studies have emphasized the role of production input interlinkages in explaining a wide range of economic phenomena. In the vast majority of these studies, however, the input-output architecture is fixed and exogenously given, and hence relatively little is known about the evolution of the production network and the underlying mechanisms shaping its dynamics. Here we seek to fill this gap in the extant literature by studying the evolution of production input interlinkages on the most granular level of economic activity, building on a diverse set of more than 80,000 companies sampled across nearly all industries of the Japanese economy. We find that several network properties with a pronounced impact on shock propagation and the emergence of aggregate fluctuations are remarkably stable over time and invariant under the local link formation mechanism. To estimate the mechanism inducing this stability, we employ a stochastic actor-oriented model that resolves the problem of interdependent observations inherent to networked environments. This model approaches the dynamics of the production network from the perspective of individual firms whose myopic decisions to change their suppliers take into account the effect of direct connections and link externalities. Building on this approach, we find that topological features of the network such as network distance and the current number of relationships are a main driver of network dynamics in subsequent periods, and are quantitatively more important than productivity differentials.