フランチェスコ・ダムーリ＆ジュリ・マルクッチ 「Googleトレンドの予測精度はいかほど？ ～Googleトレンドの検索データを使って失業率の行方を予測する～」（2009年12月16日）

●Francesco D’Amuri and Juri Marcucci, “The predictive power of Google data: New evidence on US unemployment”（VOX, December 16, 2009）

タイムリーな経済指標を求める世間の声に応えるために、Googleの助けを借りて時系列モデルの予測精度を高めようと試みられている。Googleトレンドの検索データ（「Googleインデックス」）を使えば、失業率の予測精度を大幅に高めることができるのだ。アメリカだけでなく、イタリアについても。

Googleトレンドを予測に役立てるのが一つのトレンド（流行）になっている。例えば、ネイチャー誌に掲載されたばかりのGinsberg et al (2009) では、Googleでインフルエンザに関係の深いキーワードがどれくらい検索されたかという情報だけを使ってインフルエンザ様疾患の患者数を予測するシンプルなモデルが開発されている。Googleで特定のキーワードがどれくらい検索されたかを知ろうと思ったら、全検索数に占める割合についてのデータが週ごとにほぼリアルタイムで利用できるのである。

求職活動にインターネットを活用するのも当たり前になりつつある昨今だが（Stevenson 2008）、失業の予測にGoogleの検索データを役立てようとする試みも散見されるようになってきている。これまでの研究成果によると、職探しに関わりの深いキーワードの検索数が総検索数に占める割合を示す「Googleインデックス」は、ドイツやイスラエルにおける失業率（Askitas＆Zimmermann 2009、Suhoy 2009）だけでなく、アメリカにおける失業保険の新規申請件数（Choi＆Varian 2009）を高い精度で予測できることが明らかになっている。

Googleトレンドの検索データを使ってアメリカの失業率の行方を予測する

今般の経済危機がインターネットを使った求職活動に及ぼした影響を浮き彫りにしているのが以下の図1である。危機が発生する前と後とで「Googleインデックス」の値がアメリカ国内でどう変化したかが可視化されている。「Googleインデックス」を失業率を予測するための先行指標の一つとして用いると、予測の精度が大幅に高まることが我々がつい最近行ったばかりの二つの研究で明らかになっている。アメリカ（D’Amuri＆Marcucci 2009）だけでなく、イタリア（D’Amuri 2009）についても。

図1　今般の危機が発生する前と後での「Googleインデックス」の変化 ^[1] … Continue reading

1ヶ月先、2ヶ月先、3ヶ月先の失業率を予測する上で、「Googleインデックス」を説明変数に含んでいるモデルの方が、線形・非線形の定評のある300以上の時系列モデル ^[2] 訳注；自己回帰移動平均（ARMA）モデル。よりも精度が高かったのである。

「Googleインデックス」は、アメリカ全土の失業率だけではなく、州ごとの失業率の予測でも力を発揮する。アメリカ国内の7割に上る州の失業率を予測する上で最も精度が高かったのは、「Googleインデックス」を説明変数に含んでいるモデルだったのである。さらには、以下の図2に示されているように、「Googleインデックス」を説明変数に含んでいるモデル〔緑色の線〕は、フィラデルフィア連銀が実施している専門家予測調査（SPF）〔青色あるいは赤色の線〕よりも高い精度で四半期の失業率を予測できるのである。予測誤差を測る尺度の一つである平均二乗誤差（Mean Squared Error）の値が1桁違いで小さいのだ。

図2　予測誤差 ～時系列モデル vs 専門家予測調査（SPF）～ ^[3]原注；専門家予測調査（SPF）と時系列モデルによる四半期の失業率の予測誤差を比較した図。対象期間は2007年2月～2009年6月。SPF_mean … Continue reading

「Googleインデックス」の高い予測精度は、イタリアにおいても確認されている。イタリアでも、「Googleインデックス」を説明変数に含んでいる時系列モデルが失業率の行方を予測する上で最も精度が高かったのである。政策の立案にも重要な意味を持ち得る発見である。なぜなら、四半期ごとの失業率が公式に発表されるのは大体2ヶ月後というのがイタリアの現状だが、Googleの検索データはほぼリアルタイムで利用できるからである。アメリカでは失業率のデータがもう少し早く公表されるので、「Googleインデックス」を失業率の予測に役立てることによって得られる見返りはイタリアにおいてのほうが大きそうである。

結論

「Googleインデックス」を失業率の予測に役立てる上での主たる難点は、インターネットを介した求職活動は失業者によるものだけとは限らないところである。在職中の転職活動も含まれている可能性があるのだ。別の難点は、誰もがインターネットを使うわけではないので、インターネットを介して職探しをする求職者は無作為に抽出されたサンプルとは言えない可能性があるところである。しかしながら、この点は大した問題じゃないだろう。求職活動にインターネットを活用するのが当たり前になりつつあるからだ。それに加えて、インターネットを使って職探しをする失業者とインターネットを使わずに職探しをする失業者とでショックから受ける影響が異ならない限りは、サンプルに偏りが生じることはないだろうからだ。

失業問題に対する世間の関心が高まるにつれて、失業率をタイムリーかつ正確に予測する必要性も高まっている。Googleの検索データの助けを借りれば、その求めに応じることも可能なのだ。

＜参考文献＞

●Askitas, Nikoa and Klaus F Zimmermann (2009), “Google Econometrics and Unemployment Forecasting（pdf）”, IZA Discussion Paper (4201).
●Choi, Hyonyoung and Hal Varian (2009), “Predicting Initial Claims for Unemployment Benefits（pdf）”, Google technical report.
●D’Amuri Francesco (2009), “Predicting unemployment in short samples with internet job search query data”, MPRA WP 18403.
●D’Amuri, Francesco and Juri Marcucci (2009), ““Google it!” Forecasting the US unemployment rate with a Google job search index”, ISER WP 2009-32.
●Ginsberg, Jeremy, Mathew H Mohebbi, Rajan S Patel, Lynnette Brammer, Mark S Smolinski and Larry Brilliant (2009), “Detecting Influenza epidemics using Search Engine Query Data”, Nature (457), pp.1012-1014.
●Stevenson, Betsy (2008), “The Internet and Job Search”, NBER Working Paper (13886).
●Suhoy, Tanya (2009), “Query Indices and a 2008 Downturn（pdf）”, Bank of Israel Discussion Paper (06).