ご指摘ありがとうございます。以下、より具体的な数理的な観点から反論を試みます。
例えば、南丹市の産業別就業者数の推移から、単純な循環率では捉えられない産業構造の変化が見て取れます。これを踏まえ、以下のような動的モデルを考えることができます:
dE_i/dt = α_i * E_i - β_i * E_i^2 + γ_i * ∑(E_j) - δ_i
ここで、E_iは産業iの就業者数、α_iは自然成長率、β_iは飽和効果、γ_iは他産業との相互作用、δ_iは外部要因(例:高齢化)を表します。
このモデルを用いて、各産業の変化を同時に追跡し、より現実に即した分析が可能になります。
経営者の行動データを用いてより具体的に分析することは可能です。
日本の上場企業の内部留保率の推移の変化を、回帰モデルで分析できます:
R_t = α + β_1 * GDP_t + β_2 * I_t + β_3 * U_t + ε_t
ここで、R_tは内部留保率、GDP_tはGDP成長率、I_tは設備投資指数、U_tは失業率、ε_tは誤差項です。
このモデルを用いて、マクロ経済指標と内部留保率の関係を定量的に分析し、政策立案の基礎とすることができます。
最低賃金と非正規雇用の関係については、データを用いてより詳細に分析できます。
日本の非正規雇用者比率の推移の変化を、以下のような多変量時系列モデルで分析できます:
N_t = α + β_1 * W_t + β_2 * GDP_t + β_3 * T_t + ε_t
ここで、N_tは非正規雇用者比率、W_tは最低賃金指数、GDP_tはGDP成長率、T_tは技術進歩指数(例:ICT投資額)、ε_tは誤差項です。
このモデルを用いて、最低賃金政策が非正規雇用に与える影響を、他の要因を制御しつつ分析することができます。
これらのモデルは、データに基づいた定量的な分析の出発点となります。
理論と実証の両面からアプローチし、現実の問題に対する理解を深めることが重要です。
また、これらの分析結果を踏まえつつ、現場の声や質的データも考慮に入れることで、より包括的な政策提言につなげることができます。