日本全球业务的准穷举网络分析

随着时间的推移，日本海外商业网络的结构发展到了什么程度？如果我们相信水平经济增长假说（HKH）的支持者的话，在20世纪60年代和70年代设立外国子公司的公司在其行业和各自的香港一直是最大的参与者。只有随着外国直接投资量的大幅增加，中型企业（或根据HKH支持者的强势形式，位于香港外围的日本企业）才成为外国子公司的母公司。由于我们对日本海外商业网络参与度的衡量准确地定义为与其他日本投资者共同投资外国子公司，因此我们希望通过使用连续基准年的信息观察到的结构具有高水平的稳定性。我们选择了四个基准年，间隔10年：1975年、1985年、1995年和2005年。假设3： 无论是否加权，预期结果一致。加权网络可以提供另一种视角，了解用于识别网络上公司群体的业务链接。除了简单的二元是/否关系外，还可以制定一个指标，以衡量任何两个投资者之间经济联系的强度，来定义他们之间的联系。

例如，在考虑两个投资者共有的子公司共享集时，作为权重的一个示例，必须同时考虑资本化和拥有的股份。详见第V.3节。假设4：即使单独考虑，四个主要世界宏观区域中的三个（就日本外国投资目的地而言）也会出现类似结果（拒绝MRH）：东盟、中国（包括香港和台湾）和北美。另一方面，欧洲没有足够的观察结果来呈现结论性结果。正如第三章第1节所述，日本企业的外国投资历来一波接一波地进行，首先冲击东盟国家，然后蔓延到北美和欧洲，最后蔓延到中国。然而，如果日本在世界这些不同地区的商业网络的架构是由日本母公司之间联系的特点决定的，那么我们预计会找到类似的结果。假设5：考虑到某些工业部门的特殊结构，可能无法在所有这些部门中观察到类似的结果。参与日本海外商业网络的投资者和子公司专注于不同的业务领域。大型企业集团（香港）也是如此。然而，共同投资的主要部分可能是与相同工业部门的公司合作，特别是在制造业部门。

根据潜在合作伙伴的数量以及在信息共享和风险缓解方面共同投资外国子公司所获得的优势，可以想象，通常是竞争对手的公司可能会决定合作，以打入外国市场。因此，在一些行业，如汽车、食品和纺织行业，可以观察到这种与总趋势相矛盾的特定模式。五、 方法论V.1推断商业网络上的社区检测我们使用标准网络社区检测技术（Blondel et al.2008）对第节中描述的重建共同投资图进行MRH测试。三、 匹配每个节点（公司）分配给的社区，以及关于现实世界商业企业集团（keiretsu）的信息，为了评估网络中检测到的社区在多大程度上对应于东洋经济产业（2000）获得的六大香港之一的至少一个成员资格标准所定义的社区。这些结果是针对具有随机结构（配置模型，Newman 2003，作为零假设）的等效度网络进行测试的。在后一种情况下，社区与keiretsu之间始终没有显著的相关性。该网络是使用日本投资者作为节点构建的，如果他们在至少N家子公司中共享投资，则这些节点是相互关联的。图3展示了子公司在构建日本投资者集群中的作用。图3：。

异质网络，包括日本投资者和海外子公司，仅东盟国家注：红色和灰色节点分别代表日本投资者和子公司；每个类别内的大小都是任意且相等的，以便更好地揭示底层网络结构。可缩放版本可在http://perso.ens-lyon.fr/matteo.morini/jpbusnet/Het_ic.pdf ; 工业代码（见表3.b）在在线版本中作为标签可读。日本的母公司和海外的子公司都有明确的东洋经济产业代码可靠地识别。也有关于外国-当地合作伙伴的数据，但由于缺乏唯一标识符，他们的身份很难保持一致；许多通用的“匿名”节点也会出现。无论如何，他们对网络结构的贡献似乎微不足道（cfr.III.4），这导致我们最终忽略了这些信息，以避免不可预测的偏差。将TKZ微数据表示为共同投资网络的主要目的是寻找“联系更紧密”的公司集合，根据定义，这些公司是社区。企业倾向于在网络结构中聚集在一起如果他们之间存在普遍的和特权的经济联系。如果我们观察到社区中已知属于Keiretsu的公司的非随机分布（系统性过度代表），我们可以得出结论，网络拓扑所揭示的经济结构是由Keiretsu类型的公司间债券驱动的。

我们的假设可以通过对比每家公司的两个不同特征来检验：一方面，一家公司可以是6大Keiretsu集团中的任何一个集团的成员；另一方面，它属于网络结构衍生的社区之一。我们试图验证上述社区检测方法产生的经济网络与Keiretsu结构之间的独立性（或缺乏独立性）。图4显示了包括全球制造业公司在内的全球数据集的Keiretsu和社区类别公司的双变量联合频率，作为热图。图中可以看到公司在这两个类别中非随机分布的迹象，这些迹象有待统计验证（见第V.2节）。例如，三菱和住友的投资者表面上集中在两个社区。图4：。日本投资者的双变量联合频率；全球制造业。2独立性测试必须使用关联度量；由于我们处理的是分类数据，皮尔逊卡方检验，包括一些具体案例的保障措施，被认为是适当的。已将其应用于生成的双向表，以评估两个属性之间是否存在任何相互依存关系（这是备选假设H一, 如果独立性的零假设H0 可以拒绝）。

继续评估测试有效性，我们观察到人口相当多，有助于对利益子集进行深入分析。然而，在一些具体情况下（如“欧洲”宏观区域、“食品工业”工业部门），选定的观察数量几乎不够。为了增强鲁棒性，我们采取了双重防御措施：首先，利用了Louvain社区检测方法的一个关键特征，以增加观测值的数量：基于随机算法，重复运行（本例中为1.000次迭代）返回的分区略有不同，可以将其累积到更丰富的数据集中（并取平均值，以避免人为扩大样本量，使测试产生偏差）；其次，卡方p值已通过蒙特卡罗模拟计算得出（Tate和Hyer 1973，Bradley和Cutcomb 1977）。五、 3作为加权链接的业务联系在加权网络中，业务联系的强度以余弦相似性衡量（Salton和McGill 1983）。CS比较了成对共同所有者投资于子公司的资本分布：完美匹配（例如Ka、 1个= Kb、 1个; Ka、 2= Kb、 2; ... Ka、 n个= Kb、 n个, 其中KPC，Sis母公司PC投资于子公司S）的资本K对应于CS=1；随着分配选择的分歧，CS接近零。

从技术上讲，它是两个向量之间角度的度量，其目的是提供投资公司之间联系的比例表示，超越了连接与不连接的二元概念。六、 结果和讨论从时间上看，在第一次人口稀少的1975年快照之后，出现了一段强烈的相关性（拒绝MRH），包括接下来的几十年（1985年和1995年快照）。2005年，就在大型合并发生之前，证据开始减弱。从地理上看，具有中等或较强重要性的宏观地区（东盟国家、中国和台湾、北美）与没有证据表明香港结构持续存在的地区（欧洲）之间存在着无可争议的差异。当按工业活动进行分类分析时，唯一具有明确强相关性的部门（尽管规模非常大）是“化学”；“纺织”并没有为香港的存在提供足够有力的证据（未加权网络案件的相关性似乎很弱）；独立性假设也不能因为“食物”而被拒绝，因为少量的观察结果使我们无法获得强有力的结论性结果。汽车产生的结果不明确（加权时相关，未加权时不相关）；需要在本文范围之外进行更深入的分析的初步解释可能存在于众多“较小”的合作伙伴的存在中，这些合作伙伴发挥着次要作用。

这意味着这些合作伙伴的联系较弱，如果仅考虑经济上最重要的子公司，则会出现更明确的香港结构，这些子公司之间的联系更强。这种差异的根源可能可以追溯到大部分较小的合作伙伴，这些合作伙伴的重要性通过链接的权重得到了正确的重新衡量，从而证明了与香港的相关性。表4：假设测试结果，未加权（左）和加权（右）列SunWeightedWeightedDRH被拒绝？ChiSqp valMRH拒绝？ChiSqp valOverallYES*72.150.013NO56.180.080YES*45.650.039NO56.100.140YES***61.070.001YES***96.700.000 yes***92.770.000 yes***91.640.000 yes*72.150.013NO56.080ASEANYES*52.680.030YES***67.830.000中国和台湾yes***77.510.000 yes***57.370.000北美yes*78.960.011YES***77.500.000EUNO41.550.254.110.150汽车和零件70.390.982是***91.100.000食品编号45.670.320NO45.670.310化学品和药物是***73.360.000是***63.430.000文本编号23.320.080NO28.771.000注：**p<。001; ** p<。01; * p<。05为了评估我们研究结果的有效性，我们将每个假设的测试结果与另一种网络配置模型（Newman 2003）进行了对比，在该模型中，网络结构被破坏，同时通过随机重新布线过程保留单个节点的程度。直觉上，这一程序相当于盲目建立经济伙伴关系。在每一个实例中，任何意义的暗示都会完全消失，显示p值非常接近1。图5：。全球日本投资者网络：商业联系和六大会员。突出显示：三菱和三井集群VII。

结论在这项工作中，我们使用社区检测工具对TKZ数据集进行了分析，这导致我们拒绝使用强形式的MRH。事实上，我们能够提供定量证据，表明嵌入日本商业网络的社区与2000年“Keiretsu调查”数据集中描述的香港结构密切相关。为了简要概述，作为第一步，我们从2006年的TKZ数据集中提取了一个共有关系图，以便在我们的方法中，如果两家公司都投资于一家海外子公司，那么它们就可以联系在一起。通过社区检测算法，高密度集群的分类从该图中显现出来，因此每个公司被划分为一个集群，如第。六、 这种分类纯粹源于明确的业务关系（共有），然后与2000年TKZ数据集中描述的Keiretsu分类进行了比较。表4总结了我们的结果，有力地表明内在网络组织与香港之间存在着明显的相关性，尽管在考虑更具体的子集时会出现一些波动，最终由于缺乏统计数据而存在缺陷，例如在欧洲和食品业的投资。分析揭示的另一个有趣的点是，在汽车行业，加权网络显示的与未加权配置的明显相关性之间存在差异。

最后，为了测试我们发现的合理性，作为比较，我们提供了一个空模型，通过改变链接并破坏与配置模型的现有相关性。该测试破坏了任何网络结构，导致p值接近1，从而进一步证明日本商业网络在其组织中具有强大的内在标志。参考文献Aoki，M（1984a）。企业的合作博弈论。 牛津大学出版社。青木，M（1984b）。日本公司的经济分析。 （ed.），北荷兰。Aoki，M.和Saxonhouse G.R.eds.（2000年）。日本的金融、治理和竞争力。牛津大学出版社Belderbos，R.，&Sleuwaegen，L.（1996）。日本企业与海外投资决策：企业集团和区域核心网络。经济学与统计学综述, 214-220. Belderbos，R.，&Carree，M.（2002）。日本对华投资的区位：集聚效应、keiretsu和企业异质性。日本和国际经济杂志,                       16(2), 194-211. Blondel，V.D.，Guillaume，J.-L.，Lambiotte，R.&Lefebvre，E.（2008）。大型网络中社区的快速发展。统计力学杂志：理论与实验, 10，P10008。Bradley，D.R.和Cutcomb，S.（1977年）。蒙特卡罗模拟和独立性的卡方检验。行为研究方法与仪器, 9(2), 193-201. 钱德勒（1966）。战略与结构：工业企业历史章节（第120卷）。麻省理工学院出版社。钱德勒，A.D。