著者

花田 真一

出版者

東京大学社会科学研究所

雑誌

社會科學研究 (ISSN:03873307)

巻号頁・発行日

vol.62, no.2, pp.111-137, 2011

---

本論文は銭湯産業を事例として産業サイクルに応じた政策の必要性を論じたものである. 特に本論文では銭湯産業の距離規制を取り上げ, 政策が残ることによる産業に対する影響を考察している. 推定手法としては, 個々の銭湯を中心とした市場を設定し, ロジット推定を用いて閉鎖確率に対してさまざまな要素が与える影響を分析した. その結果, 確かに競争店舗数が増加することは他の条件を一定とすれば閉鎖確率を上昇させるが, 銭湯産業においては需要の高い地域に立地することによって閉鎖確率が下がり, 両方の効果を併せると需要の高い地域に立地することによる閉鎖確率低下の効果のほうが高いため, 距離規制は需要を取り込むことを制限する弊害のほうが高い可能性が示唆された.This paper argues that the government should synchronize its policy with the industry life cycle. To support this argument, I focus on the Public Bath industry (Sento in Japanese) data to evaluate the impact of distance regulation at the decline stage of industry life cycle. I use the Logit model to calculate how the number of competitors and area demand affect the exit probability. From estimation results, I find that the effect of competitors is smaller than that of area demand. These results suggest that in the Sento industry, distance regulation may inhibit the concentration of firms in high demand area and decrease industry size.

著者

山本 哲彦 花田 真一 中園 邦彦 金城 寛 玉城 史朗

出版者

日本機械学会

雑誌

日本機械学会論文集. C編 (ISSN:03875024)

巻号頁・発行日

vol.61, no.591, pp.4276-4281, 1995-11-25

参考文献数

3

被引用文献数

5

---

In this work we consider unstable control objects such as an inverted pendulum. Two evaluation procedures in genetic algorithm (GA) are set. The first involves the following steps : set two limits, -Θ and Θ, on both sides of the unstable equilibrium point, set an initial point θo in [-Θ, Θ], initiate a motion, measure the time when the motion reaches one limit, repeat simulations of neuro-control, select neural networks in order of length of holding times, and apply GA-crossover to superior neural networks of long holding times. The second involves the following steps : select neural networks in order of shortness of settling time to the equilibrium point, and apply GA-crossover to superior neural networks of short settling times. We adopt only the first evaluation procedure in the early generation stages of GA. After the number of neural networks of controllability reaches a sufficient percentage of all the neural networks in a computer, we adopt the second evaluation procedure, and GA evolution is continued. Neural networks of controllability appear at about the 10th generation and evolve to the ability limit predetermined by the structure of neural networks.