ジョルジオス・アンジェリスとヤン・ブラムールレ（2026）は、応募者と求人の細かな「つながり」を使って、長年ブラックボックス扱いだったマッチング関数を説明しようとしました。彼らはネットワーク理論を用いて、誰がどの求人に応募するかという微視的な確率から、失業者が仕事を見つける確率などのマクロな「マッチング確率」を導きます。複数の既存モデルが特別な場合として含まれることや、定常的によく使われるCES（等間隔弾力性、constant elasticity of substitution）型の近似が成り立つ条件を示す点が中心的な成果です。

研究で扱う基本的な仕組みは分かりやすいです。市場は応募者側と求人側の二つの集合からなり、応募者がある求人に応募する確率を表す行列 pij（ピージー）でネットワークを作ります。リンクができることを「応募する」と見なし、ある求人に複数応募が来れば最も適任の人に仕事が与えられると仮定します。ここで「検索強度」は、応募者や求人が反対側に持つ平均的なつながりの数を指します。研究者はこのランダムネットワークの枠組みで、応募側の検索強度が異なる場合の仕事発見確率について、閉じた形の式を導き、さまざまな既存のマッチング技術を一つの枠で説明します。さらに、ネットワークが観測可能な場合にはCES型近似が成り立つかどうかを直接検証できる条件も示します（ただし近似は「一階」までのものであると明記しています）。

なぜ重要か。マッチング関数は労働市場や信用市場、国際取引など多くの経済モデルで鍵を握ります。しかし従来は、情報や調整の不完全さをどう扱っているかが不明瞭なまま簡潔な「黒箱」式で扱われてきました。本研究は応募データに直結する微視的ネットワークを原点とすることで、その黒箱を開きます。ネットワークの性質を観察すれば、従来の単純な関数が妥当かどうかを実際に検証できますし、マクロの分析に使うマッチング関数の成立条件をより明確にできます。

主要な発見の一つは「マッチ効果（match efficacy）」に関するものです。これはマッチング過程がどれだけ効率よくペアを作るかを示す余剰項です。研究は、応募側・求人側いずれにおいても検索強度の不平等（ばらつき）がマッチングを悪化させることを一貫して示します。ここでの「不平等」はジニ係数などで測ることができます。さらに平均的な検索強度が上がっても、それが不平等の上昇を伴う場合は、仕事発見確率がむしろ下がることがあり得ます。ある場合には仕事発見確率が平均検索強度の関数として逆U字型になるという結果も示されています。これらは、単に平均だけを見ていては見落とす合成効果を明示します。

限界や注意点も明らかです。本研究は理論モデルであり、いくつかの仮定に依っています。例えば求人は最も適任の応募者に与えられる点や、個々の応募は独立なベルヌーイ試行とみなす点などです。CES形状の説明は「一階近似」までの結果であり、すべての状況で完全に当てはまるとは限りません。また論文はネットワークがどのように形成されるかについては中立的（アグノスティック）であり、実際の形成過程の詳細が結果に影響する可能性は残ります。著者自身は大市場（要素数が無限大に近づく）を主に扱いますが、小さな市場やまばらなネットワークにも適用可能だと述べています。以上が、与えられた本文抜粋から読み取れる主な内容です。