Treatment assignment rules under ambiguity
| Project/Area Number |
19K20896
|
|---|
| Project/Area Number (Other) |
18H05695 (2018)
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund (2019)
Single-year Grants (2018) |
|---|
| Review Section |
0107:Economics, business administration, and related fields
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
Jin Yanchun 東京大学, 大学院経済学研究科(経済学部), 特任研究員 (60828656)
|
|---|
| Project Period (FY) |
2018-08-24 – 2020-03-31
|
| Project Status |
Completed (Fiscal Year 2019)
|
| Budget Amount *help |
¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2019: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2018: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
|
|---|
| Keywords | 計量経済学 / 統計手法 / 政策評価 / 部分識別 |
|---|
| Outline of Research at the Start |
実社会問題においては、政策の評価に留まらず、政策の効果を理解したうえで、それに基づいて政策を実施することが求められており、個人の異質性に応じた政策の最適な割り当てルールを決定することが重要である。本研究では、先行研究に置かれている仮定を弱め、観測できない要因による政策の選択をする個人が存在する場合など、より現実に近い状況を考える。予算制約の下で、観測できない要因も考慮しながら、政策の平均効果を最大化するように、政策の割り当てルールを統計的に決定する、実用性の高い手法を提案する。
|
| Outline of Final Research Achievements |
This project provides treatment assignment rules when treatment selections by unobserved variables are allowed. In observational studies, there may be some of persons whose treatments were selected in an unknown way. Under this weak assumption, we partially identify the treatment effect, and then choose the assignment rule with maximum welfare.
|
| Academic Significance and Societal Importance of the Research Achievements |
近年、データの整備の進展と機械学習への関心が高まり、平均効用の最大化を目的とした政策の最適な割り当てルールの統計的決定手法に関する研究が盛んになっている。本研究は、その流れの中で未観測因子による政策選択をする場合における政策の最適な割り当てルールの統計的決定手法であり、また、部分識別理論を加えて分析すること、他の既存方法と比較して優劣を示すこと、実証分析を行うことで、さらに押し進めようとするものである。この手法が実社会のデータ分析で応用されることによって、政策の適切な評価・立案に寄与できると考える。
|
Report
(3 results)
Research Products
(3 results)
