| Project/Area Number |
22K20155
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
0107:Economics, business administration, and related fields
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
Sakaguchi Shosei 東京大学, 大学院経済学研究科(経済学部), 講師 (30965942)
|
|---|
| Project Period (FY) |
2022-08-31 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 計量経済学 / ターゲティング政策 / 機械学習 |
|---|
| Outline of Research at the Start |
個人の特性に応じて適切な政策プログラムを選択して与えるターゲティング政策により、公共政策の社会的効果を増大させることができる。本研究では、機械学習的手法を用いて、最適なターゲティング政策をデータから学習する手法を開発する。本研究では特に、公平性や予算といった公共政策における一般的な制約を満たすターゲティング政策を大規模データから学習するためのアルゴリズムの開発を目的とする。同時に分類問題における既存の機械学習的手法の公共政策のターゲティング学習への応用可能性を明らかにする。
|
| Outline of Final Research Achievements |
In this study, I achieved results in both theoretical and empirical aspects regarding the learning of targeting policies in public policy. On the theoretical front, we developed a novel approach to learn optimal dynamic targeting regimes from observational data. The developed method has a double-robustness property and is computationally efficient. I demonstrate that the developed algorithm possesses superior theoretical performance compared to existing methods.
In the empirical study, we estimated and evaluated the optimal targeting policy in a rebate program aimed at reducing household electricity consumption using social experimental data from Japan. Specifically, we demonstrate that the targeting policy can significantly improve social welfare compared to conventional non-targeting policies, suggesting the effectiveness of targeting in public policy.
|
| Academic Significance and Societal Importance of the Research Achievements |
データに基づいて政策を個別にデザインするターゲティング政策は、すべての人々に一律・均一に性悪介入する従来型の政策よりも高い社会厚生を実現することが期待される。しかし、データからターゲティング政策をどのように構築するかについては、正確性や計算効率性の点で未だ問題が多かった。本研究では、動的なターゲティング政策について、従来の方法よりも正確性や計算効率性の点で優れた手法を開発した。
また、日本で行った電力消費削減を目指したリベートプログラムの社会実験データを使い、ターゲティング政策が従来の非ターゲティング政策よりも社会厚生を大きく改善することを定量的に示し、ターゲティング政策の有用性を提示した。
|
