Project/Area Number |
23H00805
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Single-year Grants |
Section | 一般 |
Review Section |
Basic Section 07030:Economic statistics-related
Basic Section 07060:Money and finance-related
Sections That Are Subject to Joint Review: Basic Section07030:Economic statistics-related , Basic Section07060:Money and finance-related
|
Research Institution | Kyoto University |
Principal Investigator |
西山 慶彦 京都大学, 経済研究所, 教授 (30283378)
|
Co-Investigator(Kenkyū-buntansha) |
文 世一 京都大学, 経済学研究科, 教授 (40192736)
人見 光太郎 京都工芸繊維大学, 基盤科学系, 教授 (00283680)
小西 葉子 独立行政法人経済産業研究所, 研究グループ, 上席研究員 (70432060)
岩澤 政宗 同志社大学, 経済学部, 准教授 (50842994)
|
Project Period (FY) |
2023-04-01 – 2027-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥18,460,000 (Direct Cost: ¥14,200,000、Indirect Cost: ¥4,260,000)
Fiscal Year 2023: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000)
|
Keywords | ノンパラメトリック計量経済分析 / チューニングパラメータ選択 / 漸近理論 / 公共交通システムの設計 / コロナ感染による行動変容 |
Outline of Research at the Start |
ノン・セミパラメトリック法や機械学習は、経済分析では有力なアプローチである。一方、それらの手法は、分析者が値を選ぶチューニングパラメータ(以下TP)を含んでいる。これはモデルの簡便さとデータへの過剰適合をバランスさせる働きをもつ。既存研究で提案されるTPの利用は1次の漸近理論により正当化されているにも関わらず、実際には応用上の問題が指摘されている。本研究では、実証分析で最も広く用いられるカーネル法と深層学習について上の問題に対処すべく、既存手法を改善するデータ駆動型TPの提案、それを用いた際の推定量、検定統計量の高次漸近特性の解明、それらを用いたノン・セミパラメトリックな実証分析を行う。
|