Evaluating the effectiveness of treatment effect estimation methods employing machine learning and their application to EBPM

• Project/Area Number: 24K04719
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 06010:Politics-related
• Research Institution: Ehime University
• Principal Investigator: 福井 秀樹 愛媛大学, 法文学部, 教授 (00304642)
• Project Period (FY): 2024-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2027: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2026: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
• Keywords: EBPM（証拠に基づく政策形成） / 非実験的統計的推定手法 / 機械学習 / モンテカルロ・シミュレーション

Outline of Research at the Start

本研究は、機械学習をもちいた処置効果推定手法の有効性を検証し、EBPM（Evidence Based Policy Making 証拠に基づく政策形成）への応用を考察する。大規模データの蓄積は、EBPM推進の好機とともに課題も生み出している。すなわち、どのモデル・手法による推定結果がより信頼に値するのか、という課題である。本研究は、シミュレーション実験により、この課題に取り組む。その際、一般的にもちいられる理想的な条件設定による検証だけでなく、それが破られた設定での検証も行い、より現実的な文脈で各種機械学習手法の推定精度を検証し、それらの活用の留意点・指針を解明する点に、本研究の独自性がある。