| Project/Area Number |
24K04823
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 07030:Economic statistics-related
|
|---|
| Research Institution | Senshu University |
|---|
Principal Investigator |
CHEN Jauer 専修大学, 経済学部, 教授 (70837757)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2026: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2025: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2024: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | 因果的機械学習 / ターゲティング / 計量経済学 |
|---|
| Outline of Research at the Start |
因果的機械学習を駆使して、異質処置効果を推定し、最適なターゲティングル一ルを開発することを目指します。電子商取引企業との協力で、マーケティング戦略を目的としたA/Bテストを行い、デジタルランダム化比較試験データを生成します。このデータと因果的機械学習手法を活用し、異質効果を特定し、観察可能な特徴または潜在的な因子に基づいて特定のターゲティングルールを提案する。ターゲティングルールの効率をさらに評価するため、A/Bテストを再実施します。この反復的なアプローチ、または adpative experiments により、さまざまなターゲティングルールを並置し、その有効性を確認します。
|
| Outline of Annual Research Achievements |
2024年度は、三年間にわたる研究プロジェクト「経済学における因果的機械学習を用いた最適ターゲティングの構築と評価」の初年度にあたります。主な作業は、近年急速に発展している因果的機械学習（causal machine learning）およびポリシーラーニング（policy learning / targeting）に関する理論的・実証的な文献の体系的な整理と理解を深めることにあります。これにより、本研究の基盤を構築し、今後の応用的展開に向けた方向性を明確にすることを目指しています。特に本年度は、因果推論と機械学習の融合領域における代表的手法であるメタラーナー（meta-learners）、ダブルマシンラーニング（double machine learning）、およびコーザルフォレスト（causal forests）などの枠組みに注目し、それぞれの理論的背景と実装上の特徴、さらにそれらが個別化された意思決定に与える影響についての検討を行いました。加えて、動的な意思決定に対応するための動的ポリシーラーニング（dynamic policy learning）に関する先行研究の把握にも努め、強化学習（reinforcement learning）や動的治療レジーム（dynamic treatment regime）との接続についても分析を進めています。さらに、本研究の一環として、現在、スタンフォード大学の研究者と共同でこの分野に関するレビュー論文を執筆しており、当該論文は現在、国際的学術誌 WIREs Computational Statistics にてリバイズ・アンド・レスポンス（R&R）の段階にあります。この論文では、静的な設定における機械学習を用いた因果推論手法と動的環境下でのポリシー最適化の両面を体系的にまとめることで、今後の研究や実務への貢献を目指しています。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
第一に、因果的機械学習およびポリシーラーニングに関する文献を精査し、当該分野の最新動向や主要な方法論的進展についての理解を深めることができた点が挙げられます。これにより、研究の基盤が確立されました。
第二に、スタンフォード大学の共著者との共同研究が順調に進み、現在はレビュー論文が WIREs Computational Statistics 誌において revise-and-resubmit の段階にあります。これは本研究の成果が学術的にも高く評価されつつあることを示しています。
第三に、この期間中に構築された研究の枠組みにより、今後の研究の方向性が明確化され、第2年度以降に取り組むべき重要な課題が特定されました。
以上の点から、計画初年度の進捗は着実かつ有意義であり、研究全体の目的に向けて順調に進行していると評価できます。
|
| Strategy for Future Research Activity |
以下は第2年度に実施する予定の目標です。EC企業との連携のもと、マーケティング戦略を目的としたA/Bテストを実施し、デジタルランダム化比較試験データを生成します。このデータと因果的機械学習手法を活用することで、効果の異質性を特定し、観察可能な特徴や潜在的な要因に基づいたターゲティング・ルールを提案することを目指します。
|
