An innovative approach for unifying causal inference, missing data analysis, and copula models

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K13670
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 07030:Economic statistics-related
• Research Institution: Kobe University
• Principal Investigator: MOTEGI KAIJI 神戸大学, 経済学研究科, 准教授 (60742848)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: 因果推論 / 欠損データ / コピュラ / カリブレーション / 回帰分析

Outline of Final Research Achievements

In this research project, I have successfully unified causal inference, missing data analysis, and copula models by adopting a novel approach called calibration. Each of causal inference, missing data analysis, and copula models has been well studied in statistics and econometrics, but this project is the first one that unifies these three topics. I have established copula-based regression with data missing at random and causal inference for general treatment types and treatment effects.

Free Research Field

計量経済学

Academic Significance and Societal Importance of the Research Achievements

社会科学系の統計分析では、様々な理由により頻繁にデータの欠損が発生する。したがって、欠損データに対する新たな統計分析の手法を確立した本研究は、学術面・実務面で重要な貢献を果たしたと言える。実際、ドイツ製造業の個別企業データやアメリカ大統領選挙の広告・献金データに対して提案の分析手法を応用した結果、従来の分析手法では得られない新たな知見を得ることに成功した。これらは企業の経営戦略や政党の選挙戦略の進化に資する重要な知見である。