2019 Fiscal Year Annual Research Report
未観測因子による選択が存在する下での政策の最適な割当ルールの統計的決定手法の開発
| Project/Area Number |
19K20896
|
|---|
| Allocation Type | Multi-year Fund |
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
金 燕春 東京大学, 大学院経済学研究科(経済学部), 特任研究員 (60828656)
|
|---|
| Project Period (FY) |
2019-04-01 – 2020-03-31
|
| Keywords | 計量経済学 / 統計手法 / 政策評価 / 部分識別 |
|---|
| Outline of Annual Research Achievements |
本研究では、個人が政策を受けるかが見観測因子に影響される場合に、政策実施者が平均効用を最大化するための政策割り当てルールを提案した。
ミニマックスリグレット法に基づいて、効用の最適問題を構築し、無視可能性を仮定せず、平均効用を部分識別した。次に、効用最大化法を拡張することによって、観測データに未観測因子による政策選択が存在する場合を考慮した、政策の最適な割り当てルールの統計的決定手法を提案した。
今年度は、昨年度の引き続きとして、最悪のケースの平均効用リグレットの上限と下限を求め、提案した割り当てルールが最適であることを証明した。政策の割り当てに制約がある場合においても、本ルールは適用可能であることを明らかにした。最悪のケースの平均効用リグレットの上限を下げ、収束レートを向上できるデータの条件を検討した。先行研究で求められた収束速度と比較し、本研究で得られる結果の性質を分析し、その優劣を示した。
昨年度予定していた、真の傾向スコアが未知とした場合のノンパラメトリックとパラメトリックの二つの方法での推定法を提案した。この時の漸近性質を探求し、ノンパラメトリックで傾向スコアを推定した場合の収束レートは落ちることが分かった。
今後、実際のデータを用いて、本手法を適用し、実社会の政策割り当てルールの提案に関する研究を行う予定している。また、自信過剰の統計的検定の研究に関しては、国際学術雑誌の編集者および査読者から得られたコメントをもとに、昨年度の投稿していた本研究成果をまとめた論文の改訂を実施した。
|
