2023 Fiscal Year Final Research Report
Causal Inference Methods for Dynamic Panel Data
| Project/Area Number |
20K13469
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 07030:Economic statistics-related
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 計量経済学 / ミクロ計量経済学 / 因果推論 / パネルデータ / 差分の差分法 |
|---|
| Outline of Final Research Achievements |
I obtained the following two results regarding causal inference using dynamic panel data.
(1) Causal inference method for general treatment patterns. Specifically, I developed a difference-in-differences approach to infer dynamic treatment effects for treatment variables that can take two or more values and whose values can vary across time periods.
(2) Causal inference method for estimating treatment effect heterogeneity. Specifically, I developed a causal inference approach to infer conditional average treatment effects given observable covariates in a difference-in-differences setting.
|
| Free Research Field |
計量経済学
|
| Academic Significance and Societal Importance of the Research Achievements |
社会科学においては、パネルデータを利用して、政策介入や何らかの施策の因果的かつ動学的な効果を評価したい状況が数多くある。具体例としては、たとえば、労働組合加入と賃金の因果関係や最低賃金の失業率に対する因果的な影響について調べたい状況が挙げられる。
本研究成果を活用すれば、そのような社会科学における重要な研究トピックについての新しい定量的な知見を得られる可能性がある。加えて、本研究成果は、統計学・計量経済学におけるパネルデータにかかわる理論研究の今後の進展にも寄与するものと考えられる。
|
