Machine learning approach to the estimation of spillover effects and their structural changes

2023 Fiscal Year Final Research Report

• Project/Area Number: 22K20154
• Research Category: Grant-in-Aid for Research Activity Start-up
• Allocation Type: Multi-year Fund
• Review Section: 0107:Economics, business administration, and related fields
• Research Institution: The University of Tokyo
• Principal Investigator: Okui Ryo 東京大学, 大学院経済学研究科(経済学部), 教授 (20563480)
• Project Period (FY): 2022-08-31 – 2024-03-31
• Keywords: パネルデータ / 波及効果 / 連関構造 / 機械学習 / 構造変化

Outline of Final Research Achievements

In this research project, we developed an econometric method for panel data to estimate spillover effects among economic units and the evolution of their interconnections. Our approach addresses scenarios where the linkage structure of spillover, that is, the specific interactions among agents, is not pre-specified, and these interactions may change at an unknown point of structural change. To address these issues, we devised a novel method based on machine learning techniques to estimate spillover effects, their network structures, and the structural change point. We analyzed the performance of our method through asymptotic theory and extensive simulations. Additionally, this project has advanced the theoretical framework necessary to integrate panel data analysis with machine learning.

Free Research Field

計量経済学

Academic Significance and Societal Importance of the Research Achievements

経済主体間の波及効果とその連関構造がどのように変化しているかを捕捉することは、学術的にも政策上も重要な問題である。例えば、研究開発の国際的な影響を調べることは、どのような国の研究開発から日本が影響を受けており、またどのような国に影響を与えているか明確にし、政策上も有用な情報を提供する。さらに、そのような連関構造は時間を通じて変化する可能性が高く、構造変化を捉える必要もある。この研究では、連関構造とその構造変化をデータから捉えるための計量経済学の手法を開発した。さらに、手法の開発のために、計量経済学と機械学習の両者にまたがる統計理論の発展を行った。