| 研究課題/領域番号 |
19K20896
|
|---|
| 補助金の研究課題番号 |
18H05695 (2018)
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 (2019)
補助金 (2018) |
|---|
| 審査区分 |
0107:経済学、経営学およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
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)
|
|---|
| 研究期間 (年度) |
2018-08-24 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
|---|
| キーワード | 計量経済学 / 統計手法 / 政策評価 / 部分識別 |
|---|
| 研究開始時の研究の概要 |
実社会問題においては、政策の評価に留まらず、政策の効果を理解したうえで、それに基づいて政策を実施することが求められており、個人の異質性に応じた政策の最適な割り当てルールを決定することが重要である。本研究では、先行研究に置かれている仮定を弱め、観測できない要因による政策の選択をする個人が存在する場合など、より現実に近い状況を考える。予算制約の下で、観測できない要因も考慮しながら、政策の平均効果を最大化するように、政策の割り当てルールを統計的に決定する、実用性の高い手法を提案する。
|
| 研究成果の概要 |
本研究では、未観測因子による政策選択が存在する場合における政策の最適な割り当てルールの統計的決定手法を開発し、その統計的性質を導出した。先行研究に置かれている仮定を弱め、部分識別理論を組み入れ、現実により近い状況を考えた。予算制約の下で、政策の平均効果を最大化するように、属性の異なる個人に応じて政策の割り当てルールを統計的に決定する手法を提案した。
|
| 研究成果の学術的意義や社会的意義 |
近年、データの整備の進展と機械学習への関心が高まり、平均効用の最大化を目的とした政策の最適な割り当てルールの統計的決定手法に関する研究が盛んになっている。本研究は、その流れの中で未観測因子による政策選択をする場合における政策の最適な割り当てルールの統計的決定手法であり、また、部分識別理論を加えて分析すること、他の既存方法と比較して優劣を示すこと、実証分析を行うことで、さらに押し進めようとするものである。この手法が実社会のデータ分析で応用されることによって、政策の適切な評価・立案に寄与できると考える。
|
