| 研究課題/領域番号 |
20K01593
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分07030:経済統計関連
|
|---|
| 研究機関 | 専修大学 (2022-2023)
東京国際大学 (2020-2021) |
|---|
研究代表者 |
CHEN Jauer 専修大学, 経済学部, 准教授 (70837757)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 因果的機械学習 / 分位点処置効果 / Double Machine Learning / 計量経済学 / コウザルフォレスト / 因果機械学習 |
|---|
| 研究開始時の研究の概要 |
To estimate causal effects, machine learning (ML) methods require adaptations to exploit the structure of economic problems, or to change the optimization criteria of ML algorithms in an economic policy analysis. This research investigates those adaptations, aka the causal ML in economics.
|
| 研究実績の概要 |
最終年度には、これまでの研究成果を整理し、レビュー論文またはサーベイ論文の作成を行っており、現在の進行状況はおおよそ半分まで達しています。さらに、Microsoft Taiwanでのプレゼンテーションを通じて、テックカンパニーの機械学習分野で活躍する最先端の専門家から貴重なフィードバックを得る機会がありました。このフィードバックを反映し、研究の方向性をより洗練させることが可能となりました。また、「The Gender Wage Gap over the Life Cycle: Evidence from Japan」と題した最新のワーキングペーパーも執筆しました。この研究では、日本における性別賃金格差の生涯にわたる変動をダブルマシンラーニング（DML）手法を用いて分析しました。この研究成果は、The Asian and Australasian Society of Labour Economics 2023 Conferenceで発表されました。
本研究計画の初期目標は、「因果機械学習を用いた分位点処置効果の計量解析及びその経済学への応用」を探求することでした。研究期間を通じて、この目的に向けて確実に進捗を達成しました。具体的には、査読付き国際学術誌に2本の論文を発表した成果を挙げ、異質的な政策効果の分析や意思決定への貢献をしました。これにより、政策立案者や経済学者に対して、より全面的に経済データへの解釈と活用の指針を提供することができました。
|
