| 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 / 計量経済学 / Double Machine Learning / 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.
|
| 研究成果の概要 |
本研究では、経済学における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しました。特に、因果的機械学習を用いて、政策効果や因果的パラメータの推定とその信頼区間の構築に注目しました。この研究は、既存の機械学習手法を因果推論用に改良し、経済実証研究における推定の精度と解釈を向上させることを目指しています。
|
| 研究成果の学術的意義や社会的意義 |
学術的には、因果的機械学習の手法を用いることで、経済データの解釈と活用が向上しました。社会的には、この研究は政策立案者がより根拠に基づいた効果的な経済政策を行うための支援となることを期待しています。特に、政策のターゲティングや効果の評価において、より精確な情報を提供することが可能となりました。
|
