| 研究課題/領域番号 |
22K20155
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 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 |
坂口 翔政 東京大学, 大学院経済学研究科(経済学部), 講師 (30965942)
|
|---|
| 研究期間 (年度) |
2022-08-31 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 計量経済学 / ターゲティング政策 / 機械学習 |
|---|
| 研究開始時の研究の概要 |
個人の特性に応じて適切な政策プログラムを選択して与えるターゲティング政策により、公共政策の社会的効果を増大させることができる。本研究では、機械学習的手法を用いて、最適なターゲティング政策をデータから学習する手法を開発する。本研究では特に、公平性や予算といった公共政策における一般的な制約を満たすターゲティング政策を大規模データから学習するためのアルゴリズムの開発を目的とする。同時に分類問題における既存の機械学習的手法の公共政策のターゲティング学習への応用可能性を明らかにする。
|
| 研究成果の概要 |
本研究では、公共政策におけるターゲティング政策の学習について理論と実証の両面において成果を挙げた。理論面では、最適な動的なターゲティング政策を観察データから学習する新たな手法を開発した。開発した手法は高い頑健性と計算効率性をもつ。本研究では開発したアルゴリズムが既存の手法よりも優れた理論的性能をもつことを明らかにした。
実証研究では、家庭の電力消費量の削減を目標としたリベートプラグラムにおいて、日本で行われた社会実験のデータを使って最適なターゲティング政策を推定・評価した。とりわけ、ターゲティング政策を実行することで、非ターゲティング政策の実施よりも社会厚生を大きく改善することを定量的に示した。
|
| 研究成果の学術的意義や社会的意義 |
データに基づいて政策を個別にデザインするターゲティング政策は、すべての人々に一律・均一に性悪介入する従来型の政策よりも高い社会厚生を実現することが期待される。しかし、データからターゲティング政策をどのように構築するかについては、正確性や計算効率性の点で未だ問題が多かった。本研究では、動的なターゲティング政策について、従来の方法よりも正確性や計算効率性の点で優れた手法を開発した。
また、日本で行った電力消費削減を目指したリベートプログラムの社会実験データを使い、ターゲティング政策が従来の非ターゲティング政策よりも社会厚生を大きく改善することを定量的に示し、ターゲティング政策の有用性を提示した。
|
