研究課題/領域番号 |
23H00805
|
研究種目 |
基盤研究(B)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
小区分07030:経済統計関連
小区分07060:金融およびファイナンス関連
合同審査対象区分:小区分07030:経済統計関連、小区分07060:金融およびファイナンス関連
|
研究機関 | 京都大学 |
研究代表者 |
西山 慶彦 京都大学, 経済研究所, 教授 (30283378)
|
研究分担者 |
文 世一 京都大学, 経済学研究科, 教授 (40192736)
人見 光太郎 京都工芸繊維大学, 基盤科学系, 教授 (00283680)
小西 葉子 独立行政法人経済産業研究所, 研究グループ, 上席研究員 (70432060)
岩澤 政宗 同志社大学, 経済学部, 准教授 (50842994)
|
研究期間 (年度) |
2023-04-01 – 2027-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
18,460千円 (直接経費: 14,200千円、間接経費: 4,260千円)
2023年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
|
キーワード | ノンパラメトリック計量経済分析 / チューニングパラメータ選択 / 漸近理論 / 公共交通システムの設計 / コロナ感染による行動変容 |
研究開始時の研究の概要 |
ノン・セミパラメトリック法や機械学習は、経済分析では有力なアプローチである。一方、それらの手法は、分析者が値を選ぶチューニングパラメータ(以下TP)を含んでいる。これはモデルの簡便さとデータへの過剰適合をバランスさせる働きをもつ。既存研究で提案されるTPの利用は1次の漸近理論により正当化されているにも関わらず、実際には応用上の問題が指摘されている。本研究では、実証分析で最も広く用いられるカーネル法と深層学習について上の問題に対処すべく、既存手法を改善するデータ駆動型TPの提案、それを用いた際の推定量、検定統計量の高次漸近特性の解明、それらを用いたノン・セミパラメトリックな実証分析を行う。
|