日本語で読む経済学研究
Tag
4 件
Adaptive welfare maximization
本研究は、観察データから最適な治療政策を学習する問題に取り組んでいます。この問題は、個別の治療効果を最大化するための政策決定において重要です。著者らは、豊富な共変量と未知の傾向スコアに対応するために、二重ロバストな福祉推定とサンプル分割を組み合わせたアルゴリズムを提案しています。具体的には、提案手法は、適切な政策の複雑さを選択しながら、期待される後悔の最小化においてミニマックス最適な収束率を達成することが示されています。データ生成過程や第一段階の非パラメトリック推定器に対する不必要に制約的な仮定を避けつつ、関連する普遍的な定数の明確な特性を導出しています。提案手法の実用的な性能は、シミュレーション研究によって実証されています。
Corrigendum to “A nowcasting model of industrial production using alternative data and machine learning approaches” [Jpn. World Econ. 71 (2024) 101271]
アブストラクトを取得できていないため、要約は編集中です。原論文の本文は、出版社サイトのリンクからご確認いただけます。
Unraveling the determinants of overemployment and underemployment among older workers in Japan: A machine learning approach
本研究は、日本の高齢労働者における過剰雇用と不足雇用の要因を明らかにすることを目的としている。この問題は広く存在するが、特に高齢者に焦点を当てた研究は少ない。著者らは、機械学習手法を用いて、過剰雇用と不足雇用を引き起こす重要な要因を特定した。データは日本の高齢労働者を対象にしており、具体的なサンプル数や期間は示されていないが、経済状況や健康状態、家族の支援、職務の特性が過剰雇用に関連していることが示された。具体的には、経済状況が良好であること、健康状態が悪いこと、家族の支援が少ないこと、職務の特性が不利であることが過剰雇用のリスクを高める要因である。また、年齢、可処分所得が少ないこと、現在の労働時間が短いこと、雇用が一時的であること、仕事や給与に対する満足度が低いことが不足雇用の予測因子であることが明らかになった。さらに、K-meansクラスタリング分析により、過剰雇用と不足雇用のグループ内での労働時間のミスマッチの理由が多様であることが示された。著者らは、65歳以上の経済的ストレスを抱える労働者や、家族の支援が不足している女性労働者、十分な労働時間を確保できていない給与労働者に対して、労働促進政策の余地があることを指摘している。
A nowcasting model of industrial production using alternative data and machine learning approaches
本研究は、経済状況をリアルタイムで理解・評価するために、従来の統計データに加え「代替データ」を活用するトレンドに着目し、特に日本の製造業における産業生産指数（IIP）のナウキャストモデルを構築することを目的としています。この研究は、代替データとしてのモビリティデータと電力需要データを使用し、IIPの公式発表の1〜2ヶ月前に生産活動を予測することが可能です。また、機械学習技術を取り入れることで、従来の経済統計（IIP予測）と代替データに基づくナウキャスト値の混合比率を経済状況に応じて内生的に変更し、予測精度を向上させています。推定結果によれば、代替データに機械学習技術を適用することで、特にCOVID-19パンデミックの影響下においても高い精度で生産活動を予測できることが示されています。これにより、政策立案者は経済の変動に迅速に対応するための情報を得ることができ、従来の方法と比較して新たな視点を提供するものとなっています。