Machine learning approach to the estimation of spillover effects and their structural changes

点击翻译按钮获取中文摘要

本研究課題は、パネルデータを用いて経済主体間の波及効果とその連関構造がどのように変化し ているかを捕捉する計量経済学の手法の開発を目的とする。どの経済主体がどの経済主体に影響をあたえるのかという波及効果の連関構造が未知であり、さらにそれらが未知の構造変化点 において変化する状況を考える。波及効果とその連関構造そして構造変化点を推定する手法を機械学習の手法を発展させることで開発し、漸近理論とシミュレーションによって、その性質を調べる。今年度は、連関構造のある線形パネルデータモデルにおける連関構造と構造変化の推定法を開発した。連関構造が疎である 、つまりそれぞれの主体は少数の他の主体からしか直接の波及効果を受けないと仮定する。そして、疎の場合に有用な手法である、罰則付き最小二乗法を一種である LASSOを元にした手法を提案した。提案する手法は、3段階推定量である。罰則つき最小二乗法の一種であるLASSOを基にしたものであるが、LASSOを一回適用するだけでは、推定量が望ましい性質をもたない可能性がある。そこで、LASSO推定量を一段階目 として、構造変化点を最小二乗法で再推定する第二段階をおく。さらに、第三段階として、連関構造を二重機械学習法によって再推定する。今年度は、第二段階で得られる構造変化点の推定量が非常に速い収束速度において一致性を持つことを証明した。これは、高次元データにおける構造変化点推定の文献で得られたものよりも速い収束速度であり、パネルデータの特性を利用することにより、可能となったものである。また、関連して、高次元パネルータモデル一般の推定についての研究や、変数が内生性を持つため操作変数が必要となる場合の機械学習法の応用についての研究も進めることができた。