機械学習・深層学習・計量経済学に関する先行研究の整理
Previous Studies on Machine Learning, Deep Learning, and Econometrics
石井 貴春
Takaharu Ishii 要旨 本研究は、機械学習・深層学習・強化学習の分野と計量経済学の分野の近接性を探す点に特 徴をもつ。計量経済学において時系列分析やパネル分析を学んでいれば、機械学習は分析手 法とともに計量経済学の考え方に多くの共通点をもつことから今後は関係性をより体系的 に考察することが重要となると考える。また計量経済学も因果推論の分野では機械学習が 活用されており、その関係性を説明する。さらに機械学習と計量経済学の近年の研究の進展 を概観するため、画像認識や音声認識における機械学習のビジネスへの応用や CATE や LASSO、 政策配分問題としての ELM や疫学における因果推論として CMA（因果媒介分 析）・Causal Forest・SDD・構造推定などを幅広く扱う。Abstract
This research is characterized in that it seeks closeness between the fields of machine learning, deep learning and reinforcement learning and the field of econometrics. If you are studying time series analysis or panel analysis in econometrics, machine learning has much in common with econometrics as well as analytical methods, so it is important to consider relationships more systematically in the future. I think it will be. In econometrics, machine learning is used in the field of causal inference, and the relationship is explained. In order to give an overview of recent advances in research on machine learning and econometrics, we have applied machine learning to business in image recognition and speech recognition, CATE and LASSO, ELM as a policy distribution problem, and CMA (causal inference in epidemiology). Mediation analysis), Causal Forest, SDD, structure estimation, etc.
