WEKO3
アイテム
サポートベクター回帰を用いたSynthetic Control Method
https://doi.org/10.20729/00239260
https://doi.org/10.20729/002392604f5a96c1-1b49-42ae-9251-0ff6b3d65960
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-JNL6509026.pdf (1.8 MB)
2026年9月15日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, 論文誌:会員：¥0, DLIB:会員：¥0 | ||
| Item type | Journal(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-09-15 | |||||||||
| タイトル | ||||||||||
| タイトル | サポートベクター回帰を用いたSynthetic Control Method | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Synthetic Control Method Using Support Vector Regression | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | [一般論文] 因果推論，Synthetic Control Method，平均処置効果 | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||||
| 資源タイプ | journal article | |||||||||
| ID登録 | ||||||||||
| ID登録 | 10.20729/00239260 | |||||||||
| ID登録タイプ | JaLC | |||||||||
| 著者所属 | ||||||||||
| アクセンチュア株式会社 | ||||||||||
| 著者所属 | ||||||||||
| 立教大学経営学部 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Accenture Co. Ltd. | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| College of Business, Rikkyo University | ||||||||||
| 著者名 |
森西, 美光
× 森西, 美光
× 山口, 和範
|
|||||||||
| 著者名(英) |
Yoshimitsu, Morinishi
× Yoshimitsu, Morinishi
× Kazunori, Yamaguchi
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 近年，Synthetic Control Methodは，治療や介入が結果に及ぼす影響を推定するための実証研究においてよく適用されている．Synthetic Control Methodでは，処置を受けたユニットの結果を，処置前のユニットに最も似ている処置を受けなかった対照群のユニットの加重平均であるSynthetic Controlの結果と比較し，処置効果を推定する．この手法は，各処置ユニットごとにSynthetic Controlを推定し，個別の処置効果を推定することが可能である．しかし，Synthetic Controlの推定はつねに一意な解が得られるとは限らず，処置ユニットと対照群のユニットが多数含まれるデータセットでは，解の多重化は困難な課題となる．本研究では，この課題に取り組んだ先行研究(Abadie and L'hour, 2021)と残差がある値以下の場合にその残差を0と見なすサポートベクター回帰(Drucker et al., 1996)の目的関数の特徴を参考に，サポートベクター回帰を用いたSynthetic Control Methodを提案する．提案した推定量は，重みの推定の際に，1.サポートベクター回帰の特徴を踏襲し，処置ユニットの予測因子とSynchetic Controlの予測因子の差が分析者が決めるハイパーパラメータ以下となった場合にその差分を0と見なし，2.先行研究と同様に各処置群のユニットとSynthetic Controlの予測因子の差分を最小化と各処置群のユニットと対照群のユニットの予測因子の差分を最小化することのトレードオフをコントロールするという2つの特徴を持つ．我々は，提案した推定量を先行研究で提案された推定量の性能と比較し，同等の精度とスパースな解を実現し，かつ計算量を抑えて重みを推定できていることを示す． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | In recent years, Synthetic Control Method has been frequently applied in empirical studies to estimate the effects of treatments and interventions on outcomes. Synthetic Control Method estimates the treatment effect by comparing the results of the treated units with the results of Synthetic Control, which is a weighted average of the units in the control group that did not receive the treatment that most resembles the pre-treatment units. This method can estimate Synthetic Control for each treatment unit and can estimate the treatment effect individually. However, the estimation of Synthetic Control does not always yield a unique solution, and multiplexing the solution is a difficult task in a data set that contains many treated and untreated units. In this study, we propose a synthetic control method using support vector regression, referring to a previous study that addressed this issue (Abadie and L'hour, 2021) and the objective function of support vector regression, in which the residuals are considered to be 0 when they are less than a certain value. The proposed estimator has two features when estimating the weights: 1. it follows the features of support vector regression and considers the difference to be zero if the difference between the predictors of the treatment units and the Synthetic Control is less than or equal to a hyperparameter determined by the analyst, and 2. as in previous studies, it controls for the trade-off between minimizing the difference between the predictors of each As in the previous study, we controlled for the trade-off between minimizing the difference between the predictors of the treatment and synthetic control units and minimizing the difference between the predictors of each treatment and control unit. Compared with the performance of the methods proposed in the previous studies, we show that our method achieves comparable accuracy and sparse solutions, while estimating the weights with less computational complexity. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN00116647 | |||||||||
| 書誌情報 |
情報処理学会論文誌 巻 65, 号 9, p. 1399-1410, 発行日 2024-09-15 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 1882-7764 | |||||||||
| 公開者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
