Események

KTI szeminárium

Esemény kezdete: 2019.10.14. 14:00
Esemény vége: 2019.10.14. 16:00
Hely: MTA HTK 1097 Budapest Tóth Kálmán u. 4. fszt. K013-14-es előadóterem

Leírás:

 

Kreif Noémi (Centre for Health Economics, University of York)

An application of causal machine learning to explore heterogeneous treatment effects of social health insurance

Researchers evaluating social policies are often interested in identifying individuals who would benefit most from a particular policy. Recently proposed causal inference approaches that incorporate machine learning (ML) have the potential to help explore treatment effect heterogeneity in a flexible yet principled way. We contrast two such approaches in a study evaluating the effects of enrollment in social health insurance schemes on health care utilisation of Indonesian mothers.  First, we apply a double-machine learning (DML) approach where we estimate both the outcome regression and the propensity score flexibly using an ensemble ML approach. From the individual-level predictions of potential outcomes we calculate individual-level treatment effects and use a Random Forest (RF) procedure to identify the variables that predict these effects. We contrast this exploratory approach to an application of the Causal Forests method (Wager and Athey, 2018 JASA), which has been designed to directly estimate heterogeneous treatment effects, by modifying the standard RF algorithm to maximise the variance of the predicted treatment effects. In both analyses we find that the most important effect modifiers include educational status, age and household wealth. When reporting conditional average treatment effects (CATEs) for subgroups defined by these variables, the methods agree that less well-educated and younger mothers would benefit more from health insurance than well-educated and older ones. The CATEs reported by the Causal Forests have larger confidence intervals than those reported by the DML method, potentially due to the extra sample splitting step employed.

Transition in Agriculture – Agricultural Economics in Transition XVI.

Transition in Agriculture – Agricultural Economics in Transition XVI.Kétnapos nemzetközi agrárgazdaságtani konferencia. Helyszín: MTA HTK 1097 Budapest Tóth Kálmán u. 4. fszt. K 11-12-es előadóterem

10th Annual Financial Market Liquidity Conference

10th Annual Financial Market Liquidity ConferenceThe aim of the conference is to bring together academics and practitioners to discuss state-of-the-art results in the field of financial market liquidity.

Emlékülés és könyvbemutató Csatári Bálint tiszteletére

Emlékülés és könyvbemutató Csatári Bálint tiszteletéreA KRTK Regionális Kutatások Intézetének Alföldi Tudományos Osztálya a 2019. szeptember 17. napján elhunyt dr. Csatári Bálint geográfus, tanár, egyetemi oktató, az MTA RKK Alföldi Tudományos Intézetének volt igazgatója emlékére 2019. november 27-én ülést és könyvbemutatót tart.

Kiemelt híreink

Kutatóink írásai a Fordulat - társadalomelméleti folyóirat 26-ik számában

Kutatóink írásai a Fordulat - társadalomelméleti folyóirat 26-ik számában 2008–2018: Válság és hegemónia Magyarországon

Transition in Agriculture – Agricultural Economics in Transition XVI.

Transition in Agriculture – Agricultural Economics in Transition XVI. Kétnapos nemzetközi agrárgazdaságtani konferencia. Helyszín: MTA HTK 1097 Budapest Tóth Kálmán u. 4. fszt. K 11-12-es előadóterem

Új publikációk a Regionális Kutatások Intézetében

Új publikációk a Regionális Kutatások Intézetében Novemberi szakfolyóiratcikkek

További híreink »