Zpět na vyhledávání

Bc. Juraj Szitás

Master's thesis

Fiscal multipliers through machine learning

Fiscal multipliers through machine learning
Abstract:
V tejto práci sú prezentované nové metódy pre odhad tzv. treatment efektov vďaka novým poznatkom z oblasti neparametrických odhadov, ktoré sú zbežne známe ako "strojové učenie". Tieto sú diskutované na začiatku práce, mimo krátkeho odklonu počas ktorého sú diskutované fiškálne multiplikátory, a bežné metódy ich odhadu. Následne je demonštrované ako sa tieto nové metódy strojového učenia dajú použiť …more
Abstract:
This work presents new methods for estimating treatment effects through recent breakthroughs in non-parametric methods commonly known as 'machine learning'. These are exposed in the first few chapters, barring a short discourse into the topic of fiscal multipliers, and common methods to estimate them. It is then shown how these new methods can be used for the estimation of fiscal multipliers, and estimated …more
 

Keywords

fiškálne multiplikátory fiškálna politika strojové učenie náhodný les treatment efekty dvojité strojové učenie dvojité procedúry na výber modelu fiscal multipliers fiscal policy machine learning random forest causal forest treatment effects double machine learning de-biased machine learning double selection procedures
 
Language used: English
Date on which the thesis was submitted / produced: 24. 7. 2020
Identifier: https://is.muni.cz/th/nyaqr/

Thesis defence

  • Date of defence: 10. 9. 2020
  • Supervisor: Ing. Mgr. Vlastimil Reichel
  • Reader: Ing. Jan Čapek, Ph.D.

Citation record

Cite this text

Full text of thesis

Contents of on-line thesis archive
Published in Theses:
  • světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Masarykova univerzita, Ekonomicko-správní fakulta
Složka Reference to the local database directory of the institution