という、前回エントリで紹介したRestrepoの議論より楽観的なレポートをMostly Economicsが紹介している。原題は「Reports of AI ending human labour may be greatly exaggerated」で、著者はStefania Albanesi（ピッツバーグ大）、António Dias da Silva（ECB）、Juan Francisco Jimeno（スペイン銀行）、Ana Lamo（ECB）、Alena Wabitsch（オックスフォード大）。 以下はそのレポートの元となった論文「New technologies and jobs in Europe」の要旨。 We examine the link between labour market developments and new technologies such as a

というNBER論文が上がっている。原題は「Automation: Theory, Evidence, and Outlook」で、著者はアセモグルと良くAIや自動化に関する論文を書いているPascual Restrepo（ボストン大）。 以下はその要旨。 This article reviews the literature on automation and its impact on labor markets, wages, factor shares, and productivity. I first introduce the task model and explain why this framework offers a compelling way to think about recent labor market trends and the effects of

自動化に関するNBER論文を何本も上げてきたアセモグルとPascual Restrepoのコンビ（cf. ここ［とそのリンク先］、ここ、ここ）が、表題のNBER論文（原題は「Tasks, Automation, and the Rise in US Wage Inequality」）を新たに上げている（ungated版）。 以下はその要旨。 We document that between 50% and 70% of changes in the US wage structure over the last four decades are accounted for by the relative wage declines of worker groups specialized in routine tasks in industries experiencing rapid a

前回エントリで紹介したNBER論文と著者たちが一部重なる*1表題のNBER論文が上がっている（ungated版、H/T 一上さんツイート）。原題は「Using Machine Learning to Construct Hedonic Price Indices」で、著者はMichael Cafarella（MIT CSAIL＝MITコンピュータ科学・人工知能研究所*2）、Gabriel Ehrlich（ミシガン大）、Tian Gao（Snowflake Inc.*3）、John C. Haltiwanger（メリーランド大）、Matthew D. Shapiro（ミシガン大）、Laura Zhao（カナダ銀行）。 以下はその要旨。 This paper uses machine learning (ML) to estimate hedonic price indices at scal

というNBER論文が上がっている（Labour Economics掲載版、2015年時点のWP）。原題は「Simple Tests for Selection: Learning More from Instrumental Variables」で、著者はDan A. Black（シカゴ大）、Joonhwi Joo（テキサス大学ダラス校）、Robert LaLonde（シカゴ大、故人）、Jeffrey A. Smith（ウィスコンシン大学マディソン校）、Evan J. Taylor（アリゾナ大）。 以下はその要旨。 We provide simple tests for selection on unobserved variables in the Vytlacil-Imbens-Angrist framework for Local Average Treatment Effects

表題のNY連銀ブログ（原題は「Economic Predictions with Big Data: The Illusion of Sparsity」）で、同じタイトルの研究論文の内容を紹介している。著者はDomenico Giannone（NY連銀）、Michele Lenza（ECB）、Giorgio Primiceri（ノースウエスタン大）。 以下はその冒頭。 The availability of large data sets, combined with advances in the fields of statistics, machine learning, and econometrics, have generated interest in forecasting models that include many possible predictive varia

というNBER論文をポール・ミルグロムらが書いている（ungated版）。原題は「How Artificial Intelligence and Machine Learning Can Impact Market Design」で、著者はPaul R. Milgrom（スタンフォード大）、Steven Tadelis（UCバークレー）。 以下はその要旨。 In complex environments, it is challenging to learn enough about the underlying characteristics of transactions so as to design the best institutions to efficiently generate gains from trade. In recent years, Artificial

「Artificial Intelligence and Economic Growth」というNBER論文が上がっている（ungated版）。著者はPhilippe Aghion（コレージュ・ド・フランス）、Benjamin F. Jones（ノースウエスタン大）、Charles I. Jones（スタンフォード大）。 以下はその要旨。 This paper examines the potential impact of artificial intelligence (A.I.) on economic growth. We model A.I. as the latest form of automation, a broader process dating back more than 200 years. Electricity, internal combustion en

昨日紹介したFrancis Dieboldの3連エントリの2番目にHal Varianがコメントし、Dieboldが指摘した問題――機械学習は因果関係の無い予測に重点を置くが、計量経済学は因果関係のある予測に重点を置く――について自分が以前書いた論文を2篇紹介している。一つは機械学習に詳しい人向けで、もう一つは経済学者向けとの由。 以下は前者の論文「Causal inference in economics and marketing」の要旨。 This is an elementary introduction to causal inference in economics written for readers familiar with machine learning methods. The critical step in any causal analysis is est

についてFrancis Dieboldが3つのエントリに亘って論じている（ここ、ここ、ここ；H/T Economist's View）。 彼が挙げた両者の相違は以下の2点。 機械学習は因果関係の無い予測に重点を置くが、計量経済学は因果関係のある予測に重点を置く。 換言すれば、機械学習は条件付き期待値を求めようとするが、計量経済学は偏微分を求めようとする。 時系列分析のように、計量経済学も因果関係の無い予測を求めることがあるが、その歴史は機械学習より遥かに古い。また、その場合は統計学に近いとも言える。「データサイエンティストとは何か？」「サンフランシスコに住んでいる統計学者のことさ」という古いジョークがその間の消息を物語っている。 計量経済学（および統計学）は、不確実性の確率的な評価に関心がある。一方、機械学習は点予測で満足してしまうことが多い。計量経済学（および統計学）は、区間予測、最終的