Λογότυπο αποθετηρίου

Πλοήγηση ανά Συγγραφέα "Vossou, Eleni"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Φιλτράρετε τα αποτελέσματα πληκτρολογώντας τα πρώτα γράμματα
Τώρα δείχνει 1 - 1 από 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Beyond traditional causal inference: a causal forest approach to estimating the heterogeneous effects of EU regional subsidies
    (2025-02-26) Vossou, Eleni; Βόσσου, Ελένη; Pagratis, Spyros; Antoniou, Fabio; Alexopoulos, Angelos
    Μπορεί μια ενιαία πολιτική να εξυπηρετήσει πραγματικά τις ποικίλες ανάγκες των περιφερειών της Ευρώπης, ή ο αντίκτυπός της ξεδιπλώνεται μέσα στην κρυφή σύνδεση του τόπου και του χρόνου; Η ασύμμετρη κατανομή της οικονομικής μεγέθυνσης και ανάπτυξης στις ευρωπαϊκές περιφέρειες αποτελεί μια επίμονη πρόκληση για την Ευρωπαϊκή Ένωση, παρά τις δεκαετίες προγραμμάτων περιφερειακών επιδοτήσεων που αποσκοπούν στην προώθηση της σύγκλισης. Η μέση επίδραση της θεραπείας (ATE) αυτών των προγραμμάτων έχει παραδοσιακά μελετηθεί μέσω οικονομετρικών προσεγγίσεων, όπως η Difference-in-Differences (DiD) και η Two-Way Fixed Effects (TWFE). Ωστόσο, αυτές οι μέθοδοι όχι μόνο υποφέρουν από μεροληψία σε ρυθμίσεις κλιμακωτής υιοθέτησης ή όταν τα αποτελέσματα της θεραπείας ποικίλλουν με την πάροδο του χρόνου, αλλά και αποτυγχάνουν να συλλάβουν ετερογενή αποτελέσματα της θεραπείας. Η παρούσα διατριβή αποσκοπεί στην αντιμετώπιση αυτών των περιορισμών με την αξιολόγηση της εφαρμογής πολιτικής μέσω του Generalized Synthetic Control (GSC) και των Causal Forests. Πρώτον, ο GSC επικυρώνει τη συνολική επίδραση των περιφερειακών επιδοτήσεων της ΕΕ, παρέχοντας ένα ευέλικτο αντιπαραθετικό πλαίσιο για την αξιολόγηση της συνολικής επιτυχίας του προγράμματος. Συμπληρώνοντας αυτή την ανάλυση, χρησιμοποιούνται τα Causal Forests για να αποκαλυφθεί η σημαντική διακύμανση των εν λόγω αποτελεσμάτων μεταξύ των περιφερειών, προσδιορίζοντας ποιες περιφέρειες επωφελούνται περισσότερο και ποιες παραμένουν ανεπηρέαστες. Τα εμπειρικά αποτελέσματα αποκαλύπτουν σημαντική ετερογένεια στις επιπτώσεις των περιφερειακών επιδοτήσεων της ΕΕ. Τα Causal Forests καταδεικνύουν διαφορετικά επίπεδα επιδράσεων της μεταχείρισης σε όλες τις περιφέρειες, παρά τις θετικές μέσες επιδράσεις, καθώς ορισμένες περιφέρειες έχουν μεγάλα οφέλη, ενώ άλλες παρουσιάζουν ελάχιστες αντιδράσεις. Οι γνώσεις αυτές μετατοπίζουν το ενδιαφέρον στην κατανόηση του για ποιους και υπό ποιες συνθήκες οι επιδοτήσεις είναι πιο αποτελεσματικές, αντί να αξιολογείται αποκλειστικά ο μέσος αντίκτυπος της επιδότησης. Επιπλέον, η παρούσα διατριβή συμβάλλει στη μεθοδολογική βιβλιογραφία, καταδεικνύοντας πώς οι μέθοδοι μηχανικής μάθησης μπορούν να συμπληρώσουν την παραδοσιακή οικονομετρία, για την αντιμετώπιση μακροχρόνιων προβλημάτων στην αιτιώδη συμπερασματολογία σε περιβάλλοντα δεδομένων με υψηλή διάσταση και θόρυβο, βελτιώνοντας παράλληλα τη χάραξη πολιτικής ακριβείας, για πιο δίκαιες και αποτελεσματικές πολιτικές σε όλες τις περιφέρειες της ΕΕ που ανταποκρίνονται στις μοναδικές πραγματικότητές τους.