Please use this identifier to cite or link to this item:
https://repositorio.ipea.gov.br/handle/11058/11785
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
dp_273_sumex.pdf | 115.29 kB | Adobe PDF | View/Open | |
dp_273.pdf | 3.31 MB | Adobe PDF | View/Open |
Title: | Machine learning simulates agent-based model towards optimal policy : a surrogate model for public policy assessment |
Other Titles: | Discussion Paper 273 : Machine learning simulates agent-based model towards optimal policy : a surrogate model for public policy assessment |
Authors: | Furtado, Bernardo Alves Andreão, Gustavo Onofre |
Abstract: | As políticas públicas não são intrinsecamente positivas ou negativas. As políticas fornecem níveis variados de efeitos em diferentes destinatários. Metodologicamente, a modelagem computacional possibilita a aplicação de uma combinação de múltiplas influências em dados empíricos, permitindo assim uma resposta heterogêneos à política. Usamos um algoritmo de aprendizado de máquina de floresta aleatória para emular um algoritmo baseado em agente modelo (ABM) e avaliar políticas concorrentes em 46 Regiões Metropolitanas (RMs) do Brasil. Ao fazer isso, usamos parâmetros de entrada e indicadores de saída de 11.076 simulações reais execuções e um milhão de execuções emuladas. Como resultado, obtemos o desempenho ótimo (e dentro do ideal) de cada região sobre as políticas. Ótimo é definido como uma combinação de produção e indicadores de desigualdade para o conjunto completo das RMs. Os resultados sugerem que as RMs já possuem estruturas incorporadas que favorecem os resultados ótimos ou ideais, mas também ilustram quais política é mais benéfica para cada lugar. Além de fornecer resultados de políticas específicas das RM, o uso de aprendizado de máquina para simular um ABM reduz a carga computacional, enquanto permitindo uma variação muito maior entre os parâmetros do modelo. A coerência dos resultados dentro o contexto e maior incerteza – vis-à-vis aqueles do ABM original – sugere um adicional teste de robustez do modelo. Ao mesmo tempo, o exercício indica quais parâmetros devem os formuladores de políticas intervêm, a fim de trabalhar em direção a instrumentos precisos de políticas ótimas. |
metadata.dc.rights.holder: | Instituto de Pesquisa Econômica Aplicada (Ipea) |
metadata.dc.rights.license: | Reproduction of this text and the data contained within is allowed as long as the source is cited. Reproduction for commercial purposes is prohibited. |
metadata.dc.type: | Discussion Paper |
Appears in Collections: | Administração Pública. Governo. Estado: Livros |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.