Közgazdaság- és Regionális Tudományi Kutatóközpont Magyar Tudományos Akadémia Kiváló Kutatóhely

A ″Nemzetközi segélyezés a 21. század elején - Új irányok, új lehetőségek″ című tanulmánykötet bemutatója

2019 nyarán jelent meg az Akadémiai Kiadó gondozásában a "Nemzetközi segélyezés a 21. század elején - Új irányok, új lehetőségek" című tanulmánykötet, melynek szerkesztője Kiss Judit, a Világgazdasági Intézet professor emeritája, aki Ricz Judittal, a VGI tudományos munkatársával egyetemben a kötet egyes tanulmányainak szerzőjeként is hozzájárult a mű létrejöttéhez.

A könyv bemutatójára a Külügyi és Külgazdasági Intézetben, 2019. október 1-én 14:00 órakor kerül sor.

A rendezvény regisztrációköteles >>> további információk

VGI MŰHELYBESZÉLGETÉSEK

Az MTA KRTK Világgazdasági Intézet

 szeretettel meghívja Önt a

 VGI  MŰHELYBESZÉLGETÉSEK

 következő előadására, melynek témája:

 Push factors and expansion strategies of non-European EMNEs – a comparative analysis of the Chinese and Brazilian cases

 Az előadást tartja:

 Szunomár Ágnes

 a VGI kutatócsoport-vezetője

A rendezvény nyelve angol.

 Kérjük, részvételi szándékát jelezze a vgi.titkarsag@krtk.mta.hu e-mail címen.

További információk a www.vki.hu weboldalon és az esemény facebook-oldalán.

KTI szeminárium

Gyöngyösi Győző (Kiel Institute for the World Economy)

Financial distress and student performance

This paper studies the effect of household financial distress on students’ cognitive skill development. We use household foreign currency credit expansion with a large and unexpected depreciation of the domestic currency. The depreciation increased the debt burden of households borrowing in foreign currencies but not of households borrowing in the local currency. We measure household foreign currency debt exposure at the postal code level, and student achievement using administrative student level standardized test scores. Our empirical strategy compares the students’ cognitive skills attending the same class but living in different postal codes. Preliminary results show that a 10 percent unexpected local debt shock decreases the math and reading skills by .045 standard deviations. We also explore the channels through which the crisis affected student development.

KTI szeminárium – Varga Júlia

KTI szeminárium

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.

KTI szeminárium

KTI szeminárium

Hajdu Tamás (KRTK KTI) – Hajdu Gábor (TK SZI)

A klímaváltozás és hőmérsékleti sokkok hatása a fogantatási rátára

Tanulmányunkban a hőmérséklet és a fogantatások közti kapcsolatot vizsgáljuk. A kutatáshoz az egészségügyi rendszer által 1980 és 2016 között regisztrált magyarországi élveszületések, magzati halálozások és terhességmegszakítások adatait használjuk fel, kiegészítve a European Climate Assessment & Dataset projekt időjárási megfigyeléseivel és a NASA NEX-GDDP adatbázisának klíma előrejelzéseivel. Elemzésünkben két kérdésre keressük a választ. 1) Hogyan hatnak a hőmérsékleti sokkok az 1980 és 2015 közötti magyarországi fogantatási rátára? 2) A megfigyelt kapcsolat alapján mi várható a klímaváltozás hatására a 21. század közepére? Eredményeink azt mutatják, hogy a meleg időjárás csökkenti a fogantatási rátát a sokkot követő néhány héten. Ugyanakkor a fogantatások száma az ezt követő hetekben részlegesen „pótlódik”. A klímaváltozás hatására a fogantatási ráta szezonalitásának növekedése és szintjének kismértékű csökkenése várható.