Top Highlights

• 仮定の強さと、それがどれだけ信頼できるか（信頼性）には、緊張関係が存在する。私はこの関係を「 信頼性逓減の法則」と名付けた。 【信頼性逓減の法則】 仮定が強いほど推論の信頼性は逓減する
• 実際の政策分析では、強い結論を導くことを優先して、信頼性を犠牲にしがち である。なぜそうなるのか。 アナリストは 誘因 に反応するからだというのが正解に近い。
• それに対してマンスキー教授は、この識別問題に「部分識別」という新しい解決方法を提示しました。「部分識別」では、まず、「何も仮定を課さずに、観察されるデータのみをもとに分析したなら、因果効果として何が識別できるのか」を考えることからスタートします。次に、「多くの人々が納得するような最小限の仮定を課したうえで分析したときには、さらにどこまでの因果効果を識別できるのか」を考えていきます。そのため、「部分識別」では、分析対象の因果効果について、ある値をピンポイントに識別する（ 点識別）のではなく、入りうる区間として識別（ 部分識別）します。
• この問題に対してマンスキー教授は、統計的決定理論で用いられる 期待厚生基準、 マキシミン基準、 ミニマックス・リグレット基準 の各意思決定基準を持つプランナーが、それぞれ、どのように政策を選択するかを研究しました。その
• 結果として、 政策効果は点で予測するのではなく、区間で予測する ことになる。私は区間の長さがデータと仮定に依存することを示した。また、 不完全な知識をもとに適切な政策選択を行う方法を示した。政策効果について不完全な知識しか持ち合わせていないときに選択する政策が、完全な知識を持っている場合の最適政策ではなくても、やむを得ない点を強調した。