在過去十四年（2011–2025），我的研究主要聚焦於工具變數分量迴歸、追蹤資料分量迴歸、透過控制函數法解決內生性問題，以及運用機器學習進行因果推論。整體而言，研究核心有兩大方向：一是處理分量模型中的內生性議題，二是發展與推廣因果機器學習方法。除了理論計量經濟學的研究之外，我也將所發展的模型應用在企業層級的追蹤資料上，分析金融與經濟相關的課題。
2015 年 8 月到 2016 年 7 月，我以訪問學者身分在麻省理工學院經濟系進行研究，修習了 Victor Chernozhukov 教授的研究所課程「Mostly Dangerous Big Data (Causal Machine Learning)」，以及 Joshua Angrist 教授的「Applied Econometrics: Policy Evaluation」。在這段期間，我透過家計層級的資料與各種應用案例，深入學習了多種準實驗方法與因果機器學習技巧。其中一項研究成果是與合作者共同完成的論文（Chen and Hsiang, 2019, “Causal Random Forests Model Using Instrumental Variable Quantile Regression”），並發表於國際學術期刊 Econometrics。該研究將 Athey、Tibshirani 和 Wager（2019, The Annals of Statistics）提出的 Generalized Random Forests 方法，應用於工具變數的因果識別，並提出新的因果機器學習參數估計方式。同時，透過整合工具變數分量迴歸，我們估計了不同分量下的處置效果，並進一步揭示了分布資訊以及各變數對不同分量效果的重要性。應用在美國 401(k) 退休金制度的研究中，這項方法展現出相較既有文獻更具穩健性的結果。
自 2020 年至 2027 年，我擔任日本學術振興會科研費計畫的主持人，先後進行兩項研究計畫：「因果機器學習下的分量處置效果計量分析及其經濟學應用」（課題編號 20K01593, 基盤C）以及「運用因果機器學習建構與評估經濟學中的最適化政策規則」（課題編號 24K04823, 基盤C）。研究成果包括 2021 年 4 月發表於 Econometrics 的 “Debiased/Double Machine Learning for Instrumental Variable Quantile Regressions”（其中一位共同作者來自美國微軟研究院首席經濟學家辦公室），以及 2023 年發表於同期刊的 “Exploring Industry-Distress Effects on Loan Recovery: A Double Machine Learning Approach for Quantiles”。此外，2025 年我與史丹佛大學統計系學者合著的 “Recent Advances in Causal Machine Learning and Dynamic Policy Learning” 發表於 WIREs Computational Statistics，提供管道讓經濟學者深入淺出了解並促進使用因果機器學習方法於實證分析。近年（過去二至三年）與目前進行中的研究，重點在於利用因果機器學習來估計異質性處置效果，並設計最適化的政策規則（targeting）。例如，我與台灣的 PChome eBay Co., Ltd. 合作，在行銷領域進行 A/B 測試（數位實驗），蒐集隨機化比較實驗資料，運用最新的因果機器學習方法來估計異質效果並提出政策規則。隨後再以新一輪的 A/B 測試驗證這些政策規則的效果，並比較不同規則間的優劣。未來的研究計畫，將持續推動基於因果推論的實證研究，強化「循證政策制定」（EBPM, Evidence-Based Policy Making），並深化因果機器學習在計量經濟學上的應用。
在教學方面，我重視兩個核心目標：一是培養學生基於實證的論辯能力，二是讓學生掌握紮實的實證分析技能。在計量經濟學的課程中，我透過具體案例與結構化的討論，示範如何運用計量方法處理經濟學問題，同時強調熟練使用 R 與 Stata 等軟體工具。特別是，我會引導學生運用工具變數分量迴歸與因果機器學習，進行經濟學的假說檢驗與因果分析。在「經濟學中的資料科學：利用計量經濟學進行因果推論」這門專題課程中，會隨著學生年級進展逐步增加英文的使用比例，目標是讓學生在畢業前能具備以英文上課的能力。我強調小班制的雙向互動，幫助學生發展專業能力；同時要求學生不僅要能引用文獻，更要能完成基於自身研究的畢業論文。至今我已指導過多篇大學部與碩士論文，其中不乏學生後續進入 University College London、UC San Diego、Johns Hopkins University、Washington University in St. Louis 攻讀經濟學博士，或是進入 Stanford University 攻讀統計學博士。2017 年 6 月至 2018 年 8 月，國立臺灣大學陳釗而的研究室與九州大學瀧本太郎教授、京都大學佐々木啓明教授，舉辦跨校聯合研究討論會（in-zemi），以促進校際交流與學術網絡的建立。自 2018 年起，我在東京國際大學開設「經濟學中的機器學習」課程，修過此課的學生畢業後赴英國攻讀資料科學碩士或倫敦大學城市校區商學院博士，也有我的學生畢業後即進入 Facebook 任職。2019 年，我所指導的碩士生 Nurazlaily Binti Mohamad Retha（當時為政策研究大學院大學碩士生）之論文獲選為 GRIPS 當年度的最優秀政策論文。
至於對任教大學的研究計畫案與學生培育的貢獻，我結合了在美國（NYU 與 MIT 共 7 年）、台灣（6 年）、日本（7 年半）累積的研究與教學經驗，專注於應用計量經濟學與因果機器學習。我能將理論與實證緊密結合，帶入新的實證方法，並協助大學方進行嚴謹的資料分析與政策效果的量化評估。同時，我也希望透過課程與專題討論，讓學生能夠真正掌握計量方法與實證研究流程，培養在資料分析相關職涯中最不可或缺的能力──正確解讀研究結果的思維。
Jauer 