V univerzitní soutěži Primus uspěl projekt Matěje Bajgara

Byly vyhlášeny výsledky 9. kola soutěže Primus, kterou pořádá Univerzita Karlova pro mladé perspektivní vědce a vědkyně. Cílem programu je podpořit špičkové pracovníky a pracovnice při zakládání a rozvoji nových vědeckých skupin a laboratoří. Jedním ze dvou úspěšných projektů, které letos získaly podporu a financování na FSV, je projekt našeho kolegy Matěje Bajgara, nazvaný "Průmyslová politika založená na faktech" (PRIMUS/25/SSH/008).

Projekt získal podporu na čtyři roky (leden 2025 - prosinec 2028), kdy bude výzkumný tým na základě dat o dotacích pro podniky, veřejných zakázkách a vazbách mezi dodavateli a odběrateli a za pomoci nových strategií pro odhad příčinných souvislostí i technik strojového učení pro analýzu textu řešit klíčové otázky o vlivu strukturálních a průmyslových politik na ekonomiku. 

Anotace v anglickém jazyce:

Policy-makers are increasingly relying on “structural” or “industrial” policies to revive productivity growth and reach their strategic objectives. Subsidies and public procurement play a central role in this context, but there are still important gaps in our understanding of their effects on the economy.
First, there is little research to guide targeting of public funding towards particular industries or firms.
Second, we lack a broadly accepted theory of how firms select into applying for public funding and thus remain in the dark regarding the possible reallocation effects on aggregate productivity.
Third, there is a lack of evidence regarding the ability of structural policies to not just stimulate the quantity of investment but steer its composition (e.g. towards green technologies).
Fourth, we still have a limited understanding of how spillovers are transmitted in the economy and which firms or activities generate the most spillovers.
In this project, we aim to help address these questions with the help of unique datasets on business subsidies, public procurement and supplier-buyer links, novel strategies for causal estimation, and machine-learning techniques for text analysis.

Gratulujeme a přejeme mnoho zdaru!