机器学习对于经济学应用研究的适用性-计量经济学论文-经济学论文.docxVIP

机器学习对于经济学应用研究的适用性-计量经济学论文-经济学论文 ——文章均为WORD文档，下载后可直接编辑使用亦可打印—— 　　摘 要：　机器学习以数据、文本、图片等现实经验信息为研究对象，通过计算机与人工智能相结合的算法进行深度挖掘，对经验现实进行建模与预测。因其对高维、复杂、大样本数据的模型选择和预测优势，应用于经济学研究，尤其是微观经济学、能源经济和金融市场领域。机器学习在数据发现与变量创造、预测、因果推断、政策评估、理论检验等领域有较好的应用，但其在经济学应用研究中的作用与局限是值得注意的问题。 　　关键词：　机器学习; 经济研究; 方法论; 作用与局限; 　　Abstract：　As a field concerning data-driven algorithm,Machine Learning takes real experience information such as data,text,and pictures as research objects,and performs deep mining through algorithms combining computers and artificial intelligence to model and predict empirical reality. Due to its model selection and prediction advantages for high-dimensional,complex and large sample data,it is generating new opportunities for innovative research in economics,especially in the fields of microeconomics,energy economy and financial markets. Machine learning has a good application in the fields of data discovery and variable creation,prediction,causal inference,policy evaluation, and theoretical testing,but its role and limitations in applied economics research are also noteworthy. 　　Keyword：　machine learning; economic research; economics methodology; capabilities and limitations; 　　随着人工智能的兴起，机器学习（Machine Learning）最初作为人工智能的一个分支，在各个领域迅速崛起，其对巨量、复杂信息的处理、预测能力和基于数据科学的各种算法体系，使其成为数字经济时代的创新驱动力之一。互联网及大数据模式下的经济活动促使了更多高维、复杂经验数据的产生，机器学习在科学研究领域的应用为新范式下的经济研究提供了新型的研究方法，进而促使经济学研究由当前的线性、低维、有限样本、抽象模型向非线性、高维、大样本、复杂模型的转向。经济学实证研究及计量经济学模型理论研究中对机器学习的应用及相关文献的出现，是这次转向的主要标志。2016年美国经济学年会上，苏珊艾西（Susan Athey)1首次提出机器学习方法对经济研究的影响，进一步引发了学界对机器学习的广泛关注。应用机器学习进行实证研究的英文文献主要出现于微观经济学、能源经济学和金融市场领域，随着近两年机器学习算法的不断开发，机器学习也开始尝试应用于宏观领域的失业、通货膨胀等问题。但应用机器学习进行经济学实证研究的中文文献还非常少，仍处于初始起步阶段。 　　机器学习范式作为一种新兴数据驱动的模型体系，引起经济学界广泛关注。机器学习模型体系与传统的数理统计及计量经济学模型方法有何不同，其适用领域及在具体应用实践中的作用如何？本文致力于对以上问题作出回答，并尝试从更宏观的方法论层面来理解机器学习范式的本质及其在经济研究中的作用与局限。    　　一、机器学习的内涵界定 　　机器学习的内涵较为广泛，目前对机器学习的内涵有多种界定，包括广义的和狭义的两方面。广义的机器学习认为，机器学习是计算机科学的一些分支领域的集合，也是机器一系列在计算机科学、工程学、统计学尤其是社会科学中发展和使用。由于机器学习算法广泛应用于不同学科，不同领域或学科对机器学习的界定也不同。2狭义的机器学习则来自各个学科对机器学习