机器学习和农业政策研究范式的革新

被引：21

作者：

于晓华 ^{[1
]}

唐忠 ^{[2
]}

包特 ^{[3
]}

机构：

[1] 德国哥廷根大学农业经济与农村发展系

[2] 中国人民大学农业与农村发展学院

[3] 新加坡南洋理工大学经济学系

来源：

农业技术经济 | 2019年 / 02期

关键词：

机器学习; 农业政策研究; 农业经济学; 预测; 计量模型;

D O I：

10.13246/j.cnki.jae.2019.02.001

中图分类号：

F323 [农业经济建设与发展];

学科分类号：

020205 ; 1203 ; 0202 ;

摘要：

传统的农业政策分析偏重于分析变量之间关系和模型参数的估计,而"机器学习"更注重对未来结果预测的准确性,而后者恰恰是农业政策分析的目的。"机器学习"具有庞大的数据收集和储存能力、强大的学习分析能力以及更智能化的语言分析能力等,所以"机器学习"会对农业政策研究带来革命性的影响。农业经济学界要关注"机器学习"的发展,在科研和教学中导入"机器学习",结合传统的农业经济学分析方法,让农业政策的制定更加精准、更加科学、更加强大,政策沟通更加有效。

引用

页码：4 / 9

页数：6

共 17 条

[1] 我国农业经营主体变迁的政策意图及其演化路径——基于中央一号文件(1982-2016年)的文本分析 [J].