经济学研究中的机器学习：回顾与展望

被引：32

作者：

王芳 ^{[1
]}

王宣艺 ^{[2
]}

陈硕 ^{[2
]}

机构：

[1] 华东师范大学公共管理学院

[2] 复旦大学经济学院

来源：

数量经济技术经济研究 | 2020年 / 37卷 / 04期

关键词：

机器学习; 数据生成; 预测; 因果识别;

D O I：

10.13653/j.cnki.jqte.2020.04.008

中图分类号：

F014 [经济范畴];

学科分类号：

0201 ;

摘要：

研究目标:随着数据的可得和计算机的发展,机器学习技术在经济学领域的应用发展非常迅速。本文旨在系统介绍机器学习在经济学中的应用。研究方法:简单介绍机器学习的定义后,本文将从数据生成、预测以及因果识别(DID、RD和IV)三个方面详细介绍机器学习在经济学中的应用。研究发现:局限于经济学因果识别方法的成熟及样本大小限制,本文认为机器学习虽然拓展了研究的边界,但并不会颠覆社会科学研究范式。研究创新:将机器学习的最新应用进行综述。研究价值:对机器学习在经济学中的已有应用进行分类归纳,并对未来研究进行展望。此外,本文也从学界不平等及可复制性等方面讨论了该技术在应用过程中可能带来的问题。

引用

页码：146 / 164

页数：19

共 53 条

[41]

Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California’s Tobacco Control Program[J] . Alberto Abadie,Alexis Diamond,Jens Hainmueller.Journal of the American Statistical Association . 2010 (490)

[42]

What Drives Media Slant? Evidence from U.S. Daily Newspapers[J] . Matthew Gentzkow,Jesse M. Shapiro.Econometrica . 2010 (1)

[43]

Regression discontinuity designs: A guide to practice[J] . Guido W. Imbens,Thomas Lemieux.Journal of Econometrics . 2007 (2)

[44]

Is All That Talk Just Noise? The Information Content of Internet Stock Message Boards[J] . WernerAntweiler,Murray Z.Frank.The Journal of Finance . 2005 (3)

[45] Extracting policy positions from political texts using words as data [J].