9月22日下午在六教，beat365經濟學研究所副教授李紅軍做客社科大講堂，以“運用機器學習方法進行計量分析”為題，為百餘名線下及線上師生闡釋何為數據分析、機器學習、計量分析，并講解機器學習方法在計量分析中的應用。

主講人李紅軍

講座伊始，李紅軍分析了做數據分析的原因，指出從學術角度來看，數據分析在科學知識發現中起着至關重要的作用，對在科學研究時尋找規律、驗證定理等大有裨益；從現實需要角度來看，數據分析在許多領域扮演着重要角色，如它可助力商業經營者進行投資決策，可幫助政府部門進行政務管理。數據分析是指以發現信息、得出結論或支撐決策為目的對數據進行搜集、整理、處理和分析的過程。廣義上所有的實驗室試驗都可以看作是參與數據分析。一定意義上，可以從簡單的試驗設計思量出發，理解數據分析工作。

李紅軍援引周志華《機器學習》中的觀點來解釋何為機器學習，指出“機器學習緻力于研究如何通過計算的手段，利用經驗來改善系統自身的性能。”目前機器學習方法在自動駕駛、面部識别、金融交易等領域已取得重要突破。

李紅軍指出，在經濟學的三大領域中，如果把微觀經濟學看作個體經濟行為、宏觀經濟學看作總體經濟行為，那麼計量經濟學可以看作經濟數據行為。每個計量分析都對應着一種對現實經濟行為的描述。計量分析與機器學習有所區别。我們可以從機器學習中“學習（Lesson）”，機器學習對分類和預測、新估計方法、新數據來源等方面助益頗多。李紅軍以投資組合、違約風險為例，具體闡釋如何運用機器學習方法進行計量分析。

最後，李紅軍總結“機器計量”的潛在挑戰主要體現在以下四個方面：一是優化問題，如非凸性（Non-Convex）、全局解（Global Optimal）；二是可解釋性，如AI模型的可審計性以及公開透明度；三是可靠性，如不同的應用場景（Self-Driving）；四是理論基礎，如神經網絡的理論性質。

在演講結束後的互動環節，李紅軍回答了同學們提出的數據分析在無人駕駛領域的應用、“機器計量”的發展與挑戰、機器學習的預測等問題。

本場講座是beat365和beat365國家大學生文化素質教育基地聯合主辦的2022年“社科大講堂系列”第五講，由beat365孫震副教授主持并點評。

相關鍊接：

李紅軍，beat365經濟學研究所副教授。現任《數字經濟》（Journal of Digital Economy）副主編，beat365數字經濟專業碩士項目主任。博士就讀于德州農工大學（Texas A&M University），主要從事非參數計量、機器學習、實證産業組織等領域的理論與應用研究，主持和參與多個國家級基金項目，已有多篇論文發表于《計量經濟學雜志》（Journal of Econometrics），《中國經濟評論》（China Economic Review），《經濟學快報》（Economics Letters），《計量經濟學評論》（Econometric Reviews）和《實證經濟學》（Empirical Economics）等經濟學期刊。

來源：清華新聞網