5篇机器学习与经济学因果推断专题文献推荐

1、 机器学习与社会科学中的因果关系：一个文献综述

来源：经济学（季刊）

作者：郭峰、陶旭辉

摘要：因果识别是社会科学实证研究的焦点，而在大数据时代，机器学习为因果识别带来一些新的机遇与挑战。本文重点总结了机器学习对因果关系识别的价值：更好地识别和控制混淆因素、帮助更好地构建对照组、更好地识别异质性因果效应，以及检验因果关系的外部有效性。同时，本文还讨论了在大数据和机器学习广泛应用下，可能存在因果关系在某些情形下变得不再重要、大数据和机器学习会让因果效应识别更加困难，以及部分机器学习算法缺乏可解释性等情形。本文有助于拓展社会科学研究者的工具箱和思想库。

2、机器学习对经济学研究的影响研究进展

来源：经济学动态

作者:黄乃静、于明哲

摘要：机器学习与经济学研究的融合将改变传统经济学的研究方式。本文就机器学习对经济学研究的影响进行了较为系统的梳理,着重分析了机器学习在大数据背景下对丰富经济数据多样性的贡献,机器学习对经济预测准确性的改进作用,以及机器学习在估计平均处理效应、处理效应异质性和结构模型等因果推断中的应用,对这些领域的重要研究进行了比较详细的介绍。在阐述机器学习优势的同时,本文也指出在经济学研究中使用机器学习方法可能存在的局限性,并对未来的研究方向进行了展望。关键词： 机器学习;大数据;预测;因果推断;

3、经济学研究中的机器学习：回顾与展望

来源：数量经济技术经济研究

作者：王芳、王宣艺、陈硕

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。关键词：机器学习;数据生成;预测;因果识别;

4、大数据、机器学习与统计学:挑战与机遇

来源：计量经济学报

作者：洪永淼、汪寿阳

摘要：随着数字经济时代的来临,基于互联网、移动互联网以及人工智能技术的经济活动每时每刻产生了海量大数据,这些海量大数据又反过来驱动各种经济活动.大数据来源不一,形式多样,种类繁杂,既有结构化数据,也有非结构化数据,如文本、图像、音频、视频等,即使是结构化数据,也有新型数据,如函数数据、区间数据与符号数据等.大数据大多拥有巨大的样本容量,也有潜在解释变量维数超过样本容量的高维大数据.大数据的产生以及基于大数据的机器学习的广泛使用,对统计学产生了深刻影响.本文从大数据的特点和机器学习的本质出发,讨论了大数据和机器学习对统计建模与统计推断的挑战与机遇,包括由抽样推断总体分布性质、充分性原则、数据归约、变量选择、模型设定、样本外预测、因果分析等重要方面,同时也探讨了机器学习的理论与方法论基础以及统计学和机器学习的交叉融合.

关键词： 人工神经网络;大数据;维数灾难;数据科学;LASSO;机器学习;统计学习;数理统计学;模型多样性;模型不确定性;非参数分析;统计显著性;充分性原则;因果关系;

5、异质性政策效应评估与机器学习方法：研究进展与未来方向