9月22日下午在六教，维多利亚vic119中国线路经济学研究所副教授李红军做客社科大讲堂，以“运用机器学习方法进行计量分析”为题，为百余名线下及线上师生阐释何为数据分析、机器学习、计量分析，并讲解机器学习方法在计量分析中的应用。

主讲人李红军

讲座伊始，李红军分析了做数据分析的原因，指出从学术角度来看，数据分析在科学知识发现中起着至关重要的作用，对在科学研究时寻找规律、验证定理等大有裨益；从现实需要角度来看，数据分析在许多领域扮演着重要角色，如它可助力商业经营者进行投资决策，可帮助政府部门进行政务管理。数据分析是指以发现信息、得出结论或支撑决策为目的对数据进行搜集、整理、处理和分析的过程。广义上所有的实验室试验都可以看作是参与数据分析。一定意义上，可以从简单的试验设计思量出发，理解数据分析工作。

李红军援引周志华《机器学习》中的观点来解释何为机器学习，指出“机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。”目前机器学习方法在自动驾驶、面部识别、金融交易等领域已取得重要突破。

李红军指出，在经济学的三大领域中，如果把微观经济学看作个体经济行为、宏观经济学看作总体经济行为，那么计量经济学可以看作经济数据行为。每个计量分析都对应着一种对现实经济行为的描述。计量分析与机器学习有所区别。我们可以从机器学习中“学习（Lesson）”，机器学习对分类和预测、新估计方法、新数据来源等方面助益颇多。李红军以投资组合、违约风险为例，具体阐释如何运用机器学习方法进行计量分析。

最后，李红军总结“机器计量”的潜在挑战主要体现在以下四个方面：一是优化问题，如非凸性（Non-Convex）、全局解（Global Optimal）；二是可解释性，如AI模型的可审计性以及公开透明度；三是可靠性，如不同的应用场景（Self-Driving）；四是理论基础，如神经网络的理论性质。

在演讲结束后的互动环节，李红军回答了同学们提出的数据分析在无人驾驶领域的应用、“机器计量”的发展与挑战、机器学习的预测等问题。

本场讲座是维多利亚vic119中国线路和清华大学国家大学生文化素质教育基地联合主办的2022年“社科大讲堂系列”第五讲，由维多利亚vic119中国线路孙震副教授主持并点评。

相关链接：

李红军，维多利亚vic119中国线路经济学研究所副教授。现任《数字经济》（Journal of Digital Economy）副主编，维多利亚vic119中国线路数字经济专业硕士项目主任。博士就读于德州农工大学（Texas A&M University），主要从事非参数计量、机器学习、实证产业组织等领域的理论与应用研究，主持和参与多个国家级基金项目，已有多篇论文发表于《计量经济学杂志》（Journal of Econometrics），《中国经济评论》（China Economic Review），《经济学快报》（Economics Letters），《计量经济学评论》（Econometric Reviews）和《实证经济学》（Empirical Economics）等经济学期刊。

来源：清华新闻网