12月18日中午，北京大学经济学院第144次学术午餐会在学院302会议室举行。普渡大学卢峰副教授应邀作了题为“Machine Learning and Economics Research”的学术报告，以她与合作者的两篇工作论文为例，介绍了机器学习方法在经济学中的应用。讲座由经济学系助理教授石菊主持。
机器学习是近年来经济学研究中的热门话题，在大数据、经济预测、因果推断等方面都有着广泛的运用前景。卢峰副教授的讲座正是着眼于这一最新方法，以她近期的两篇代表性论文为例，分别介绍了机器学习在文本分析和经济预测中的应用。在她与Josh Angrist等人合作的论文“Inside Job or Deep Impact? Extramural Citations and the Influence of Economic Scholarship”中，他们用机器学习的方法回应了社会学者关于经济学者“自娱自乐”、研究较为封闭的质疑。具体地，他们用文本分析的方法按照一定标准对文献进行分类，并对各学科间论文的相互引用情况予以分析。结果发现，经济学研究对其他学科的影响力不断增强，同时经济学论文也越来越倾向于引用其他社会科学的文献，从而驳斥了上述质疑。接着他们进一步用机器学习方法将经济学文献分为理论、实证和理论计量三部分，结果发现经济学对其它学科的外部效应主要体现为实证论文的引用快速增长，这也反映出实证类论文在经济学领域的上升势头。第二篇论文是卢峰与合作者近期完成的卫生经济学领域的一项研究，在论文中他们将传统的结构模型和卫生领域知识与机器学习结合起来，并进行了相应的预测分析。基于他们的观察，美国救护车的相关规定中有一条是要求必须将患者送往临近医院并接受后续治疗，但如果能够转院的话很多病人的生存概率能够得到提高。为此他们利用机器学习中的两阶段支持向量机（SVM）方法对符合上述条件的病人予以识别，并构建起一套帮助医生判断病人是否需要转院的预测系统。根据他们的评估结果，这套系统会比医生的决策更有效率，从而有利于提高病人的生存概率。
讲座过程中，胡涛、吴泽南、王熙等经济学院教师和部分学生围绕机器学习方法的具体使用情景、研究精度、与传统经济学方法的异同等问题与主讲人进行了深入的交流和探讨。
（石琳 供稿）
