跨國增長實證研究的模型不確定性問題:機器學習的視角
關(guān)鍵詞：跨國經(jīng)濟增長 機器學習 模型不確定性 變量排序 非線性特征
摘要：過去30年間跨國經(jīng)濟增長實證研究領(lǐng)域提出了近150個增長決定因素,而全球200余個國家(地區(qū))的樣本限制意味著在總結(jié)跨國增長經(jīng)驗時必須考慮模型不確定性問題。有別于該領(lǐng)域經(jīng)典文獻所使用的傳統(tǒng)計量方法,本文探索了新近的機器學習方法對該問題的分析所可能有的貢獻。本文從小樣本、變量排序、非線性特征三個角度說明具有一定特征的機器學習方法較傳統(tǒng)計量方法可以更有效地處理模型不確定性問題。利用標準的跨國經(jīng)濟增長數(shù)據(jù)集,本文考察了10種常見機器學習方法的應用表現(xiàn),并與3種傳統(tǒng)計量方法作了比較。結(jié)果顯示,套袋法與隨機森林法及兩者的拓展均能在小樣本條件下對經(jīng)濟增長決定因素進行有效排序,靈活捕捉數(shù)據(jù)的非線性特征,讓模型不確定性問題化繁為簡,得出更為清晰、穩(wěn)健的結(jié)論。本文旨在說明,機器學習方法的應用有助于跨國增長經(jīng)驗事實的歸納與理解,對于補充傳統(tǒng)計量方法的局限與不足具有一定的潛力。
中國工業(yè)經(jīng)濟雜志要求:
{1}本刊優(yōu)先發(fā)表省部級（含）以上各類科研基金項目產(chǎn)出論文（需注明基金項目名稱和編號）。
{2}資料新鮮，研究深入，視角獨到，見解新銳，合乎學術(shù)規(guī)范。
{3}文題：要求簡潔、明了，準確反映論文的內(nèi)容，一般不超過20個字。
{4}請在來稿正文前加200字左右的中文摘要和3至6個關(guān)鍵詞，摘要不宜以第三人稱寫成文章結(jié)構(gòu)介紹，并且不得含自我評價，請不要出現(xiàn)“本人”、“本文”等詞起寫。
{5}如為多位作者，且不屬同一單位，請在各作者姓名的右上方加數(shù)字序號，并相對應地列明各位作者的單位全稱、單位所在的省、市和郵政編碼。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
