机器学习技术在计量经济学教学的应用

导语：机器学习技术在计量经济学教学的应用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

【摘要】为适应大数据时代，计量经济学课程的教学内容和教学方式有必要进行改革。通过分析计量经济学课程的教学现状，并结合大数据的特点，文章提出应将机器学习技术引入计量经济学的教学过程中，从而提高学生处理数据的能力以及运用计量经济理论解决具体问题的能力。

【关键词】大数据；机器学习；计量经济学；教学改革

计量经济学作为量化研究经济问题的重要工具，随着量化分析在各学科领域的重要性日益突显，计量经济学的分析方法与分析工具逐渐渗透到多个领域，成为发展活跃的交叉学科和方法论学科。计量经济学和机器学习过去分别在各自的轨道上表现良好。两者在研究目的、研究重点和研究方法上有所不同。然而，由于大数据的丰富供给和解决复杂问题的需求，出现了计量经济学和机器学习技术结合应用的趋势。

1在计量经济学中应用机器学习技术是大数据时代的必然选择

传统计量经济学所采用的数据是局部范围观测到的数据，所收集到的数据还需进行再次处理，数据质量有待提高。随着经济活动的日益频繁和互联网技术水平的提高，采集、处理数据的能力加强，海量数据得以生成。但传统计量经济学方法在分析大数据时有些无能为力。首先，大数据虽然具有海量信息优势，但其价值密度低。海量数据中真正具有价值的数据少。计量经济模型在利用大数据进行分析时，虽然样本容量增加了，但变量维度也在扩充，有时甚至会出现高于样本容量的情形。其次，数据的种类与来源多元化。按数据格式进行分类，大数据中除了传统的结构化数据（有固定结构）外，还包括半结构化（有基本固定结构）和非结构化数据（没有固定结构）。这是传统计量经济模型无法处理的。再次，大数据中变量间关系十分复杂。大数据的收集方式多样化，收集的频率密集化，数据特征变换加剧，经济变量间表现出时变性、非平稳性和非线性特征。传统计量经济建模方法对经济变量间的复杂关系无法很好地刻画，从而无法有效地对宏观经济进行监控与预测。经济学家发现机器学习不仅能帮助传统计量经济学处理大数据，同时可对因果推断提供启发。因此在大数据时代，需要在计量经济学中应用机器学习技术。首先，机器学习技术为经济理论的验证提供了强有力的技术支持。机器学习技术能使计量经济学家观测到原先无法观测的影响因素，从而发现某些目前尚未被注意到的规律，进而可以检验目前经济理论的正确性。其次，机器学习技术可拓展计量经济学的研究范围。大数据时代，可利用的数据不再仅局限于小部分的结构化数据。机器学习技术为计量经济学提供了更广泛的研究范围，增加了计量经济学研究的实用性。最后，机器学习技术能够增加计量经济学预测的准确性。通过机器学习技术对大规模数据进行快速处理，提高计量经济学模型对未来经济行为预测的准确性。

2计量经济学课程教学现状

目前，本科计量经济学的教学内容与课程设置都与当前大数据时代下的计量经济学发展需求不匹配。

2.1教学内容与教学模式过于单一

本科阶段的计量经济学课程的教学内容仍然是围绕经典的线性回归模型展开，所用教材缺乏前沿方向的教学内容，无法及时反映计量经济学领域的最新研究进展。另外，教师在教学过程中过度强调理论知识而忽视上机实验和课程论文的教学环节，使学生在具体应用方面都得不到有效训练。

2.2学生先修课程基础薄弱

计量经济学是由经济学、统计学和数学相结合产生的一门综合性很强的课程，在学习该课程前，需要学生具备相关课程知识。虽然很多高校会提前给学生安排这些先修课程，但是存在先修课程的教学内容与计量经济学脱节的情况，以致在计量经济学课堂，教师必须先补充相关数理统计知识，影响上课进度。

2.3与实际联系不足

计量经济学课程兼具理论性和实践性，因此教学过程的重点是要能够与实际联系紧密，尤其体现在案例教学上。但是目前计量经济学教材中多数案例综合性差，描述的经济问题不具有时代性，学生对案例的新鲜感降低。此外，教材中的案例过于笼统，没有针对不同学科专业特点进行设置，从而使得学生无法身临其境、学习兴趣不高。

2.4考评方式不科学

课程考核是评价学生学习质量的必要环节。目前本科计量经济学课程考核多数仍采用平时成绩与期末成绩加权的形式，通常期末成绩占比过大。这种考核方式过于单一，不能考察学生运用计量经济学知识解决实际经济问题的能力，使学生不重视案例教学及软件学习，不符合计量经济学课程的应用性特点。

3结合机器学习技术对计量经济学进行教学改革

为适应大数据时代下计量经济学的发展趋势，计量经济学课程需要对教学内容和教学方式进行改革。

3.1拓展教学内容为了适应当前计量经济学的发展和大数据分析的需要，应对计量经济学课程的教学内容进行调整。在教学初期，仍以经典计量经济学为主，重点讲解经典计量经济学的基本假设和普通最小二乘估计，并弱化相关数学推导和计算。在此基础上，引入时间序列分析方法，为学生处理、分析大数据提供思想指引和计量模型基础。同时，重点引入分析大数据的机器学习技术，如随机森林和聚类分析等，让学生初步了解机器学习技术在计量经济学研究中的相关应用。

3.2加强案例与实验教学

案例教学是计量经济学课程教学的重要环节，可以最大程度地让学生参与到教学过程中。目前很多教材中的案例比较简单陈旧，与学生实际生活联系不紧密，需要进行补充。在补充案例时，既要考虑案例是否能反应经济学基本原理和概念；又要结合学生的学科专业背景；还要注意案例的代表性和前沿性，链接当前经济热点研究问题。实验教学可加强学生运用计量方法解决具体实际问题的能力。目前由于课时和资源有限，学校通常无法进行实验教学。应在保障计量经济学理论课时的前提下，加强实验教学，应强调课堂教学内容与课外自主实验相结合，在学生掌握基本计量方法并完成基本实验练习后，结合相关专业自主选择现实经济问题进行研究。

3.3加强师资队伍建设

计量经济学课程的教学效果不仅依赖于教师对计量经济学原理的掌握程度，还受到教师的经济理论知识与统计数据处理能力的影响。加强机器学习技术在计量经济学教学改革中的应用需要加强师资队伍的建设。一方面，在引进师资时，应充分考虑机器学习技术与计量经济学的学科交叉性，侧重考虑具备数学专业、计算机专业和经济专业背景的复合型人才。另一方面，鼓励计量经济学教师通过各种网络资源、软件培训和学术交流等活动不断提升自己的能力。

3.4完善考评机制

单一的理论笔试成绩不能完全衡量学生的综合能力。为了更加公正客观地评价教师的教学效果和学生的学习能力，提高学生的学习积极性和主动性，需要完善现有的考评机制。具体可包括学生平时的上课表现、课后作业、课程论文和实验报告等，综合考查学生将计量经济学理论知识与实践结合的能力，以及学生软件操作掌握程度。同时还可以参考学生参与课外科研项目与学科竞赛的情况。

4结语

加强机器学习技术在计量经济学教学改革中的应用是大数据时代的必然选择，因此需要对计量经济学教学内容、教学方法和考评机制等进行改革。结合大数据特点促进计量经济学的理论方法与机器学习技术的融合，使计量经济学课程的教学能够适应时代要求，提高教学效果和教学质量。

【参考文献】

[1]冯鹏程.观计量经济学的局限性,望大数据背景下的计量经济学[J].经济学家,2015(5):78-86.

[2]廉梦鹤,郑玉平.大数据环境下计量经济学与机器学习理论比较研究[J].统计与管理,2016(12):105-106.

[3]刘丽艳,朱成全.机器学习在经济学中的应用研究[J].天津师范大学学报(社会科学版),2020(2):51-58.

作者：王佩 单位：广东金融学院经济与贸易学院