一种用于相对重要性分析的经济计量-机器学习混合方法：以食品政策优先级为例
计量经济学
2020-08-25 v3 机器学习
摘要
当研究者关注经济计量方法的解释性方面时，往往需要对变量相对重要性的度量。为此，作者简要回顾了常规经济计量在构建可靠变量重要性度量上的局限。作者强调了经济学中解释性分析与预测性分析的相对地位，以及经济计量与计算机科学之间富有成效的协作的出现。借鉴二者经验，作者提出了一种基于常规经济计量与先进机器学习(ML)算法（否则用于预测分析）的混合方法。本文目的有二：提出一种评估相对重要性的混合方法，并以印度食品通胀为例展示其在处理政策优先级问题上的适用性；更广泛的目标是向经济学及一般社会科学的研究者受众介绍 ML 与常规经济计量相融合的可能性。
引用
@article{arxiv.1806.04517,
title = {A hybrid econometric-machine learning approach for relative importance analysis: Prioritizing food policy},
author = {Akash Malhotra},
journal= {arXiv preprint arXiv:1806.04517},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1701.08789