机器学习在经济学预测与政策分析中的应用
Using Machine Learning for Prediction and Policy Analysis in Economics
发表于 The Review of Mathematical Economics，2026
摘要
机器学习如今已是经济学常规实证工具箱的一部分，但其贡献因任务而异，且必须以经济学标准加以评判。本综述考察机器学习在预测与即时预测、基于新数据的测度、因果推断、政策学习、结构与均衡计算、金融应用以及运营部署等方面的贡献。
在这些场景中，灵活的算法能够改进对高维行政数据、文本、图像、数字痕迹与劳动力市场序列的利用。在因果研究中，机器学习在正交化、双重稳健或样本分割程序内估计干扰函数（nuisance functions）时尤为有用。在结构、金融与市场设计应用中，它拓展了可行的计算前沿，而识别与反事实推理仍然依赖于经济结构。
本文认为，在政策与制度应用中，预测精度只是考量之一。福利、公平、透明度、治理以及对分布变化的稳健性，同样是评判机器学习能否改进经济证据与决策的关键。
本文于 2026 年 7 月 31 日在线发表于 The Review of Mathematical Economics, 1(2), 67-108。出于版权考虑，本网站不提供论文全文。
作者
孙佳婧（Jiajing Sun）、Michael Cole 与 Wolfgang Karl Härdle
推荐引用： Sun, J., Cole, M., & Härdle, W. K. (2026). "Using Machine Learning for Prediction and Policy Analysis in Economics." The Review of Mathematical Economics, 1(2), 67-108.
下载论文