听李子奈公开课第一节。看了杰弗里·M·伍德里奇的《计量经济学导论》第一章以后。怎么越来越觉得计量经济学与统计学和机器学习的边界非常模糊。
李子奈公开课上引用的一个计量经济学导论的描述:经济学理论+数学+统计学。
看了《计量经济学导论》第一章里面的例子。感觉计量经济学大概就是以经济理论为指导以数学模型或公式为工具研究经济问题,验证经济假设,解释经济现象。甚之通过模型或公式的结果进一步完善发展经济理论。(这纯属本人盲人摸象的感觉,摸得不对的地方望老师指正)问题是这跟统计学的界限明显么?或者说可以将这门课看成经济学和统计学的交叉学科么?(比如生物统计算不算交叉学科呢?)书中第一章提到的几个例子,比如施肥和增产之间的关系。难道统计学不能把这作为研究课题?不能得出一个结论?比如增加警察和犯罪率的关系,比如最低工资和就业率的关系,比如工人接受培训时长和工人平均时薪问题得研究。同样的课题难道统计学的研究人员不能承担这些课题的研究成果?也许统计学人员的论文在用经济学理论对结果的解读上不如计量经济系的人。但是在实验设计和模型选择方面说不定要比计量经济系的人更擅长把?
另外,机器学习在某些领域的应用,似乎也是以数学模型为工具+计算机算力+数据去得到一个“可解释的结论” 比如机器学习去识别信用卡欺诈,去识别洗钱,去识别电商的虚假交易。这方面也要求结果必须可解释。而这些可解释也不能脱离经济理性人的假设范畴吧。你向监管部门报告洗钱嫌疑总要给出可解释的理由,对吧。
看《计量经济学导论》第一篇是截面数据回归,第二篇是时间序列回归分析 。如果我上述认识错的不离谱。那机器学习中凡是可提供可解释结论的算法,是否都可以成为拓展计量经济学的工具呢?比如未来《计量经济学导论》的目录中会不会出现随机森林,支持向量机,因果推断,逻辑回归的章节呢?