導語：機器學習技術在計量經濟學教學的應用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

【摘要】為適應大數據時代，計量經濟學課程的教學內容和教學方式有必要進行改革。通過分析計量經濟學課程的教學現狀，并結合大數據的特點，文章提出應將機器學習技術引入計量經濟學的教學過程中，從而提高學生處理數據的能力以及運用計量經濟理論解決具體問題的能力。

【關鍵詞】大數據；機器學習；計量經濟學；教學改革

計量經濟學作為量化研究經濟問題的重要工具，隨著量化分析在各學科領域的重要性日益突顯，計量經濟學的分析方法與分析工具逐漸滲透到多個領域，成為發展活躍的交叉學科和方法論學科。計量經濟學和機器學習過去分別在各自的軌道上表現良好。兩者在研究目的、研究重點和研究方法上有所不同。然而，由于大數據的豐富供給和解決復雜問題的需求，出現了計量經濟學和機器學習技術結合應用的趨勢。

1在計量經濟學中應用機器學習技術是大數據時代的必然選擇

傳統計量經濟學所采用的數據是局部范圍觀測到的數據，所收集到的數據還需進行再次處理，數據質量有待提高。隨著經濟活動的日益頻繁和互聯網技術水平的提高，采集、處理數據的能力加強，海量數據得以生成。但傳統計量經濟學方法在分析大數據時有些無能為力。首先，大數據雖然具有海量信息優勢，但其價值密度低。海量數據中真正具有價值的數據少。計量經濟模型在利用大數據進行分析時，雖然樣本容量增加了，但變量維度也在擴充，有時甚至會出現高于樣本容量的情形。其次，數據的種類與來源多元化。按數據格式進行分類，大數據中除了傳統的結構化數據（有固定結構）外，還包括半結構化（有基本固定結構）和非結構化數據（沒有固定結構）。這是傳統計量經濟模型無法處理的。再次，大數據中變量間關系十分復雜。大數據的收集方式多樣化，收集的頻率密集化，數據特征變換加劇，經濟變量間表現出時變性、非平穩性和非線性特征。傳統計量經濟建模方法對經濟變量間的復雜關系無法很好地刻畫，從而無法有效地對宏觀經濟進行監控與預測。經濟學家發現機器學習不僅能幫助傳統計量經濟學處理大數據，同時可對因果推斷提供啟發。因此在大數據時代，需要在計量經濟學中應用機器學習技術。首先，機器學習技術為經濟理論的驗證提供了強有力的技術支持。機器學習技術能使計量經濟學家觀測到原先無法觀測的影響因素，從而發現某些目前尚未被注意到的規律，進而可以檢驗目前經濟理論的正確性。其次，機器學習技術可拓展計量經濟學的研究范圍。大數據時代，可利用的數據不再僅局限于小部分的結構化數據。機器學習技術為計量經濟學提供了更廣泛的研究范圍，增加了計量經濟學研究的實用性。最后，機器學習技術能夠增加計量經濟學預測的準確性。通過機器學習技術對大規模數據進行快速處理，提高計量經濟學模型對未來經濟行為預測的準確性。

2計量經濟學課程教學現狀

目前，本科計量經濟學的教學內容與課程設置都與當前大數據時代下的計量經濟學發展需求不匹配。

2.1教學內容與教學模式過于單一

本科階段的計量經濟學課程的教學內容仍然是圍繞經典的線性回歸模型展開，所用教材缺乏前沿方向的教學內容，無法及時反映計量經濟學領域的最新研究進展。另外，教師在教學過程中過度強調理論知識而忽視上機實驗和課程論文的教學環節，使學生在具體應用方面都得不到有效訓練。

2.2學生先修課程基礎薄弱

計量經濟學是由經濟學、統計學和數學相結合產生的一門綜合性很強的課程，在學習該課程前，需要學生具備相關課程知識。雖然很多高校會提前給學生安排這些先修課程，但是存在先修課程的教學內容與計量經濟學脫節的情況，以致在計量經濟學課堂，教師必須先補充相關數理統計知識，影響上課進度。

2.3與實際聯系不足

計量經濟學課程兼具理論性和實踐性，因此教學過程的重點是要能夠與實際聯系緊密，尤其體現在案例教學上。但是目前計量經濟學教材中多數案例綜合性差，描述的經濟問題不具有時代性，學生對案例的新鮮感降低。此外，教材中的案例過于籠統，沒有針對不同學科專業特點進行設置，從而使得學生無法身臨其境、學習興趣不高。

2.4考評方式不科學

課程考核是評價學生學習質量的必要環節。目前本科計量經濟學課程考核多數仍采用平時成績與期末成績加權的形式，通常期末成績占比過大。這種考核方式過于單一，不能考察學生運用計量經濟學知識解決實際經濟問題的能力，使學生不重視案例教學及軟件學習，不符合計量經濟學課程的應用性特點。

3結合機器學習技術對計量經濟學進行教學改革

為適應大數據時代下計量經濟學的發展趨勢，計量經濟學課程需要對教學內容和教學方式進行改革。

3.1拓展教學內容為了適應當前計量經濟學的發展和大數據分析的需要，應對計量經濟學課程的教學內容進行調整。在教學初期，仍以經典計量經濟學為主，重點講解經典計量經濟學的基本假設和普通最小二乘估計，并弱化相關數學推導和計算。在此基礎上，引入時間序列分析方法，為學生處理、分析大數據提供思想指引和計量模型基礎。同時，重點引入分析大數據的機器學習技術，如隨機森林和聚類分析等，讓學生初步了解機器學習技術在計量經濟學研究中的相關應用。

3.2加強案例與實驗教學

案例教學是計量經濟學課程教學的重要環節，可以最大程度地讓學生參與到教學過程中。目前很多教材中的案例比較簡單陳舊，與學生實際生活聯系不緊密，需要進行補充。在補充案例時，既要考慮案例是否能反應經濟學基本原理和概念；又要結合學生的學科專業背景；還要注意案例的代表性和前沿性，鏈接當前經濟熱點研究問題。實驗教學可加強學生運用計量方法解決具體實際問題的能力。目前由于課時和資源有限，學校通常無法進行實驗教學。應在保障計量經濟學理論課時的前提下，加強實驗教學，應強調課堂教學內容與課外自主實驗相結合，在學生掌握基本計量方法并完成基本實驗練習后，結合相關專業自主選擇現實經濟問題進行研究。

3.3加強師資隊伍建設

計量經濟學課程的教學效果不僅依賴于教師對計量經濟學原理的掌握程度，還受到教師的經濟理論知識與統計數據處理能力的影響。加強機器學習技術在計量經濟學教學改革中的應用需要加強師資隊伍的建設。一方面，在引進師資時，應充分考慮機器學習技術與計量經濟學的學科交叉性，側重考慮具備數學專業、計算機專業和經濟專業背景的復合型人才。另一方面，鼓勵計量經濟學教師通過各種網絡資源、軟件培訓和學術交流等活動不斷提升自己的能力。

3.4完善考評機制

單一的理論筆試成績不能完全衡量學生的綜合能力。為了更加公正客觀地評價教師的教學效果和學生的學習能力，提高學生的學習積極性和主動性，需要完善現有的考評機制。具體可包括學生平時的上課表現、課后作業、課程論文和實驗報告等，綜合考查學生將計量經濟學理論知識與實踐結合的能力，以及學生軟件操作掌握程度。同時還可以參考學生參與課外科研項目與學科競賽的情況。

4結語

加強機器學習技術在計量經濟學教學改革中的應用是大數據時代的必然選擇，因此需要對計量經濟學教學內容、教學方法和考評機制等進行改革。結合大數據特點促進計量經濟學的理論方法與機器學習技術的融合，使計量經濟學課程的教學能夠適應時代要求，提高教學效果和教學質量。

【參考文獻】

[1]馮鵬程.觀計量經濟學的局限性,望大數據背景下的計量經濟學[J].經濟學家,2015(5):78-86.

[2]廉夢鶴,鄭玉平.大數據環境下計量經濟學與機器學習理論比較研究[J].統計與管理,2016(12):105-106.

[3]劉麗艷,朱成全.機器學習在經濟學中的應用研究[J].天津師范大學學報(社會科學版),2020(2):51-58.

作者：王佩 單位：廣東金融學院經濟與貿易學院