我国渐进体制改革的进程中, 新制度、新政策的出台显得必不可少, 因此, 如何客观评估政策效果、准确预测政策发展趋势成为当前理论研究的难点。本书主要为高年级本科生、研究生和从事社会科学实证研究的科研工作者提供一道缩短计量经济学理论学习与实证研究间距离的桥梁。全部内容涵盖了因果推断中最常用的方法, 包括四配方法、双重差分法、工具变量法、样本自选择模型和断点回归法等方法。最后, 本书也尝试提供机器学习方法来改善政策评价效果, 提高预测精准度。
本教材以经济政策效果评价与预测中的因果推断和机器学习方法为主要研究对象，具体内容可分为两个主要部分。第一部分为政策项目效果评估的识别策略，这些策略和方法包括工具变量法、双重差分法、断点回归以及回归方法的因果关系解读；第二部分为机器学习方法及其与因果识别方法的结合与应用，主要包括机器学习的聚类与预测算法、机器学习预测模型评价等。
第一章 如何进行经济政策评估
第一节 经济政策评估的基本逻辑
第二节 常见的政策评估方法
第三节 机器学习与因果推断方法结合
第四节 科学评估方法的应用前提和要点
第二章 因果推断框架
第一节 潜在结果
第二节 随机化实验
第三节 因果图
第三章 线性回归模型
第一节 条件期望函数和线性回归
第二节 线性回归与因果推断：基于教育回归率的分析
第三节 线性回归模型检验
第四节 模型检验Stata软件示例
第五节 模型内生性和因果关系
第四章 面板数据模型
第一节 面板数据结构
第二节 面板数据与因果关系
第三节 面板数据分析常见模型
第四节 面板固定效应估计方法
第五节 面板数据模型案例分析
第五章 匹配方法与处理效应
第一节 处理效应
第二节 匹配方法的假设条件
第三节 常见的匹配方法
第四节 倾向得分匹配法原理
第五节 倾向得分匹配法操作步骤示例
第六节 匹配方法使用中常见问题
第六章 工具变量法
第一节 内生性与工具变量估计法
第二节 两阶段最小二乘法
第三节 工具变量估计法的局限性
第四节 工具变量运用的检验
第五节 工具变量估计步骤示例
第七章 样本自选择与处理效应模型
第一节 样本自选择偏差产生的原因
第二节 传统Heckman样本选择模型
第三节 Heckman样本选择模型的应用案例
第四节 内生选择变量处理效应模型
第五节 样本自选择模型运用中常见问题
第八章 双重差分法
第一节 双重差分基础模型
第二节 双重差分法假设条件检验
第三节 三重差分法
第四节 DID模型拓展
第九章 断点回归法
第一节 断点回归的直观理解
第二节 断点回归的数据要求
第三节 RDD的估计步骤
第四节 RDD运用实例
第五节 模糊断点回归
第十章 机器学习在经济学中的应用
第一节 机器学习的内涵界定及分类
第二节 机器学习在经济政策预测中的应用
第三节 机器学习方法的局限
第十一章 机器学习分类算法
第一节 逻辑回归
第二节 Softmax回归
第三节 因子分解机
第四节 支持向量机
第五节 贝叶斯分类器
第六节 随机森林
第七节 分类算法的实现案例
第十二章 机器学习的聚类算法
第一节 k-Means算法
第二节 Mean Shift聚类算法
第三节 DBSCAN聚类
第四节 聚类算法的实现案例
第十三章 机器学习的预测算法
第一节 特征工程
第二节 模型调优
第三节 激活函数
第四节 BP神经网络
第五节 长短期记忆人工神经网络
第六节 极限学习机
第七节 评估指标
第八节 预测算法的实现实例
参考文献
书单推荐
