机器学习视角下的跨国增长实证研究

经过近30年的发展,跨国实证研究中主流的回归分析范式日益显示出方法论困境。由于样本有限性带来的模型不确定性问题,对传统跨国实证分析方法所得结论的归纳、总结与进一步发展形成了显著的制约。针对这一困境,论文提出可以充分利用新近的机器学习方法,有效缓解或克服传统分析方法存在的局限,从而对传统分析范式形成有益补充。论文系统阐述了机器学习方法的三个优势:适应小样本问题;处理变量排序、选择问题;捕捉样本非线性特征。