• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>The econometrics journal >Machine learning and structural econometrics: contrasts and synergies
【24h】

Machine learning and structural econometrics: contrasts and synergies

机译：机器学习和结构计量计量学：对比度和协同作用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We contrast machine learning (ML) and structural econometrics (SE), focusing on areas where ML can advance the goals of SE. Our views have been informed and inspired by the contributions to this special issue and by papers presented at the second conference on dynamic structural econometrics at the University of Copenhagen in 2018. 'Methodology and Applications of Structural Dynamic Models and Machine Learning'. ML offers a promising class of techniques that can significantly extend the set of questions we can analyse in SE. The scope, relevance and impact of empirical work in SE can be improved by following the lead of ML in questioning and relaxing the assumption of unbounded rationality. For the foreseeable future, however, ML is unlikely to replace the essential role of human creativity and knowledge in model building and inference, particularly with respect to the key goal of SE, counterfactual prediction.
机译：我们对比机器学习（ML）和结构计量措施（SE），重点关注ML可以提高SE的目标。我们在2018年哥本哈根大学的第二次动态结构计量经济学论坛和撰稿人的贡献知情和启发了我们的观点。“结构动态模型和机器学习的方法论和应用”。 ML提供了一个有前途的技术，可以显着扩展我们可以分析的问题。通过在质疑和放松无限性合理性的假设的情况下，可以改善硒的实证工作的范围，相关性和影响。然而，对于可预见的未来，ML不太可能取代人类创造力和在模型建设和推理中知识的基本作用，特别是关于SE的关键目标，反事实预测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号