4月7日上午，经济科学前沿与教育高端论坛线上论坛在经济楼N303举办，本次论坛由厦门大学经济学院、王亚南经济研究院、邹至庄经济研究中心、国家自然科学基金委员会“计量建模与经济政策研究”基础科学中心主办，是厦大经济学科献礼百年校庆的重要活动之一。

厦大经济学科周颖刚教授主持此次论坛，他介绍了美国普林斯顿大学邹至庄教授、美国俄亥俄州立大学李龙飞教授、美国南加州大学萧政教授、美国麻省理工学院Whitney Newey教授，并对他们多年来对厦大经济学科的支持和帮助表示衷心的感谢。五位国际名家依次发表主题演讲。

邹至庄教授的演讲题目为“My Experience as An Economist”介绍了自己作为一个经济学家的职业经验和心得体会。在经济学的学习上，他指出，学习经济学应当师从好的老师。我们可以参加优秀经济学家的讲座，学习其对经济问题的思考方式，也可以参加经济学大师们举办的研讨会。邹至庄教授谈及了自己在芝加哥大学参加弗里德曼教授的货币经济学研讨会，以及在麻省理工大学参加的萨缪尔森和索洛共同组织的研讨会，他认为自己从中获益良多。

1970年，邹至庄先生来到普林斯顿大学经济系任教，1980年他受教育部邀请，为中国的经济改革建言献策，以亲身经历启发大家，应当积极应用经济学理论到实践活动中。邹至庄教授还讲述了自己培养经济学人才的经历和感悟。1980-90年代，邹至庄教授在国内组织开展现代经济学的培训班——著名的“福特班”，为中国经济学界输送了大量优秀的经济学家。这些优秀的经济学人才不管是学成归国，还是留在海外继续进行中国经济学的研究，都为中国经济发展贡献了自己的力量。

美国俄亥俄州立大学讲席教授、世界计量经济学会会士李龙飞教授的演讲主题是国际贸易领域中双引力模型以及空间交互效应的估计问题。李教授首先从Behrens et al.(2012)的模型出发，介绍了潜在贸易理论模型的基本设定：n个区域，每个区域具有L个劳动力的资源禀赋，且劳动力为唯一的生产要素。进一步设定每一个消费者具有一致的CES形式产品偏好，可以得出代表性消费者的效用函数和预算约束。进一步假定在同一区域中生产的产品是同质的。李教授进一步设定了企业的目标函数。由于企业数量为无穷，因而量价竞争会导致同样的结果。可以解出企业所设定的最优价格；由于企业可以自由进出，因此最后利润会趋向于零，也可以由此解出企业的最优产量。

接下来，李龙飞教授开始估计该模型的参数。他先后应用空间计量经济学中的SAR（空间自回归）模型和SARMA模型，采用QMLE方法进行参数估计。通过合理设定空间权重矩阵和对数线性化处理，李教授给出了系数估计的具体表达式。与Brehens et al.(2012)不同，李教授设定的空间权重矩阵采用了非零的对角值。采用1993年的数据回归发现，边境效应的系数变得更小，而距离效应的系数变得更大。尽管Brehens et al.(2012)教授成功地解释了国际贸易中的“边境效应之谜”，但李教授的研究团队通过设定合理的空间权重矩阵，对该效应得出了更加准确，更加贴合经济现实的估计值。

萧政教授的演讲主题为“评估在全球经济活动受限期间中国湖北省实施的封城政策所带来的经济影响的演变”，研究发现虽然76天的封城政策给湖北经济带来了暂时的负面影响，但是也使新冠肺炎疫情的传播在不到两个月的时间内得到了控制。政府于2020年4月初解除封锁后，经济迅速复苏，说明了中国抗疫政策的有效性和及时性。

萧政教授使用其发展创新的面板数据方法（Hsiao, Ching, and Wan, 2012; Hsiao and Zhou, 2019）构建了全球经济活动受到限制期间的反事实推断，以识别湖北省封锁事件的经济影响及其后果。为检验湖北省和其他地区在经济上的相互依赖性，萧教授构建了修正的拉格朗日乘数检验（LM），并展示了检验结果。

萧政教授总结道：湖北省的封城政策只是暂时的，并没有改变经济的基本结构；湖北省大力实施复工复产和刺激消费的综合计划，是刺激经济复苏的新动力。只要流行病可以迅速得到遏制，那么所带来的经济损失就是暂时的和可控的。然而，以上分析仅限于严格封锁政策对经济的影响，没有包含其对生活质量的影响。在流行病期间，明智的公共政策应该考虑经济和社会双重因素。

美国麻省理工学院讲席教授、美国艺术与科学学院院士、世界计量经济学会会士Whitney Newey教授讲述了“如何用机器学习来估计平均处理效应（Average Treatment Effects，ATE）”。机器学习适合用于预测，但在正则化和模型选择下，其结果可能存在偏差。正则化（Regularization）是指在高维度函数中加上某些规则进行约束，例如Lasso算法中的惩罚项。而模型选择则是指不同阙值算法的选择。Newey教授指出，以上所述偏差的一个解决方法是服从Neyman orthogonality条件的广义矩估计（GMM），Newey教授对于正交矩函数的构建进行了详细的阐述。

图片

随后，Newey教授着重介绍了他所带领的研究团队基于神经网络、随机森林和Lasso回归，经模型偏差校正后对职业培训的处理效应进行的实证估计，他详尽地解释了实验数据库和模型的构建，各参数和变量的意义，并且展示了在无偏/双重机器学习（DML）的应用下处理组和对照组的估计结果。最后，Newey教授对无偏机器学习进行了总结，指出其应用范围的广泛性、稳健性和无需建模的特性。