4月8日-29日，美国波特兰州立大学林光平教授来访厦大经济学科，开设了短期课程《Topics on Big Data Econometrics》，并与师生举行teatime交流座谈会。林光平教授的研究领域涵盖计量经济学、数理经济学以及计算经济学，曾先后执教于纽约州立大学石溪分校、美国里德学院、清华大学、太阳成集团tyc7111cc等海内外知名高校。林教授坚持定期来厦大短期授课，为厦大学生介绍计量经济学的前沿发展，本次课程聚焦在“大数据技术及其与计量经济学的交叉结合”这一主题，介绍了在目前大数据的时代背景下，机器学习方法在计量经济学与经济问题的实证分析中的应用。
随着信息技术的进步和可收集的数据在数量和规模上的快速增长，目前的计量经济分析面对的挑战主要集中在数据规模不断扩大、变量维度存在高维或超高维这两个特点，所以需要考虑基于机器学习方法的数据分析。课程中，林教授介绍了基于正则化的广义线性模型（Lasso、Ridge、EN）与树模型两类方法，具体讲解了神经网络算法（MLP）、以及 bagging（Random Forest）、boosting（GBDT）等集成学习技术，详细讲解了在学习过程中使用交叉验证（Cross Validation）进行模型评估与模型选择。林教授结合诸如信用违约场景、泰坦尼克号生存分析、巨无霸汉堡经济指数等生动的案例，讲解了机器学习方法的具体应用。授课中林教授循循善诱，将复杂繁琐的知识点讲解得深入浅出，他也十分注重与同学之间的互动交流，在课上与课后十分耐心地为同学们解答疑惑。
课堂之外，林教授及林夫人还与学生们进行了Teatime交流，分享了自己精彩又充满启发的人生故事。林教授在哈佛大学进行博士后研究期间，师从著名经济学家、诺贝尔经济学奖得主肯尼斯·约瑟夫·阿罗教授，通过这段经历的分享，他鼓励同学们要努力找到感兴趣的方向持之以恒地进行研究，并强调理论基础无论何时都十分重要。
硕博阶段里，牢固的基础学习对于未来学术发展会有显著帮助，也能更有助于触类旁通。随后林教授又以他担任教职期间对于计量经济学的探索回答了同学们提出的如何找到自身兴趣的问题。林教授说到，人生的选择都是在迷茫中决定的，学术道路需要很强的毅力，要坚持自身选择的研究兴趣，同时多跟老师沟通交流，从导师处借鉴方法论和分析问题的思路，结合当下所具有的条件，在自身的研究领域做出属于自己的贡献。他建议目前有科研计划的同学应从被动型、教授型学习，向主动型学习转变，要有自身的研究想法，并在想法的基础上阅读大量文献，和导师分享自己准备的研究，说服导师成为自身的合作者，而非研究方向的指定者。
对于机器学习与计量经济学的交叉方向研究，林教授认为，目前以预测为目标的机器学习方法，与以推断为主的计量方法的交叉具有极大的潜力，在空间计量，金融计量等方向具有广阔的应用场景，许多世界顶尖高校在这个领域已经做出一些成果（如因果推断等）。虽然难以判断未来的发展方向，但他激励同学们保持乐观的态度，因为许多现在的主流方法，都经历了从非主流到主流这一过程。
（SOE 2016 MA 宋沐青）
