摘要
传统的农业政策分析偏重于分析变量之间关系和模型参数的估计,而"机器学习"更注重对未来结果预测的准确性,而后者恰恰是农业政策分析的目的。"机器学习"具有庞大的数据收集和储存能力、强大的学习分析能力以及更智能化的语言分析能力等,所以"机器学习"会对农业政策研究带来革命性的影响。农业经济学界要关注"机器学习"的发展,在科研和教学中导入"机器学习",结合传统的农业经济学分析方法,让农业政策的制定更加精准、更加科学、更加强大,政策沟通更加有效。
Traditional agricultural policy analysis pays more attention to the relationship between variables and estimation of model parameters,while 'machine learning'focuses on the accuracy of predictions,which is precisely the purpose of agricultural policy research. Because ' machine learning' has enormous data collection and storage capabilities,strong learning and analysis capabilities,and more intelligent language analysis capabilities,it could have a revolutionary impact on agricultural policy research. The agricultural economists should pay attention to the development of ' machine learning',introduce ' machine learning' in scientific research and teaching,and combine 'machine learning'with traditional agricultural economic analysis methods to make agricultural policy formulation more precise,scientific and powerful,and make policy communication more efficient.
作者
于晓华
唐忠
包特
YU Xiaohua;TANG Zhong;BAO Te
出处
《农业技术经济》
CSSCI
北大核心
2019年第2期4-9,共6页
Journal of Agrotechnical Economics
基金
国家自然科学基金项目"我国政府粮食的规模优化与政策评价--基于理性预期假设的模型构建
水平则算与福利估计"(编号:71673289)
食品安全消费者行为与风险交流策略研(编号:71633005)
中国人民大学重大规划项目"工业化以来主要国家农业发展模式比较研究"(编号:15XNLG01)
关键词
机器学习
农业政策研究
农业经济学
预测
计量模型
Machine learning
Agricultural policy research
Agricultural economics
Forecasting
Econometric model
作者简介
通讯作者:唐忠.
