机器学习和农业政策研究范式的革新

详细信息    查看全文 | 推荐本文 |

英文篇名：Machine Learning and Renovation of Agricultural Policy Research 作者：于晓华 ; 唐忠 ; 包特 英文作者：YU Xiaohua;TANG Zhong;BAO Te; 关键词：机器学习 ; 农业政策研究 ; 农业经济学 ; 预测 ; 计量模型 英文关键词：Machine learning;;Agricultural policy research;;Agricultural economics;;Forecasting;;Econometric model 中文刊名：NYJS 英文刊名：Journal of Agrotechnical Economics 机构：德国哥廷根大学农业经济与农村发展系;中国人民大学农业与农村发展学院;新加坡南洋理工大学经济学系; 出版日期：2019-02-26 出版单位：农业技术经济 年：2019 期：No.286 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) 语种：中文; 页：NYJS201902001 页数：6 CN：02 ISSN：11-1883/S 分类号：6-11

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.

引文

1.Athey Susan.“The Impact of Machine Learning on Economics,”NBER Chapters,in:The Economics of Artificial Intelligence:An A-genda National Bureau of Economic Research,Inc.2018
    2.Camerer C.Behavior Game Theory:Experiments in Strategic Interaction.Princeton University Press.NJ.USA.2003
    3.Einav Liran and Jonathan Levin.The Data Revolution and Economic Analysis,.in Innovation Policy and the Economy,Volume 14,Lerner and Stern.2014
    4.Lesmeister Cory.Mastering Machine Learning with R,Packt Publishing Ltd,Birmingham 2015 B3 2PB,UK
    5.Mullainathan Sendhil,and Jann Spiess.“Machine Learning:An Applied Econometric Approach.”Journal of Economic Perspectives,2017,31(2):87~106
    6.Yu,Xiaohua.2018.Engel Curve,Farmer Welfare and Food Consumption in 40 Years of RuralChina.China Agricultural Economic Review.2018,Vol.10(1):1~15
    7.蔡昉等.中国农村改革与变迁:30年历程和经验分析.格致出版社,2008
    8.韩国明,郭鹏鹏.我国农业经营主体变迁的政策意图及其演化路径.中国农业大学学报:社会科学版,2017(2):93~101
    9.金继运.“精准农业”及其在我国的应用前景.植物营养与肥料学报,1998(1)
    10.李忠武等.“精准农业”及其在我国的研究应用.地理科学,2001(6):564~569
    11.刘爱民,封志明,徐丽明.现代精准农业及我国精准农业的发展方向.中国农业大学学报,2000(2):20~25
    12.全世文,于晓华.中国农业政策体系及其国际竞争力.改革,2016(11):131~138
    13.杨善林,倪志伟.机器学习与智能决策支持系统.科学出版社,2004
    14.于晓华等.如何保障中国的粮食安全.农业技术经济,2012(2):2~9
    15.于晓华等.欧盟农业改革对中国的启示:国际粮食价格长期波动和国内农业补贴政策的关系.中国农村经济,2017(2):84~96
    16.于晓华.如何正确运用计量经济模型进行实证分析——实证分析中的数据、模型与参数.农业技术经济,2014(7):4~16
    17.于晓华.以市场促进农业发展:改革开放40年的经验和教训.长江产业研究院报告,2018
    18.张浩然等.农业大数据综述.计算机科学,2004(11):387~392
    19.赵春江等.精准农业技术体系的研究进展与展望.农业工程学报,2003(4):7~12
    20.赵国庆,于晓华,曾寅初.通货膨胀预期与Granger因果性研究.数量经济与技术经济研究,2009(4):29~39
    21.周洁红等.社会共治视角下猪肉质量安全治理问题研究——基于10160个猪肉质量安全新闻的实证分析.农业经济问题,2016(12):6~15