7月18日，麻省理工学院著名计量经济学家Whitney Newey教授为来自世界各地线上以及线下的计量经济学和统计学暑期学校的学员讲授第一堂课。

Whitney Newey教授

Whitney Newey是麻省理工学院福特经济学教授，美国国家经济研究局研究员；美国艺术与科学学院院士，世界计量经济学会会士。Newey教授被美国经济协会评为2020年度杰出研究员。曾担任经济学国际最佳期刊Econometrica的联合主编。Newey教授在计量经济学理论和方法论方面的工作在经济学领域产生了深远的影响，他在Newey-West估计量的研究中成就斐然，Newey-West估计量一种统计技术，用于在存在自相关或异方差的情况下估计回归模型的协方差矩阵。Newey教授还为其他重要计量技术的发展做出了贡献，特别是广义矩估计（Generalized method of moments，简称GMM）和广义经验似然检验（Generalized empirical likelihood test，简称GEL）。

7月18日和19日上午，Newey教授分两部分为学员带来去偏机器学习的介绍。

在第一部分，Newey教授简述了机器学习是现代自适应统计学习方法的集合，用于估计回归函数和其他统计对象。接着介绍了一系列机器学习方法，如LASSO、神经网络、随机森林等，并描述它们在多协变量回归分析中的使用以及对应的估计量。为了帮助大家理解机器学习在经济学中的应用，Newey教授提到了由洪永淼等人撰写的论文，相比于自回归和因子模型，基于机器学习方法使用股票价格预测通货膨胀具有更小的预测误差。随后，Newey教授讲授了在估计感兴趣的变量时插入机器学习会产生的偏差及缓解方法，并介绍了交叉拟合在缓解过拟合偏差中的作用。

在第二部分，Newey教授讲解了去偏机器学习的平均处理效应的估计，介绍了在高维和非参数模型中使用机器学习来估计平均处理效应的方法，给出了ATE的去偏机器学习和相关的应用。

最后，Newey教授对两部分的课程进行了总结，并梳理了课程的整体思路。

Newey教授的讲解循序渐进，内容细致清晰，理论与实践结合紧密，充分调动了各位学员的热情。大家认真聆听，积极思考，并与Newey教授进行了深入的学习探讨。Newey教授十分善于启发学员，每小节结束时都设置了提问环节，并对学员提出的问题进行了认真解答。

学员课上认真聆听

课上提问

课间交流