近年来，经济学研究为我国高质量发展作出了重要贡献，其中计量经济学方法被广泛应用于公共政策效果评估。围绕计量经济学与公共政策的相关话题，记者采访了多位该领域学者。

　　提高科学决策水平

　　厦门大学王亚南经济研究院教授方颖表示，计量经济学是以经济学和统计学为主要基础，以社会经济数据为主要研究对象，以识别社会经济发展规律和因果关系为主要目的，综合使用经济学分析工具以及数学、统计学、信息科学和数据科学等技术手段的一门交叉学科。计量经济学在科学决策中的应用主要体现在政策实施前的政策设计和政策实施后的政策评估中。在政策实施前，为了避免盲目决策，应尽可能对政策目标、政策范围、政策内容以及政策可能面临的干扰和风险进行量化分析，在以事实（数据）为依据的基础上进行综合考虑和科学分析。在政策实施过程中，政策的实际效果往往受制于具体现实情况。因此，在政策设计阶段，还需要综合使用行为经济学和实验经济学等分析工具，在量化模型与机制设计中充分考虑不同主体的互动。在政策实施后，通常需要对特定政策的具体效果进行客观准确的评价，为下一步的政策调整和政策优化提供科学决策的基础。

　　中央财经大学财政学系主任曾康华认为，从经济学角度出发，政府可以对人们的行为所产生的各种数据进行分析，从而发现人们的消费偏好，并针对这些偏好制定相应的管理措施，使管理措施更具有针对性和有效性。所以，应用计量经济学对于提高国家治理能力和科学决策能力能够起到积极的推动作用。

　　新技术推动计量经济学发展

　　中国社会科学院数量经济与技术经济研究所经济系统分析研究室主任娄峰介绍，计量经济学模型在我国过去的财政政策设计中有不少具体应用。美国、澳大利亚等国在政策出台之前往往也运用计量经济学模型对其进行战略层面的模拟分析。而随着计量经济学前沿理论以及人工智能、大数据等新技术的快速发展，对政策模拟和评估进行较为准确的“科学实验”成为可能。

　　东北财经大学副校长王维国认为，新技术的发展对于计量经济学有着显著的推动作用。一是推动从因果识别到预测。计量经济学的核心任务是参数估计检验和预测。从计量经济学发展脉络来看，人们一直更加关注以因果关系识别为主的参数估计检验，而对预测的关注相对薄弱。与计量经济学相比，机器学习（人工智能的主要领域）更加关注预测。例如，用于离散分类预测的决策树方法，用于连续变量预测的套索算法（LASSO）和岭回归（Ridge Regression）等技术方案都有助于提高整体模型的预测精度。二是推动变量选择。人工智能可以帮助计量经济学模型在大数据背景下降维工作。当数据量十分庞大时，运算难度非常大，这就需要通过一些方法来对变量进行筛选，选出最为核心、关键的解释变量。此时，机器学习方法就有了用武之地。三是使异质性问题逐步得到解决。例如，将机器学习中常用的分类回归树引入传统的因果识别框架，来考察异质性处理效应。

　　依赖数据又不迷信数据

　　为了更充分地发挥计量经济学在科学决策中的重要作用，方颖认为，当前应该重视以下几个方面的工作。第一，重视计量经济学教学、科研和应用人才的培养，尤其是计量经济学基础理论研究人才的培养。第二，数据是量化分析的基础，各级政府应该进一步加强各类社会经济数据的采集、整理和发布，提高数据质量，同时利用国家实施信息化发展战略的契机，重视各类大数据的收集和使用。第三，在政策设计与政策评估过程中，既要依赖数据，又要不迷信数据，注意综合使用计量经济学、行为经济学、实验经济学、系统工程学和理论经济学等方法和工具，为科学决策提供依据。第四，各级政府应进一步提高科学决策的意识，在政策制定、实施和评估的各个阶段充分发挥专家学者和智库的作用。

　　王维国认为，一是要重视各种政策评估方法的适用条件和技术要求，避免方法的误用。二是要将机器学习和大数据等新技术融合到计量经济学理论和方法中。三是必须立足于我国实际，发展适合中国国情的计量经济学模型。我国一直处于动态的改革中，不能简单地套用现有的计量经济学模型。

　　在曾康华看来，在大数据时代，想要制定和实施任何一项正确、有针对性的政策，都必须建立在对事实的分析上，这就需要充分发挥计量经济学的作用。为此，应当培养会使用计量手段进行问题分析的人才和懂得使用计量软件的人才。

　　娄峰表示，国家应充分鼓励支持相关高校、科研机构利用各种计量经济学理论，结合我国经济特征和自身规律，自主研发国家、社会和行业层面的大型复杂系统模型，从而为国家的政策制定和评估，提供科学的方法、手段和依据。