宁瀚文：Deep Tobit networks: A novel machine learning approach to microeconometrics
【学术期刊】《Neural Networks》，2021年第12期。
【作者简介】 宁瀚文，4556银河国际教授，博士生导师。主要研究方向是机器学习，深度学习与计量经济学交叉，金融统计。在统计学和人工智能权威期刊发表多篇文章，并主持过多项国家自然科学基金和国家社会科学基金。
【主要观点】 样本选择模型一直是统计学与微观计量经济学研究的核心内容之一。本文充分结合样本选择问题的经济学理念、计量经济学理论和深度学习技术提出深度样本选择网络模型，原创性的从机器学习这一全新的视角来研究微观计量问题。本文首次提出的网络模型突破了传统模型关于模型参数化结构与随机扰动项分布形式的限制，能够在依赖较少假设的基础上，充分挖掘、量化大样本数据背后的微观决策过程。实证结果发现：深度样本选择网络具有很强的泛化能力，对于不同的微观数据集在样本外的预测效果均很稳定；与传统的Tobit模型相比，深度样本选择网络在拟合效果、预测精度上都有着显著的提升，而且样本量越大提升效果越为明显；深度样本选择网络在影响因素的挖掘和模型变量的识别上也有着很好的效果。在大数据背景下，深度样本选择网络模型不仅能够更为细致的量化微观计量经济问题，而且也为利用人工智能技术来发展改进社会科学的实证方法提供了新的工具与思路。
