2023年6月13日下午，第647期现代经济学系列讲座经济学院710会议室顺利举行。本次讲座的主讲人是来自Queen's University的Steven Lehrer教授，报告的题目为“The Perils of Empirical Work: Three Examples of Possible Mishandling”。本次讲座由复旦大学中国社会主义市场经济研究中心陈钊老师主持，吴建峰老师、老师和部分博士及硕士研究生参与了此次讲座。
Lehrer老师首先介绍了研究背景。在运用简约模型的实证研究中面临的一些挑战，包括：理解文章所研究的政策是如何被实施的，或者没有被实施；理解数据的结构，以及这对实证策略的影响；理解当研究中的变量不再具有常数效应时，新的估计方法如何运作。Lehrer老师分别举了三个例子来说明上述三个挑战。针对关于理解政策实施的细节和事实，Lehrer老师讨论了魁北克的托儿政策存在等待名单的情况。以往的研究将魁北克的托儿政策视为自然实验，而忽略了等待名单的影响。但等待名单可能会影响与托儿政策相关的实证结果的解释。如果采取分阶段的方法，使托儿供应逐渐满足需求，就会导致魁北克普及托儿服务的同时降低公平性和经济效率。针对关于理解数据的结构及其对实证策略的影响，Lehrer老师讨论了利用基因数据的相关研究面临的问题。例如，全基因组关联研究的样本未必为随机抽样。这意味着研究中使用的样本可能不代表总体人口，这可能会影响结果的准确性。针对新的估计方法的问题，Lehrer老师讨论了不同的电影票房预测方法可能会产生不同的权重，从而影响预测的准确性。为了说明这一点，使用数据来预测《复仇者联盟》电影的首周票房。各种方法之间的权重差异可能非常大，这突显了在分析数据时使用适当的权重的重要性，以及了解不同方法如何产生不同权重的必要性。此外，在不侵犯隐私的前提下，了解算法如何做出决策非常重要，尤其是对于深度学习模型而言。因为它们通常被称为黑盒子，我们很难理解它们的工作原理。
在讲座过程中，与会师生与主讲人进行了热烈的讨论。
文/张卓韧
