<mark id="oztn4"></mark>
2
| 本文作者： 黃善清 | 編輯：汪思穎 | 2019-04-02 19:39 | 專題：CCF-GAIR 2019 |
雷鋒網 AI 科技評論按：由中國計算機學會（CCF）主辦、雷鋒網和港中大（深圳）聯合承辦的第四屆「全球人工智能與機器人峰會」（CCF-GAIR）將于 2019 年 7 月 12 日至 14 日在深圳舉行。自 2016 年創辦以來，CCF -GAIR 已先后邀請到 10 余位中美兩國院士、圖靈獎得主、數十位 IEEE/ACM/IAPR Fellow、上百位在各自專業領域享有盛譽的學者以及 AI 領域的知名企業家、投資者和創新者做了大會報告及相關圓桌分享，是目前為止本土人工智能領域規格最高、影響力最大的峰會。
應 CCF-GAIR 2019 大會主席、港中大深圳校長徐揚生院士的邀請，諾貝爾經濟學獎得主 James Heckman 將會蒞臨大會現場做主題報告。身為微觀計量經濟學的開創者，其早期在分析選擇性抽樣的原理和方法上的研究工作，為機器學習打下了堅實的統計學基礎。
一起來了解他所取得的成就吧。
James J. Heckman，1944 年 4 月 19 日生于美國伊利諾斯州的芝加哥，曾就讀于科羅拉多學院數學系，1971 年獲普林斯頓大學經濟系博士學位。曾在哥倫比亞大學、耶魯大學、和芝加哥大學任教。從 1995 年起，赫克曼就在芝加哥大學獲任亨利·舒爾茨杰出成就經濟學教授，為芝加哥大學的教授。微觀計量經濟學的開創者，因對分析選擇性抽樣的原理和方法所做出的發展和貢獻，與 Daniel McFadden 一起榮獲 2000 年諾貝爾經濟學獎。
敲開諾貝爾獎大門的 Heckman Correction
早年的計量經濟學主要集中于宏觀經濟學，即研究以國民經濟為主體的經濟行為，至于涉及微觀經濟學層面的，如個人、住戶與企業的經濟行為問題，則較少有人研究，一方面是這方面的統計數據不易找到，另一方面則是微觀數據的應用在當時產生了許多新的統計問題：
過去的研究只能觀察某些變量的特定個體或家庭，由于是非隨機抽樣的樣本，也就不可能具有代表性。退一步講，即便樣本具有代表性，影響個體行為的一些特征未必能被觀察到，使得解釋個體之間的某些差異變得異常困難，這是非實驗性數據（non－experimental data）本身所固有的限制。
為此，James Heckman 設計出了一系列可以有效解決該問題的計量經濟學方法，其中一項便是大名鼎鼎的赫克曼矯正法（Heckman Correction，又稱兩階段方法）。
以研究工資和教育程度的關系為例，具體的演算可分為兩個步驟：
第一步，研究者根據經濟學理論設計出一個計算個體工作概率的模型，而該模型的統計估計結果可以用來預測每個個體的概率；
第二步，研究者將這些被預測個體概率合并為一個額外的解釋變量，與教育、年齡等變量一起來矯正自選擇問題。
首先，估計出不同教育水平的人，參加工作的概率各有多大，這可以通過經驗數據模型得到。然后，刪去不工作之人的樣本，將余留的樣本點依其工作概率的不同，垂直往下位移。工作概率愈小，向下位移愈大；工作概率愈大，向下位移愈小。工作概率百分之百的，不作位移。然后，對位移后的樣本點，求出其回歸線（上圖）。
James Heckman 用該方法陸續處理了許多類似問題，如失業者再就業的時間間隔、職業培訓的估價等。2000 年，諾貝爾獎委員會決定將該年經濟學獎授予 James Heckman 與 Daniel McFadden，以獎勵他們發展廣泛應用在經濟學以及其他社會科學中對個人和住戶的行為進行統計分析的理論和方法，其中 James Heckman 的主要貢獻是「對分析選擇性抽樣的原理和方法所做出的發展和貢獻」：
諾獎委員會在 advanced information 特別提及 James Heckman 的 sample selection model 為何具有重要的現實應用價值——
后來，赫克曼矯正法變成微觀數據分析的標準工具，并在無意間影響了人工智能機器學習領域的發展。
眾所周知，機器學習的標準方法是從對象集中取出一些樣本，接著通過機器學習算法學習他們，從而產生一個預測機，然后基于統計學原理，從類似的目標集中采取新的樣本，使預測機做出準確的預測。可一旦樣本源自于目標集的子集或不相關的目標集，就會產生被稱為協變量位移 (Covariate Shift) 或域匹配依賴 (domain adaptation depending) 的問題，對此，機器學習領域過去數十年所做的大量研究工作，大部分都基于 James Heckman 的研究。
改變人們對于重要公共政策的定義
James Heckman 并非成日埋頭書齋里做學問的那種學者，反而致力于探究與不平等、社會流動性、歧視、勞動力市場等相關的重大社會及經濟問題的起源，同時設計并評估針對這些問題的解決策略。他的工作植根于經濟學，卻積極地尋求跨學科合作，在勞動供給、薪資決定、失業期間、勞動市場輔導計劃的效益評估、生育多寡、性別歧視等課題上都有豐碩的成果。
上文提到的 Heckman Correction 即起源于 James Heckman 一九七零年代對勞動供給的實證研究。他指出根據個體經濟理論，工作與否是由勞動供給者的效用極大化過程來決定，而這個過程可以如下的方式解釋：
勞動供給者根據自身的需求擬定出一個「保留工資」(ReservationWages)，勞動供給者只有在找到薪水大于這個保留工資的工作后才會開始工作，也就是說一個人是否工作完全是根據保留工資和真正可拿到的薪水的比較來決定的。
這個機制不僅描述了勞動供給的決策過程，也同時解釋了勞動供給資料為什么會有樣本選擇問題，于是有了后來的赫克曼修正法。
來到教育領域，他最具有代表性的工作則是佩里學前項目（Perry Preschool Project）。
參與該項目的父母更多采用積極的育兒方式，而更少采用專制型的育兒方式，通過對參與者的長期追蹤研究，該項目發現相比于未參與項目的對照組兒童，參與該項目的兒童成年后在偏好、信念與技能上的均值都發生了顯著變化：集體歸屬感更強、對人生的態度更加積極樂觀、對他人更加熱情友善。
對此，Heckman 教授強調，智力開發的干預越早越好，越往后越難。因此，他大力提倡開展對弱勢群體孩子的早期項目。豐富家長養育知識、創設有利于提高孩子認知能力與非認知能力的環境、定期給孩子閱讀以及提供貧困家庭孩子不可能獲得的益智活動等都能帶來智商方面的回報。
James Heckman 這一系列與社會緊密結合的研究工作，使之當選 2017 年度美國經濟學會（American Economic Association）「杰出院士」（Distinguished Fellow）。
學會評價 James Heckman 不僅在許多方法類研究中作出了貢獻，而且在勞動經濟學領域為整個人類社會作出了更為重大的貢獻：
「他使得我們重新思考了人類在健康與人力資本上的生命周期投資模式，并改變了人們對于重要公共政策的定義」。
今年，我們榮幸邀請到 James Heckman 蒞臨 CCF-GAIR 2019 大會現場為我們做大會報告，更多的講者信息及議程，歡迎移步 CCF-GAIR 2019 大會官網進行了解。
此外，我們已正式上線盲訂票與回饋票，以震撼的折扣回饋新老用戶：
目前新用戶盲訂票售價 799，限量 50 張；
購買過往屆兩屆大會門票的老用戶則可以獲得更多的折扣，售價 599，限量搶購。
還等什么？抓緊時間搶購吧。
CCF-GAIR 2019 大會官網及盲訂票入口：https://gair.leiphone.com/gair/gair2019
雷鋒網 AI 科技評論屆時將為大家帶來第一手最新報道。
參考文獻：
《Heckman兩步法的內生性問題》.計量哥.計量經濟圈
https://www.sohu.com/a/157114436_499061
《James J. Heckman：以技術創造解決收入差距與社會流動性問題》.當代經濟學基金會
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
