监督学习

这是一篇面向经济研究者的文本分析方法综述，核心问题是如何把日益增长的数字文本转化为可用于经济分析的变量。论文先说明文本相较结构化数据在高维、语境和表示方式上的特殊性，再概览相关统计方法及其应用。它提供的是研究设计与方法地图，而非单一模型的性能结论，重点在于让文本测量与具体经济问题、验证标准相匹配。

论文从应用计量经济学视角解释机器学习应如何进入经济学工具箱。核心区分是：机器学习主要优化预测，而许多经济学应用关注参数估计与机制解释，两类任务的目标和评价标准并不相同。作者据此讨论算法何时擅长、何时可能失败，以及经济学家如何识别适合机器学习的问题，特别提醒软件易用性会放大机械套用和误读输出的风险。