经济预测

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。

该文研究美国 1975—2017 年不同都市区房价离散程度快速上升的原因。作者先用 330 个都市区的面板数据检验人口集中、收入增长差异等解释，并发现房价租金比的对数近似随机游走；随后建立资产定价岛屿模型。仅依靠租金基本面产生的房价离散增长过慢，而加入理性泡沫后，校准模型能够同时匹配房价离散扩张等事实。该证据支持泡沫机制的解释力，但不构成对单一现实因果机制的唯一识别。