邹至庄经济研究院博士生论文研讨会第47期
论文题目：迁移学习在空间自回归模型中的应用
报告人：曾浩
导师：钟威教授
摘要：
空间自回归（Spatial Autoregressive, SAR）模型已广泛应用于各种在个体间具有空间相依性的实证经济研究中，然而，当目标数据的样本量有限时，估计空间自回归模型的精确度会降低。本文提出了一种基于空间自回归模型的新型迁移学习（transfer learning）框架（tranSAR），通过借用相似数据的信息来改善估计和预测。在源数据集具有有利信息时，本文引入了包括预训练阶段和去偏阶段的两阶段算法，以估计未知参数，并建立了估计量的理论误差。同时，如果未知哪些源数据是有利的，本文提出了一种基于空间残差自助法的可迁移数据检测算法来检测有利数据，并且，保留必要的空间依赖性。本文证明了该检测方法的一致性。模拟研究表明，通过使用有利的源数据，本文提出的迁移学习算法显著提高了经典两阶段最小二乘估计量的性能。在实证应用中，本文利用 2016 年美国总统选举的民意调查数据以及其他人口统计学、地理信息数据，将我们的方法应用于 2020 年美国总统选举摇摆州的选举预测，实证结果显示，本文提出的方法优于传统的估计方法。
地点：D235
腾讯会议：336-3629-5936
时间：4月12日，周五中午，12：30-14：00
语言：中文
