第6周行业和学术资讯推送
本周行业资讯
《香港国际金融学会HKIIF｜许宪春：数据资产统计与测算方法》： https://mp.weixin.qq.com/s/JRnZcebqWhh5CaHeyfIIfQ
《南方周末｜1000万骑手的社保：谁来埋单？》： https://mp.weixin.qq.com/s/pKt-uBnprirGu6CB_WuzPQ
《真实故事计划｜一个211女博士去了义乌做主播》： https://mp.weixin.qq.com/s/JxAkYhQ0zvlDK3xIQbryaA
《雅理读书｜被AI模拟的郑戈还是郑戈吗？》： https://mp.weixin.qq.com/s/8GoRSXM1dUupnioiIe5Ejg
《计量经济学｜史蒂夫·列维特（Steven D. Levitt）：我为何决定离开学术界》 ： https://mp.weixin.qq.com/s/5O779wqogWb9J6rqAZe8yQ
本周学术资讯
Su-Hao Tu & Ruoh-Rong Yu. (2025). Respondent characteristics’ moderating effect on mixed-mode effects: an example of subjective well-being measurements. International Journal of Social Research Methodology, https://doi.org/10.1080/13645579.2025.2483771
导读问卷调查形式，会影响受访者报告真实的幸福感吗？这篇研究利用我国台湾省家庭动态调查2018 年的混合模式数据，采用倾向值匹配方法控制选择效应，揭示了调查模式对主观幸福感测量的影响。论文作者发现，在家庭生活满意度和经济状况满意度上，面对面受访者比特征匹配的网络受访者报告了更高的满意度，显示出更强的社会期许反应。在年轻群体和高教育群体中，面对面访谈引发的社会期许反应更为明显，而在年长群体和低教育群体中则不显著。作者推断，在儒家文化背景下，年轻受访者面对通常较年长的访员时可能出于尊重，而高教育受访者则可能出于维护“面子”的考虑，在面对面情境下更倾向于给出符合社会期许的答案。
Clark, A. E., D’Ambrosio, C., Gentile, N., & Tkatchenko, A. (2025). What makes a satisfying life? Prediction and interpretation with machine-learning algorithms. Review of Income and Wealth, https://doi.org/10.1111/roiw.70003
导读机器学习能否比传统线性模型更准确地预测生活满意度？这篇论文基于英国队列研究数据，比较了惩罚性线性模型和随机森林，分别与传统线性回归在预测个体生活满意度上的表现，并运用 Shapley 值等工具进行解释。作者发现，虽然使用更丰富的变量集能提升约 5.7% 的预测精度，但复杂的非线性模型随机森林在测试集上的预测准确性并未显著优于经过优化的惩罚性线性模型。无论何种模型，婚姻/伴侣状况和情绪健康始终是最关键的预测因子。Shapley 值分析揭示了预测变量影响的显著非线性与非对称性，并发现性别在随机森林中的重要性远低于其在线性回归系数的情况，表明线性模型可能因简化假设而误判变量影响。
David Samuels, Henry Thomson. (2025). The Green Revolution is not always bloodless: Agricultural modernization and rural conflict in Brazil. World Development, https://doi.org/10.1016/j.worlddev.2025.106951
导读农业现代化会起反作用吗？比如引起农村社会动荡？这篇论文以巴西为案例，利用 1988 年至 2020 年市镇层面的数据，揭示了农业机械化对农村冲突的影响。论文作者发现，拖拉机数量的增加与后续三年内土地入侵的发生概率存在稳健正相关关系。这一效应在控制了土地不平等、人均收入、人口结构、历史冲突、州固定效应以及其他绿色革命技术、邻近土地改革和收入冲击等因素后依然存在。作者推断，节省劳动力的机械化技术通过替代农业劳动力、降低其机会成本，增加了农民参与土地入侵等抗争活动的激励，从而引发农村冲突。这一发现揭示了绿色革命中常被忽视的政治后果，即技术进步带来的“创造性破坏”可能成为农村动荡的重要根源。
Akcigit, U., & Goldschlag, N. (2025). Measuring the characteristics and employment dynamics of US inventors (No. w31086). Journal of Economic Growth, https://doi.org/10.1007/s10887-025-09251-9
导读如何衡量和理解发明家特征？这篇论文构建一个连接专利发明人与人口普查数据的新型关联数据库，首次全面揭示了美国创新生态中关键个体——发明家的多维度画像。作者发现，发明家群体正经历显著老龄化，外国出生及亚裔发明家占比大幅增加且显著过代表。在就业方面，发明家越来越集中于老牌大型企业，尽管年轻企业的发明通常更具影响力；顶尖的“超级明星”发明家尤其呈现出离开年轻公司的趋势。此外，发明家的就业动态性正在减弱，表现为工作转换率和创业率随时间下降，地理分布日益集中，跨州流动性降低。
Salman Bahoo, John W. Goodell, Rachid Rhattat, Subhan Shahid. (2025). Artificial Intelligence in Economics Research: What Have We Learned? What Do We Need to Learn?. Journal of Economic Surveys, https://doi.org/10.1111/joes.12694
导读人工智能如何影响经济学研究？这篇论文通过对 1990 年至 2024 年 11 月间 2231 篇文献进行混合系统性回顾，全面分析了 AI 在经济学中的运用，并识别出五个主要研究流派：(1) AI 与经济建模；(2) AI 与宏观经济学（包含经济增长、劳动力市场、能源、健康、食品、房地产、金融、工业革命八个子领域）；(3) AI 与股权及债务市场；(4) AI 与预测建模（包含企业破产、经济衰退、汇率三个子领域）；(5) AI 与创新经济学。论文作者对比了 AI 应用前后经济学研究范式的转变（尤其是在大数据处理、预测精度和因果推断方面），并识别和讨论了机器学习（Machine Learning, ML）、自然语言处理（Natural Language Processing, NLP）等六种关键的 AI 分析方法。基于这些分析，论文作者提出了 20 个未来研究问题，并强调了理解 AI 的经济成本和制定战略性应用方针的重要性。