2025年4月16日下午，德国哥廷根大学发展与转型国家农业经济学讲席教授、农业经济与农村发展系主任于晓华教授应邀在我校长安校区教育博物馆西附楼S101作题为《经济模型中的变量选择：基于机器学习的观点》的学术报告，我院方兰教授主持会议。

于晓华教授以“机器学习与计量经济学的区别”为切入点，系统阐释了机器学习的核心概念。他指出，计量经济学侧重于模型构建与因果关系的识别，而机器学习则更关注数据处理、降维技术及预测性能。通过具体案例，他深化了在场师生对机器学习与传统计量方法差异的理解。

报告的重点聚焦于机器学习在变量选择中的应用。于教授详细介绍了基于变量相关性（Relevance）、有用性（Usefulness）及重要性（Importance）等指标的变量筛选原则，涵盖了过滤法（Filtering Method）、包裹法（Wrapper Method）、嵌入法（Embedded Method）、提取法（Extraction Method）及夏普利值法（Shapley Value Method）等多种主流技术手段。结合Wolpert（1996）提出的“没有免费的午餐”理论，他深入解析了不同方法的理论基础和适用场景。随后，教授以自身四篇实证论文为案例，展示了机器学习方法在变量选择中的具体实践与效果。

交流环节中，师生围绕机器学习在经济学领域的应用展开了热烈讨论，纷纷表示受益匪浅。此次报告极大地加深了大家对机器学习技术在经济模型变量选择中作用的理解与认知。

方兰教授在总结时高度评价了于晓华教授的精彩分享，指出报告不仅揭示了机器学习方法的发展脉络，更深刻反映了其对现代研究范式的影响。她强调，随着大数据时代的到来，掌握并善用机器学习方法对于提升学术研究能力和拓宽研究视野具有重要意义。希望此次学术报告能激发师生进一步探索前沿技术，推动学科交叉融合和创新发展。