諾貝爾獎(jiǎng)得主 James Heckman 確認(rèn)出席 CCF-GAIR 2019

本文作者：黃善清

編輯：汪思穎

2019-04-02 19:39

專題：CCF-GAIR 2019

導(dǎo)語：其早期在分析選擇性抽樣的原理和方法上的研究工作，為機(jī)器學(xué)習(xí)打下了堅(jiān)實(shí)的統(tǒng)計(jì)學(xué)基礎(chǔ)。

雷鋒網(wǎng) AI 科技評(píng)論按：由中國計(jì)算機(jī)學(xué)會(huì)（CCF）主辦、雷鋒網(wǎng)和港中大（深圳）聯(lián)合承辦的第四屆「全球人工智能與機(jī)器人峰會(huì)」（CCF-GAIR）將于 2019 年 7 月 12 日至 14 日在深圳舉行。自 2016 年創(chuàng)辦以來，CCF -GAIR 已先后邀請(qǐng)到 10 余位中美兩國院士、圖靈獎(jiǎng)得主、數(shù)十位 IEEE/ACM/IAPR Fellow、上百位在各自專業(yè)領(lǐng)域享有盛譽(yù)的學(xué)者以及 AI 領(lǐng)域的知名企業(yè)家、投資者和創(chuàng)新者做了大會(huì)報(bào)告及相關(guān)圓桌分享，是目前為止本土人工智能領(lǐng)域規(guī)格最高、影響力最大的峰會(huì)。

應(yīng) CCF-GAIR 2019 大會(huì)主席、港中大深圳校長徐揚(yáng)生院士的邀請(qǐng)，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主 James Heckman 將會(huì)蒞臨大會(huì)現(xiàn)場(chǎng)做主題報(bào)告。身為微觀計(jì)量經(jīng)濟(jì)學(xué)的開創(chuàng)者，其早期在分析選擇性抽樣的原理和方法上的研究工作，為機(jī)器學(xué)習(xí)打下了堅(jiān)實(shí)的統(tǒng)計(jì)學(xué)基礎(chǔ)。

一起來了解他所取得的成就吧。

諾貝爾獎(jiǎng)得主 James Heckman 確認(rèn)出席 CCF-GAIR 2019

James J. Heckman，1944 年 4 月 19 日生于美國伊利諾斯州的芝加哥，曾就讀于科羅拉多學(xué)院數(shù)學(xué)系，1971 年獲普林斯頓大學(xué)經(jīng)濟(jì)系博士學(xué)位。曾在哥倫比亞大學(xué)、耶魯大學(xué)、和芝加哥大學(xué)任教。從 1995 年起，赫克曼就在芝加哥大學(xué)獲任亨利·舒爾茨杰出成就經(jīng)濟(jì)學(xué)教授，為芝加哥大學(xué)的教授。微觀計(jì)量經(jīng)濟(jì)學(xué)的開創(chuàng)者，因?qū)Ψ治鲞x擇性抽樣的原理和方法所做出的發(fā)展和貢獻(xiàn)，與 Daniel McFadden 一起榮獲 2000 年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。

敲開諾貝爾獎(jiǎng)大門的 Heckman Correction

早年的計(jì)量經(jīng)濟(jì)學(xué)主要集中于宏觀經(jīng)濟(jì)學(xué)，即研究以國民經(jīng)濟(jì)為主體的經(jīng)濟(jì)行為，至于涉及微觀經(jīng)濟(jì)學(xué)層面的，如個(gè)人、住戶與企業(yè)的經(jīng)濟(jì)行為問題，則較少有人研究，一方面是這方面的統(tǒng)計(jì)數(shù)據(jù)不易找到，另一方面則是微觀數(shù)據(jù)的應(yīng)用在當(dāng)時(shí)產(chǎn)生了許多新的統(tǒng)計(jì)問題：

過去的研究只能觀察某些變量的特定個(gè)體或家庭，由于是非隨機(jī)抽樣的樣本，也就不可能具有代表性。退一步講，即便樣本具有代表性，影響個(gè)體行為的一些特征未必能被觀察到，使得解釋個(gè)體之間的某些差異變得異常困難，這是非實(shí)驗(yàn)性數(shù)據(jù)（non－experimental data）本身所固有的限制。

為此，James Heckman 設(shè)計(jì)出了一系列可以有效解決該問題的計(jì)量經(jīng)濟(jì)學(xué)方法，其中一項(xiàng)便是大名鼎鼎的赫克曼矯正法（Heckman Correction，又稱兩階段方法）。

以研究工資和教育程度的關(guān)系為例，具體的演算可分為兩個(gè)步驟：

第一步，研究者根據(jù)經(jīng)濟(jì)學(xué)理論設(shè)計(jì)出一個(gè)計(jì)算個(gè)體工作概率的模型，而該模型的統(tǒng)計(jì)估計(jì)結(jié)果可以用來預(yù)測(cè)每個(gè)個(gè)體的概率；

第二步，研究者將這些被預(yù)測(cè)個(gè)體概率合并為一個(gè)額外的解釋變量，與教育、年齡等變量一起來矯正自選擇問題。

諾貝爾獎(jiǎng)得主 James Heckman 確認(rèn)出席 CCF-GAIR 2019

首先，估計(jì)出不同教育水平的人，參加工作的概率各有多大，這可以通過經(jīng)驗(yàn)數(shù)據(jù)模型得到。然后，刪去不工作之人的樣本，將余留的樣本點(diǎn)依其工作概率的不同，垂直往下位移。工作概率愈小，向下位移愈大；工作概率愈大，向下位移愈小。工作概率百分之百的，不作位移。然后，對(duì)位移后的樣本點(diǎn)，求出其回歸線（上圖）。

James Heckman 用該方法陸續(xù)處理了許多類似問題，如失業(yè)者再就業(yè)的時(shí)間間隔、職業(yè)培訓(xùn)的估價(jià)等。2000 年，諾貝爾獎(jiǎng)委員會(huì)決定將該年經(jīng)濟(jì)學(xué)獎(jiǎng)授予 James Heckman 與 Daniel McFadden，以獎(jiǎng)勵(lì)他們發(fā)展廣泛應(yīng)用在經(jīng)濟(jì)學(xué)以及其他社會(huì)科學(xué)中對(duì)個(gè)人和住戶的行為進(jìn)行統(tǒng)計(jì)分析的理論和方法，其中 James Heckman 的主要貢獻(xiàn)是「對(duì)分析選擇性抽樣的原理和方法所做出的發(fā)展和貢獻(xiàn)」：

諾獎(jiǎng)委員會(huì)在 advanced information 特別提及 James Heckman 的 sample selection model 為何具有重要的現(xiàn)實(shí)應(yīng)用價(jià)值——
http://www.nobelprize.org/nobel_prizes/economic-sciences/laureates/2000/advanced-economicsciences2000.pdf.

后來，赫克曼矯正法變成微觀數(shù)據(jù)分析的標(biāo)準(zhǔn)工具，并在無意間影響了人工智能機(jī)器學(xué)習(xí)領(lǐng)域的發(fā)展。

眾所周知，機(jī)器學(xué)習(xí)的標(biāo)準(zhǔn)方法是從對(duì)象集中取出一些樣本，接著通過機(jī)器學(xué)習(xí)算法學(xué)習(xí)他們，從而產(chǎn)生一個(gè)預(yù)測(cè)機(jī)，然后基于統(tǒng)計(jì)學(xué)原理，從類似的目標(biāo)集中采取新的樣本，使預(yù)測(cè)機(jī)做出準(zhǔn)確的預(yù)測(cè)。可一旦樣本源自于目標(biāo)集的子集或不相關(guān)的目標(biāo)集，就會(huì)產(chǎn)生被稱為協(xié)變量位移 (Covariate Shift) 或域匹配依賴 (domain adaptation depending) 的問題，對(duì)此，機(jī)器學(xué)習(xí)領(lǐng)域過去數(shù)十年所做的大量研究工作，大部分都基于 James Heckman 的研究。

改變?nèi)藗儗?duì)于重要公共政策的定義

James Heckman 并非成日埋頭書齋里做學(xué)問的那種學(xué)者，反而致力于探究與不平等、社會(huì)流動(dòng)性、歧視、勞動(dòng)力市場(chǎng)等相關(guān)的重大社會(huì)及經(jīng)濟(jì)問題的起源，同時(shí)設(shè)計(jì)并評(píng)估針對(duì)這些問題的解決策略。他的工作植根于經(jīng)濟(jì)學(xué)，卻積極地尋求跨學(xué)科合作，在勞動(dòng)供給、薪資決定、失業(yè)期間、勞動(dòng)市場(chǎng)輔導(dǎo)計(jì)劃的效益評(píng)估、生育多寡、性別歧視等課題上都有豐碩的成果。

上文提到的 Heckman Correction 即起源于 James Heckman 一九七零年代對(duì)勞動(dòng)供給的實(shí)證研究。他指出根據(jù)個(gè)體經(jīng)濟(jì)理論，工作與否是由勞動(dòng)供給者的效用極大化過程來決定，而這個(gè)過程可以如下的方式解釋：

勞動(dòng)供給者根據(jù)自身的需求擬定出一個(gè)「保留工資」(ReservationWages)，勞動(dòng)供給者只有在找到薪水大于這個(gè)保留工資的工作后才會(huì)開始工作，也就是說一個(gè)人是否工作完全是根據(jù)保留工資和真正可拿到的薪水的比較來決定的。

這個(gè)機(jī)制不僅描述了勞動(dòng)供給的決策過程，也同時(shí)解釋了勞動(dòng)供給資料為什么會(huì)有樣本選擇問題，于是有了后來的赫克曼修正法。

來到教育領(lǐng)域，他最具有代表性的工作則是佩里學(xué)前項(xiàng)目（Perry Preschool Project）。

參與該項(xiàng)目的父母更多采用積極的育兒方式，而更少采用專制型的育兒方式，通過對(duì)參與者的長期追蹤研究，該項(xiàng)目發(fā)現(xiàn)相比于未參與項(xiàng)目的對(duì)照組兒童，參與該項(xiàng)目的兒童成年后在偏好、信念與技能上的均值都發(fā)生了顯著變化：集體歸屬感更強(qiáng)、對(duì)人生的態(tài)度更加積極樂觀、對(duì)他人更加熱情友善。

對(duì)此，Heckman 教授強(qiáng)調(diào)，智力開發(fā)的干預(yù)越早越好，越往后越難。因此，他大力提倡開展對(duì)弱勢(shì)群體孩子的早期項(xiàng)目。豐富家長養(yǎng)育知識(shí)、創(chuàng)設(shè)有利于提高孩子認(rèn)知能力與非認(rèn)知能力的環(huán)境、定期給孩子閱讀以及提供貧困家庭孩子不可能獲得的益智活動(dòng)等都能帶來智商方面的回報(bào)。

James Heckman 這一系列與社會(huì)緊密結(jié)合的研究工作，使之當(dāng)選 2017 年度美國經(jīng)濟(jì)學(xué)會(huì)（American Economic Association）「杰出院士」（Distinguished Fellow）。

學(xué)會(huì)評(píng)價(jià) James Heckman 不僅在許多方法類研究中作出了貢獻(xiàn)，而且在勞動(dòng)經(jīng)濟(jì)學(xué)領(lǐng)域?yàn)檎麄€(gè)人類社會(huì)作出了更為重大的貢獻(xiàn)：