中文 / English
洪瀚:陈晓红教授成就介绍

HongHan洪瀚.jpg


陈晓红教授现任职于耶鲁大学经济学院,是2017中国经济学奖(由北京当代经济学基金会授予)获得者之一。陈晓红现为耶鲁大学Malcolm K. Brachman经济学教授,是当代世界一流的计量经济学家。她为计量经济学理论及其他众多领域应用经济分析做出了大量颇具前沿、开拓创新的贡献。

 

陈教授本科毕业于武汉大学数学系, 获得加州大学圣地亚哥分校经济系博士学位。2007年之前她曾在芝加哥大学、伦敦政治经济学院以及纽约大学任教,之后进入耶鲁大学成为全职经济学教授。

 

2007年,陈教授当选为“计量经济学会院士”(在中国内地出生并接受高等教育的第一人),并在国际知名经济与统计学期刊上发表多篇学术文章。与此同时,她也是伦敦大学学院经济学系微数据、方法与实践中心(Cemmap国际院士《计量经济学杂志》(the Journal of Econometrics研究员。她还担任了北京大学光华管理学院以及上海财经大学的特聘教授,并入选中组部千人计划项目(短期)。

 

陈教授荣膺的其他奖项还包括:计量经济学顶级期刊Econometric Theory 颁发Multa Scripsit、应用计量经济学的Richard Stone,以及理论计量经济学的Arnold Zellner陈教授曾多次获得美国国家科学基金会奖金,也担任多本顶尖期刊的副主编,比如Econometrica、Review of Economic Studies、Quantitative Economics、Journal of Econometrics, Econometric Theory、Econometrics Journal 以及Journal of Nonparametric Statistics陈教授曾多次作为受邀讲者参加专业会议,同时也多次担任计量经济学会以及其他专业经济组织项目委员会成员。

 

陈教授精通筛分估计与推断方法,该方法能在分析复杂高维经济模型和数据时提供精确估算值。在此之前,传统计量经济学分析的通用方法是建立在有限维参数模型一般理论之上的。但众所周知,建立在有限维参数模型上的推断对经济模型来说有一些不切实际,而陈教授所提出的非参数和半参数模型筛分法则有效减少了对特设参数推论的依赖性,同时该方法也使得应用经济学家能够专注于从经济学理论中吸收实证见解和引导,而不是在函数形式设定上浪费精力

 

陈教授是筛分估算的主要带头人,也是Handbook of Econometrics一书中筛分估算章节的作者,其工作成果对经济学领域已经影响颇深:每位经济学研究生都学习过她的理论,并且陈教授的理论也逐渐成为计量经济学分析(经验分析和理论分析)学家的经典参考。

 

此外,陈教授在众多前沿研究领域也建树颇丰,其中包括处理效应模型、测量误差模型、模型选择方法、设定检验、基于copula函数的依赖模型和半参数计量经济学估算在恩格尔曲线模型上以及在消费者习惯持续性弱假设条件下资产定价核上的应用。陈教授的合著者包括劳动经济学、宏观经济学以及金融经济学等领域的大家。她为经济学领域以及社会总福祉带来的外部影响是巨大且难以衡量的。

 

在误差测量领域有一个主要关注点,那就是经济数据集错误频出可能与误差测量以及潜在未知因变量存在关联,该现象在实证研究文献中有翔实记录。这种关联与一些经典假设相悖,同时也否定了许多传统测量误差模型方法。陈教授以及她的合著者们考虑到了错误变量的存在,提供了一种非线性条件下的解决方法:使用包含真实变量的条件分布信息的辅助数据集。该方法将两个数据集相互结合以获得一个可靠的主要关注参数的半参数估计值。

 

另外,陈教授和她的合著者们共同研究出了一个整体框架,用来在数据缺失的情况下包括测量误差模型和处理效应模型的特殊情况分析有效估计值。这个高端框架不仅从非线性的矩条件中得出了半参数效率约束参数,也诞生了运用条件数学期望投影以及逆概率加权得到的半参数有效估计,因此整合了先前文献里林林总总的测量方法。

 

陈教授也是一位不完全计量经济学模型统计推断专家。不完全计量经济学模型与如何推断集参数、如何形成经济假设测试统计数据和如何形成覆盖真实参数或参数集的置信区间密切相关。数据集识别计量经济学模型近年来在计量经济学领域地位日趋升高,逐渐成为行业新宠。该计量经济学领域来源于一个事实:如果研究者不愿做一些在经济学理论中无所根据的强假设,那么他们在研究许多经济学和计量经济学模型时都会参考非点参数。

 

这些参数只能通过相合估计形成集参数。比如,在产业组织理论中,许多战略性寡头企业进入市场实证模型都承认多重平衡的可能性。如果研究人员不愿意对平衡选择机制做出强参数假设,那么静态和动态利润结构只能被识别成集,而不能成点。这些模型也被称为不完全计量经济学模型。陈教授和合著者们最近的研究成果更是展示了如何使用贝叶斯算法和蒙特卡洛为部分识别参数提供渐近相合的置信集。

 

还有一点至关重要,陈教授是最早一批分析神经网络特性的专家。神经网络模型正逐渐成为数据挖掘、机器学习以及人工智能的根本驱动因素。早在神经网络大规模应用于工业领域之前,陈教授在早期研究中就已经通过神经网络估算证明了非参数和半参数模型的相合性和渐近分布特性。

 

陈教授对学术领域贡献卓著,一纸简介难以述尽其所有成就。陈教授对经济学以及整个社会做出的贡献意义深远,具有开拓性,而本文仅展示了冰山一角。陈教授是一位享誉世界的计量经济学和经济学大家,不仅如此,对高校来说,她是一位不可多得的优秀老师;对众多学生来说,她是一位伟大的学业及人生导师。

 

参考:

https://news.yale.edu/2014/03/24/

xiaohong-chen-appointed-malcolm-k-brachman-professor-economics

 

 

◆◆◆转载须注明来源:北京当代经济学基金会◆◆◆