区域经济学研究什么

在2018-2019年区域经济学专业考研学校排名中，排名第一的是浙江大学，排名第二的是西安交通大学，排名第三的是华中科技大学，以下是区域经济学专业考研学校排名具体名单：很多同学考研存在盲目性，金融学是报考热门，关于本专业考研却有一些你可能不知道，但最 好提前了解的事。经济学下面有2个一级学科，分别是理论经济学和应用经济学，从理论层面上说，一个是搞学术研究的，一个是偏重就业的。但在实际情况上看，也并不尽然，特别是理论经济学的一些专业，现在就业也不错。而且，经济学专业内专业壁垒和跨度不大，也就没有明确的专业界定，都是经济学硕士，面对的工作岗位有区分，但可以互通。在一级学科下面，有16个二级专业，其中理论经济学6个，应用经济学10个。它们的共性是前三科考的基本上都是政治、英语和数学三、然后第四门考的是专业课，通常是经济学综合，内容因专业不同会有调整，参考书也不一样。国民经济学、世界、环境与人口经济学与劳动经济学是经济学中，除了钱还关注人、环境的专业，需要指出的是，国民经济学、世界、环境与人口经济学隶虽然不属于同一个一级学科，但均侧重于理论研究，研究的课题也是人、环境与经济的关系;而劳动经济学，偏重于应用与实践，主要就解决大型经济体，例如企业，地区经济与劳动力配置、发挥的关系，从很大程度上，类似于经济学中的人力资源管理专业。西方经济学与世界经济：这两个专业是理论经济学下，就业前景，但同时也是报考压力的专业之一。中国在世界经济地位的崛起，与欧美、中东、中亚等经济体的合作与发展，都为学习这两个专业的同学提供了良好的就业平台。但是我们也必须看到，机会与风险是并存的，在所有的经济学专业中，西方经济学、世界经济的考试难度，分数线和复试压力都是数一数二的。特别是，作为应届本科生，除了经济学方面的知识，还要对国际形势、政治发展都有较好的把握，除此之外，复试对英语的要求也会因院校不同而偏高。政治经济学：先讲明，这是一个有误解的专业，大家都认为这是讲计划经济的理论与应用，讲马克思主义经济，剩余价值的那些东西。学习这种理论，未免有些过时。事实上，这个专业，研究的主要对象，是我们国家的社会主义市场经济，是一个非常有典型、有针对性的专业。毕业后，既可以从事经济研究工作，同样还可以进入各种企业，特别是国企工作。另外，这个专业是我们国家开设早的经济学专业，也就意味着，开设院校数量较多，尤其是一些在地区经济中，扮演者“智库”角色的院校，基本上覆盖了国。第三，因为偏见，所以这几年学生报名热情相对于其他经济学专业有些偏冷。这门专业，普遍考试的专业课是801经济学，也就是有政治经济学部门。金融学：经济学领域竞争为激烈的专业之一，相对于理论经济学下的西方经济学和世界经济，金融学更加侧重于实战和金融领域。值得注意的是，金融学只是统称，其下面分布的各大方向，例如货币银行、证券投资、公司理财等等，都代表着不同的就业走向。甚至，往往在一个院校内，多个学院都开设有金融学，只是方向不同。这一点同学一定要清楚的了解，不能以偏赅。数量经济学与应用统计专业：从名称上很容易被学生所忽视，一看到“数量”和“统计”等字眼，就容易联想起纯技术性的专业。但事实上，这两个专业无论是在学习上、实践上还是就业上，都是很好的从事经济学工作的通道和桥梁。我们知道，经济学是一样与数学密不可分的专业，其大量的内容，比如经济产品建模和数学建模有很大程度的联系与相似。其核心岗位，往往都是出身于具有较强数学功底的人。当你听到保险精算师、特许财富管理师这样的工作岗位实，你是否还会认为这是一个纯技术性的岗位么?国际贸易：涉足领域广、跨度的经济学专业，从字面意思的贸易方向，还可涉足跨国经营、国际运输与物流、品管理、贸易保险、贸易法等多个职业领域。选择这一专业的同学，仅仅了解到专业是远远不够的，要针对院校，进行深入分析，另外，对英语要求偏高。区域经济学与产业经济学：应用性较强的经济学，一个是研究地区经济，在特定区域例如西部开发、东北老重工业基地改造、长三角经济圈、环渤海经济圈、珠三角经济圈、台海经济等问题上的研究与实践，一个是研究行业经济的，针对某个行业的经济现象进行研究，进入企业的经济研究部门或从事经济类工作是主流去向。但值得注意的是，在往年的毕业生中，进入银行、金融领域的毕业生也有相当的比例。

近年来，我国区域发展战略向纵深推进，区域经济发展新格局正在渐次铺开。区域发展战略和区域经济实践为区域经济学发展提供了丰厚土壤。在受访学者看来，立足于我国区域经济发展伟大实践，区域经济学研究应从经济实践中寻找灵感并转化成有用理论，更多地进行区域经济学理论的自主创新。迎来转型机遇伴随着重大区域战略稳步推进，区域协调发展新格局逐步形成。中国社会科学院工业经济研究所研究员陈耀在接受记者采访时表示，近年来，我国形成了“三群两带”新战略格局，即京津冀协同发展、长三角一体化、粤港澳大湾区建设、长江经济带和黄河生态带，成为支撑中国经济高质量发展的重要引擎和动能，在增强区域整体竞争力的同时，强调区域间的均衡协调发展。南开大学中国城市与区域经济研究中心副主任周密认为，区域经济学的发展是实践探索和理论推进相互迭代的结果。区域经济学在新形势下面临双重发展机遇：时代赋予的转型机遇、中央战略部署的顶端机遇。浙江大学区域与城市发展研究中心执行主任陈建军表示，区域发展实践与区域经济学理论相互促进，相得益彰。郑州大学城乡一体化发展研究中心首席专家张合林认为，我国改革开放发展的成就及经验为我国区域经济学创新发展带来最大机遇；我国区域经济实践为区域经济学创新发展提供了丰厚的土壤和内涵。在山东财经大学区域经济研究院教授刘清春看来，区域经济实践对区域经济理论发展提出了许多新的要求。而丰富的区域经济实践为我国区域经济学理论的完善，提供了可靠例证。　学科建设取得长足发展近年来，我国区域经济学学科不断拓展新的研究视角、开辟新的研究领域，学科建设和理论创新获得了长足发展和进步。周密总结了以下几点。第一，学科地位不断提升。在面向国家急需的理论与现实问题解决上，区域经济学科发挥了重要作用。第二，学科交流不断加强。区域经济学学科建设年会等大型会议成为学科交流发展的重要纽带。第三，理论成果不断推进。在区域产业分析、区域扶贫与协调发展理论、实证经济地理学、空间经济学、城市群发展等重要主题上形成了一系列优秀理论成果。第四，课程设计的科学性不断提高。张合林认为，当前，我国区域经济学家已推出了诸多区域经济学理论创新成果，比如，经济学的域观范式、域观经济学等。此外，区域经济学学术团体不断壮大学术交流活动，也推动了我国区域经济学学科建设和理论创新。谈及我国区域经济学理论创新，刘清春表示，从区域发展理论来看，主要包括区位论、区域经济增长理论、区域产业结构理论、区域产业布局理论和区域创新理论等。从区域关系理论来看，主要包括区域合作理论、区域贸易理论、区域竞争力理论和区域经济一体化理论等。从区域经济研究方法来看，主要包括区域经济发展战略、区域规划、区域经济政策。如西部大开发、东北振兴、中部崛起和东部率先发展的区域发展总体战略的形成，是区域经济学理论发展的重要创新成果。多学科融合协同攻关未来，在推进区域经济学理论创新方面有两个重要转向。周密认为，一方面，将从唯技术论转向思想和技术的有效融合。另一方面，将从借鉴引进为主转向自主创新为主。这就要求我国学者从中国经济发展的实践中寻找更多经济灵感并转化成有用理论。陈建军认为，区域协调发展涉及经济发展、生态环境保护、社会治理等多个领域，需要区域经济学、公共管理学、生态经济学等多学科交叉融合协同攻关，进而形成交叉学科，以此解决区域经济发展过程中面临的问题。张合林认为，推进区域经济学理论创新和话语体系建设，需要多方面着力。着力推进“一带一路”建设方面的理论创新和话语体系建设；着力推进区域经济高质量协调发展方面的理论创新和话语体系建设；着力推进城乡一体化、城乡融合发展方面的理论创新和话语体系建设。刘清春建议，区域经济学的基本特征是区域性、综合性与开放性，涉及经济学、地理学等多门学科，加快形成区域经济学学科的科学思维体系，推进多种研究方法的交叉互补，对区域经济学的发展具有重要意义。同时，作为应用经济学，区域经济学必须有效解决中国区域经济发展中的实际问题，才能更具生命力。来源：《中国社会科学报》2020年6月22日第1952期 作者：本报记者 张杰欢迎关注中国社会科学网微信公众号 cssn_cn，获取更多学术资讯。

第十七届全国区域经济学学科建设年会暨“区域绿色发展与美丽中国建设”学术研讨会开幕式现场本报讯 （摄影冯慧萍）10月13日，第十七届全国区域经济学学科建设年会暨“区域绿色发展与美丽中国建设”学术研讨会开幕式在兰州大学举行。本次年会将围绕“区域绿色发展与美丽中国建设”的主题进行了深入研讨。这次的会议是在推进“一带一路”建设和推动实施乡村振兴战略背景下召开的，把“区域绿色发展”与“美丽中国建设”两个理念相结合，深刻贯彻落实习近平总书记“树立和践行绿水青山就是金山银山的理念”，通过交流与探讨，将对西部地区特别是甘肃地方经济发展探索高质量的发展路径，具有重大的现实意义和实践价值。中国人民大学经济学院孙久文教授发表演讲中国人民大学经济学院孙久文教授在开幕词中充分肯定了兰州大学区域经济学学科点在探讨区域绿色发展新机制，推动我国区域经济学理论创新与区域经济发展实践创新，促进美丽中国建设等方面所做出的卓有成效的工作，希望大家共同努力，使得“区域绿色发展与美丽中国建设”的主题研讨会能够得到更好的发展。第十七届全国区域经济学学科建设大会上充分地反映了全国各高校在区域经济学学科建设方面所做的持续努力，也充分反映了各位经济学学者在响应和回应国家和区域需求方面所作的学术努力。当前，兰州大学正在全力推动“世界一流大学和一流学科”建设，加快一流大学建设步伐，为建设美丽西部，为推进一带一路建设，实现两个百年目标，做出新的更大的贡献，共同推动全国区域经济学科的建设与提升，为区域绿色发展和美丽中国建设贡献智慧和力量。参与大会的嘉宾在兰州大学逸夫科学馆前合影留念（中国日报甘肃记者站）

理论和实践可谓一对孪生兄弟，相互影响、相互促进，理论产生于实践而又指导实践，而实践催生理论又为理论所牵引。理论不能脱离实践，脱离实践的理论一定是不科学的、形而上的或纯逻辑的，反过来说，理论的创新发展一定要以实践为基础、为依据。一、当前中国经济学研究存在的突出问题观察当今中国经济学的理论研究和探索，有一种脱离实践的倾向需要我们注意和警惕。中国当下的经济学研究在摆脱热衷于政策解释、文件辅导、经典注解的同时，出现了以下需要警惕的几种倾向或问题：其一，越来越热衷于闭门造车。一些人的研究成果与实践毫不沾边，既不是实践进程的科学总结，也不是未来发展的务实建议，而是仅凭主观意志、热衷于异想天开的逻辑演绎和文字幻变，除了孤芳自赏外，毫无社会意义。其二，越来越精心于概念创造与话语标新。习惯于把简单的道理用晦涩复杂的词汇表述，热衷于生搬硬套外来的词汇，不管是否符合中文的逻辑和法式。其三，越来越沉迷于数理范式。无论需不需要、严不严谨都要堆砌一些复杂的函数关系和数学公式，满篇充斥着并非必要的希腊字母和拉丁文字，使简单的问题复杂化，明了的实践问题繁琐公式化。其四，越来越专注于引论立论。习惯于通过引述论点来论证观点，不注重实践依据，不注重是否“需要”或者“必须”。只是与过去言必求马、恩不同，现在是无论是否贴切和需要，都言必引用欧美学者的观点，似乎一篇论文不引述若干西方学者的话语，就不成为论文了。其五，越来越屈服于外来标准。撰写论文、采用文稿、评价文章都以西方特别是欧美刊物或偏好为标准，西方论文范式成了衡量文章形与实的唯一范式。总的来说，这些倾向使中国经济学研究中透露出一种强烈的“西进”或“西化”的色彩。那么，西方经济学的研究又是怎样的呢?它似乎不同于我们一些学者的做法。西方经济学的发展基本上是建立在西方市场经济实践基础上的，理论与实践总体上是符合的。我们熟知的萨缪尔逊主编的《经济学》，到现在已经修订出了第19版，而修订的依据就是西方和世界其他国家的实践成果，包括中国发展创造的成功实践经验。而我们一些学者的经济学研究却是一种脱离中国实践的“西进”与“西化”，因而这种西化带来的必然是虚化。这种脱离中国实践的西化和虚化是否有道理?答案是否定的。新中国成立70年的实践表明，中国走出一条在整体上不同于西方的发展道路，而我们对这种道路的自信在于，中国从一个基本毁于战火的“一穷二白”的国家转变成为世界第二大经济体。中国这种迅速发展的状况是很多发达国家都难以比拟的。既然如此，偏离中国独特发展实践的西化和虚化，显然是不科学的。二、建设中国特色经济学具有坚实的实践基础诚然，中国的发展实践全面汲取了人类社会的共同文明成果，包括西方市场经济发展的成果。例如，中国实行了市场化取向的改革，发展了社会主义市场经济，这其中有不少与西方市场经济共同的地方。在中国的经济学理论研究与发展中应该充分体现这些内容，包括与其相适应的研究方式和表达范式，一味排斥也是不科学的。但中国的经济学不能仅有这些内容，特别是不能完全套用西方经济学的内容与范式，它应当同时甚至更多地反映给中国带来巨大发展独特实践的成果。也就是说，中国应该建立以自身伟大实践相符合的经济学理论与范式，其中包括对市场经济实践的理论提炼与范式呈现，但不应是全盘追崇西方而导致的与中国实践脱节的虚化。中国特色经济学的理论构建是否具有实践基础呢?答案是肯定的!新中国70多年的发展和实践及40多年的改革与开放已经为中国特色的经济学构建奠定了坚实的基础，并在主体上体现着与西方国家不同的特点，从而具有自己独特的创造，这也是包括西方国家在内各方面都认同的。中国与西方国家的不同，至少体现在以下三个方面：第一，国情不一样。中国人口众多，数量达14亿人;底子薄，人均资源很少。相对于人口数量来说，中国的国土面积可谓十分短缺。美国按大口径算，国土面积超过中国，但人口刚刚超过3亿人;俄罗斯国土面积为1700多万平方千米，人口只有近1.5亿人;加拿大国土面积为998万平方千米，超过中国，而人口只有3600多万人。与这些国家相比，中国实现快速发展殊为不易。与此同时，中国所建立的社会制度也具有独特性。由于多种原因，中国既不能走1949年前的道路，也不能走西方的道路，更不可能走苏联的道路，而是走出一条具有中国特色的社会主义道路。这一道路在经济上的特色是，以公有制为主体、多种所有制经济共同发展和按劳分配为主体、多种分配方式并存的社会主义市场经济体制。第二，发展环境不一样。新中国70年来的发展可谓内困外扰，始终处于紧约束之中。从内部看，因常年遭受战火侵害，新中国建立时面对的几乎是一片废墟，只能白手起家;又因为特殊的外部环境，只能自力更生。即便没有外部侵扰，解决几亿人的温饱都非常困难。从外部看，由于制度差异及其他重要原因，中国始终受到一些国家的围堵与封锁;中国坚持奉行不称霸和各国不分大小、一律平等的对外原则，从不侵略别国，也从不从外部掠夺资源;中国不处于世界发展的高位，引进资源要素不容易，在自身的资源要素还容易流失的情况下，积极履行国际义务，时常伸出援手支持落后或贫穷国家。第三，发展方式不一样。中国这些年的快速发展，有许多方面明显不同于其他国家，特别是发达国家的基本做法，有自己的体制特点。概括地说，一是坚持“两轮驱动”：一方面推动市场在资源配置中发挥决定性作用，另一方面积极地、科学地发挥政府的作用。二是把握“两个抓手”：一手抓最落后群体的生产发展和民生改善、抓解决人民群众和经济社会面对的最基本的问题，如温饱问题、基本公共服务均等化问题;另一手抓与最先进的生产体系和科技手段的对接运用，力求后发先至，实现跨越发展。三是实行“两个途径”：依据不同区域的资源禀赋、现实基础和发展潜力，实施分类指导;同时发挥制度的优越性，推动发达地区运用各种手段支持落后地区。四是用好“两个市场”：一方面，坚持眼睛向内，深入广泛地开拓国内市场，不断挖掘内需潜力;另一方面，全方位、多层次地对外开放，深化国际合作，最大限度地运用外部资源、外部市场。五是重视“两个手段”：一方面，科学运用物质手段或经济杠杆，充分激发各市场主体的能动性和创造力;另一方面，大力弘扬中华民族特有的进取精神，积极为国家和社会发展尽心出力。六是形成“两个支撑”：充分发挥各类功能平台的先行先试和示范带动作用，使之成为推动发展和促进创新的有力支撑;积极推动建立横向、纵向协调机制，及时协调解决重大战略决策实施中出现的困难与问题。七是推进“两个转变”：在发展道路上由实行资源要素驱动向实行创新驱动转变;在发展内容上由追求高速增长向追求高质量发展转变。八是紧扣“两个目标”：千方百计解决人民温饱问题，努力使人民生活水平达到小康，大力推进现代化建设，实现国家的富强和人民的富裕;坚持和完善中国特色社会主义制度，推进国家治理体系和治理能力现代化，实现国家的和谐安宁和中华民族的幸福安康。中国丰富而具有创造性的实践足以使我们对深化经济理论研究、建立具有特色的经济学范式充满自信。我们不能妄自菲薄，也不能盲目跟随。对西方经济学的学习借鉴是必要的，但不能全盘照套照搬，中国的经济学研究及其教科书编写不能以与我们有很大差距的西方经济学及其教科书为标准，如果在内容上模仿，甚至分析方法、语言表达都完全套用是很不科学、很不合理的。中国经济理论研究及经济学范式发展创新的最坚实基础无疑是中国自己的实践。三、中国特色经济学研究应在三个方面推进创新2017年，中共中央印发的《关于加快构建中国特色哲学社会科学的意见》强调，坚持和发展中国特色社会主义，必须加快构建中国特色哲学社会科学。那么加快构建具有中国特色的、符合中国国情的经济学也是构建中国特色哲学社会科学的重要组成部分。另外，中国的经济改革与发展实践取得令世人瞩目的成功也需要我们把实践中做对、做好的东西总结出来，这样不仅能为中国的经济发展问题提供思路和方法，也能为世界经济发展相关问题的解决提供参考和借鉴。这就需要我们以中国特色实践为依据或导引，实现对中国经济学理论的持续创新，作为方向，就当前而言，中国经济学的创新至少可以依次或同时在三个方面推进：第一，在现有框架和范式下寻求创新与突破，重点是根据中国经济活动的状态与变化，把握其内在发展规律和演进逻辑做出新的总结归纳，给其以科学的描述与揭示。第二，对现有框架和范式做适度的改造，对中国经济发展的创新性实践做深入的分析和科学的提炼概括，形成若干具有指导意义的原理、规制或守则。第三，以中国特色社会主义实践为依据，融合世界经济发展的实践经验和有益创造，特别是现代市场经济的本质规定与基本要求，创造具有世界性指导意义的经济学理论、范式，形成基于中国成功实践、由中国经济学人主创、可以作为世界经济研究重要标准的经济学理论体系或教科书。【来源：中国网】版权归原作者所有，向原创致敬

央广网北京1月25日消息（记者冯雅 赵珂）2020年中国经济年报显示，全年城镇新增就业1186万人，超额完成全年就业目标。中央经济工作会议指出，要继续做好“六稳”“六保”工作，实现更加充分更高质量就业。特别策划《新格局 新动力——经济之声对话经济学家》，25日推出：实现更加充分更高质量就业要注意哪些关键点？——对话：中国人民大学副校长刘元春。记者：2020年，作为容纳就业主体的民营企业受影响比较大，但是我们2020年的就业目标却提前完成了。您认为主要原因是什么？刘元春：首先，我们的抗疫取得了超预期的成效，使中国经济全面下滑的持续时间很短，对整个市场主体、市场体系的冲击没有像欧美那么严重。其次，“六保”政策在“六稳”政策的基础上精准施策，非常到位。我们采取的一系列保就业、保市场主体的政策，结果证明非常有效。另外，我们通过研究生的扩招、中职院校的扩招，通过奖励一些企业扩大就业，鼓励一些部门弹性就业，使就业恶化的趋势得到了很好的缓解。此外一个很重要的因素是，中国经济的结构，特别是中国产业链、供应链的强大威力非常迅速地恢复，成为全世界抗疫物资的生产中心、供应中心。这几大因素使得我们的就业取得靓丽的成绩单。但是一定要看到，我们目前的很多举措，是让我们的一些就业问题延迟发生，一些结构性的问题可能会进一步暴露出来。记者：2020年有一个很有意思的现象，即以数字经济为基础的新经济新业态被人们认为是解决就业难题的一个新思路。2020年，有数百万年轻人在外卖配送、快递等行业找到了工作，缓解了就业压力。您认为以数字经济为基础的新经济新业态会是未来的一个就业趋势吗？刘元春：它是一个就业的方向。从整个中国的经济发展情况来看，新经济替代了很多传统经济，也创造了一些新就业岗位。从欧美发展的一些趋势来看，就业替代可能是未来技术发展的一个基本趋势。这对于中国这样一个超大经济体、超大规模人口的国家，在现代化进程中是一个严重的挑战。面对这个挑战，就要求我们更加着力解决结构性失业等问题，我们必须在教育体系、人才体系，包括产业布局方面有更深层次的考虑，而不是简单地按照欧美的产业结构进行简单复制式的发展。对于我们的就业目标、就业模式、产业布局、区域布局、社会建设，其实提出了一揽子要求。记者：您上述提到了结构性失业，让我想起了另外一个说法——结构性就业缺口。现在的制造企业经常会招不到工人，因为原来一些产业工人都跑去送快递、送外卖了，所以工厂里反而很难招到人。对于这个问题，您怎么看？刘元春：目前，传统行业的工资形成机制面临一些新的挑战，导致一些新型就业岗位吸纳了很多人员。但是我们要认识到，目前一些新的就业模式为什么能够迅速发展？可能与我们的整个劳动保护体系、与我们监管体系的不完善密切关联。这是我们要思考的一个深层次问题。当然，有时候没有了一些传统的羁绊，没有在监管与创新之间过度纠结，可能使我们在某个时期跑得很快，但它产生的负面效应也非常大。所以我们会看到，过去这些年，互联网金融野蛮生长，带来了金融风险和社会问题。我们的快递业务蓬勃发展，的确对中国新经济的发展提供了很好的支撑，但是我们也要认识到，劳动者保护、企业社会责任、社会秩序的维护等实际上受到了很大挑战。对这些问题我们必须进行规划，不能够简单地为满足就业而就业。在未来的就业政策上，一定要更加关注弱势群体的利益，使我们的就业向高质量就业、高水平就业发展。【来源：央广新闻】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

机器之心分析师网络作者：仵冀颖编辑：Joni Zhong本文精选了几篇因果表示学习领域的最新文献，并细致分析了不同方法的基本架构，希望能帮助感兴趣的你对因果学习应用于机器学习的方向和可能一探究竟。因果推理（Causal inference）是根据影响发生的条件得出因果关系结论的过程，是研究如何更加科学地识别变量间的因果关系（Causality）。在因果关系中，原因对结果负有部分责任，而结果又部分取决于原因。客观事物普遍存在着内在的因果联系，人们只有弄清事物发展变化的前因后果，才能全面地、本质地认识事物。基干事物发展的这种规律，在论证观点时，有时就可以直接从事物本身的因果关系中进行推论，这就叫因果推理法。几十年来，因果推理一直是统计学、计算机科学、教育学、公共政策和经济学等许多领域的重要研究课题。为了解决观测数据因果推断中的这些问题，研究人员开发了各种框架，包括潜在结果框架（the potential outcome framework）（潜在结果框架也称为内曼-鲁宾潜在结果或鲁宾因果模型（the Rubin Causal Model））和结构因果模型（the structural causal model，SCM）。UCLA 教授 Judea Pearl 在他的著作《Causality: models, reasoning, and inference》[1] 中介绍了 RCM 和 SCM 的等价性，就应用来看，RCM 更加精确，而 SCM 更加直观。Judea Pearl 是因果关系模型的倡导者之一。机器之心在 2018 年也有一篇对于他的论文的报道：https://cloud.tencent.com/developer/article/1119926，探讨了机器学习的理论局限性与因果推理的七大特性。来自 University at Buffalo、University of Georgia、Alibaba 和 University of Virginia 的几位学者在 AAAI 2020 中发表了一篇关于 RCM 因果推理方法的的文章《A Survey on Causal Inference》[2]，是第一篇对 RCM 和机器学习问题的综述，而关于 SCM 的介绍则主要可以参见 Judea Pearl 的综述《Causal inference in statistics: An overview》[3]。而近年来，在以上提及的两个理论框架的基础上，机器学习领域的蓬勃发展促进了因果推理领域的发展。采用决策树、集成方法、深层神经网络等强大的机器学习方法，可以更准确地估计潜在结果。除了对结果估计模型的改进外，机器学习方法也为处理混杂问题提供了一个新的方向。借鉴近年来产生式对抗性神经网络等深度表征学习方法，通过学习所有协变量的平衡表征来调整共焦变量，使得在学习表征的条件下，处理任务独立于共焦变量。在机器学习中，数据越多越好。然而，在因果推理中，仅仅有更多的数据是不够的。拥有更多的数据只会有助于获得更精确的估计，但在因果推理的框架下，如果使用传统机器学习技巧，不能确保这些因果估计是正确和无偏的。与传统的使用因果图连接随机变量来完成因果发现和推理假设任务的因果推理不同，近年来，关于因果的表示学习（Causal Representation Learning）问题吸引了越来越多的关注。因果表示学习是指从数据中学习变量，也就意味着，经过大数据学习，基于因果表示学习的机器学习算法或者能够超越传统的符号人工智能（symbolic AI）。它不要求人工划分的先验知识，就能从数据中学到信息。直接定义与因果模型相关的对象或变量，相当于直接提取真实世界的更详细的粗粒度模型。尽管经济学、医学或心理学中的每一个因果模型所使用的变量都是基本概念的抽象，但是要在存在干预的情况下使用粗粒度变量描述因果模型，仍然是非常困难的。现有机器学习面临的另外一个困难是有效的训练数据。对于每个任务/领域，尤其以医学为例，只能掌握有限的数据。为了提高模型的效果，就必须想办法搜寻、汇集、重新使用或者人工编制数据的有效方法。这与目前由人类进行大规模标签工作的行业实践形成鲜明对比。因此，因果表示学习对人类和机器智能都是一项挑战，但它符合现代机器学习的总体目标，即学习数据的有意义表示，其中有意义表示稳健、可转移、可解释或公平。在这篇文章中，我们选了几篇关于因果表示学习的最新文献，其中涉及了基于 SCM 和基于 RCM 的工作。我们主要分析了不同方法的基本架构，目的是对因果学习应用于机器学习的方向和可能一探究竟。提取模块化结构（Learning molar structures）因果表示学习的一个方向是提取模块化的结构，即世界的不同组件在一系列环境、任务和设置中存在，那么对于一个模型来说，使用相应的模块就是利用了有效的因果表示。例如，如果自然光的变化（太阳、云层等的位置）意味着视觉环境可以在几个数量级的亮度条件下出现，那么人类的神经系统中的视觉处理算法应该采用能够将这些变化因素化的方法，而不是建立单独的人脸识别器，比如说，适用于各种照明条件。如果大脑通过增益控制机制来补偿光照的变化，那么这个机制本身就不需要和导致亮度差异的物理机制有任何关系。Goyal 等针对这个方向，尝试将一组动态模块嵌入到一个递归神经网络中，由所谓的注意机制进行协调，这允许学习模块独立动态运行，同时也会存在相互影响。论文地址：https://arxiv.org/pdf/1909.10893.pdf这篇文章的作者认为：「世界上的物理过程通常具有模块化的结构，通过简单子系统的组合体现出复杂性。机器学习试图揭示和使用物理世界中的规律，在动态环境中，我们认为一个整体系统是由一些相当独立的子系统组成的，这些子系统随着时间的推移而发展，对力和干预做出反应」，以及，「这些子系统在物理过程中受力和干预的影响，会随着时间不断演化。机器学习中的智能体无需每次都对所有子系统付出同等的注意力：在制定决策或规划时，只有那些存在强交互的子系统才需要被联合考虑。」在这样的背景下，作者提出了循环独立机（Recurrent Independent Mechanism，RIM）的概念。RIM 的核心思想是模块化的结构，其中所包含的循环单元能够处理独立的转换动态（transition dynamics）（类似于一个独立的子系统的工作机制），在此基础上，利用注意力机制、在关键时间节点实现不同循环单元之间的稀疏通信（实现对强交互的子系统的联合考虑）。RIM 中几个重要的概念：（1）模块化：机器学习中的生成模型可以看作是独立机制或「因果」模块的合成体，根据因果推理理论，模块化是对模型生成的变量进行局部干预（localized intervention）的先决条件。（2）独立性：独立性是因果推理的重要理论，即不同物体的运动或改变机制是相互独立的。（3）稀疏性：无需每次都对所有子系统付出同等的注意力，模型在制定决策或规划时，只考虑在当前时间节点存在强交互需求的子系统。基于 RIM 架构学习得到的模型能够有效捕获真实世界中的组合生成结构（compositional generative structure）或因果结构（Causal structure），从而提升了模型完成不同任务的范化性能（这些任务大多数机制是相同的，只有一小部分机制发生变化）。RIM 整体架构见图 1。图 1. RIM 架构RIM 架构的一个步骤分为四个阶段（图 1 中的左图显示了两个步骤）。在第一阶段中，各个 RIM 生成一个用于从当前输入读取的查询 query。在第二阶段，使用基于注意力的竞争机制，根据编码的视觉输入选择要激活的 RIM（右图）（基于注意力得分，蓝色 RIM 处于活动状态，白色 RIM 保持非活动状态）。在第三阶段，单个激活 RIM 按照默认转换动态运行，而非激活 RIM 保持不变。在第四阶段，使用注意力机制在 RIMs 之间进行稀疏通信。在 RIM 架构中，将模型划分为 k 个子系统，其中每个子系统都可以单独的捕获转换动态，具体的，每个子系统设置为一个循环独立机（RIM），每个 RIM 基于自身函数、利用训练数据自动学习。在时间 k，RIM 的状态为 h_(t,k)，参数为 θ_k。默认的机制是每个 RIM 专注于自身的小问题、单独处理自己的动态，根据决策任务的需要，与其他 RIM 进行交互。相较于传统的直接训练大型的系统，基于 RIM 架构能够节省计算消耗、提高系统的稳定性。首先，对于未激活的 RIM（激活组为 St），其隐藏状态保持不变：而对于激活的 RIM，运行一个独立的转换动态，将这些独立的转换动态记为 D_k，同时保证每个 RIM 都有自己的独立参数。以 LSTM 为例，激活的 RIM 响应于当前输入的注意力机制 A 的函数以下式更新当输入与其相关时，激活并更新对应的 RIM，并为之分配所需要的表征和计算资源。如果训练数据是由一组独立的物理机制生成的，则其学习机制也是独立的。注意力机制这篇文章引入了注意力机制（attention mechanism）来选择：根据心理学研究显示，大脑对复杂实体进行并行处理的能力是有限的，许多代表视觉信息的大脑系统基于竞争（在整个视觉领域并行运行）来分配资源，以及这种分配通常还会受到来自更高大脑区域的反馈的影响，该理论在认知科学上称为差异竞争（biased competition）。基于内容的软注意力机制（content-based soft-attention mechanisms）对类型化的可互换对象集进行操作。这一思想目前广泛应用于最新的 transformer 的多头点乘自注意力模型，并在许多任务中获得了很好的效果。根据这个原理，软注意力机制计算一个 query（或称为 key）与对应的 key 矩阵的乘积，进行规范化处理之后，输出 softmax 值：其中，softmax 应用于其参数矩阵的每一行，产生一组凸权重。作为结果，得到值 V 的凸组合。如果注意力集中在特定行的一个元素上（即 softmax 已饱和），则只需选择一个对象并将其值设置为结果中行 j 的值。请注意，键中的维度可以拆分为多个头（heads），然后分别计算它们的注意力矩阵和写入值。当每个 RIM 的输入和输出是一组对象或实体（每一个都与键和值向量相关联）时，RIM 处理就变成了一个通用的对象属性的处理机器，它可以在类似于编程语言中变量的意义上操作「变量」：作为函数的可交换参数。因为每个对象都有一个密钥嵌入（可以理解为名字 name 或类型 type），所以相同的 RIM 处理可以应用于任何适合预期的「分布式类型」（由查询向量指定）的变量。然后，每个注意力的头对应于 RIM 计算的函数的一个类型参数。当对象的键与查询匹配时，它可以用作 RIM 的输入。而在常规的神经网络（没有使用注意力机制）中，神经元是以固定的变量（从前一层给它们输入的神经元）工作的。每个 RIM 有一组不同的查询嵌入，利用键值注意机制就可以动态选择哪个变量实例（即哪个实体或对象）将用作 RIM 动态机制的每个参数的输入。这些输入可以来自外部输入，也可以来自其它 RIM 的输出。因此，如果单个 RIM 可以用类型化参数表示这些「函数」，那么它们可以「绑定」到当前可用且最适合它的任何输入（根据它的注意力得分）：「输入注意力」机制将查看候选输入目标的键，并评估其「类型」是否与 RIM 期望的匹配（在查询中指定）。自上而下的框架该模型动态地选择与当前输入相关的 RIM，令每个 RIM 在处理实际输入实例和一个特殊的空输入之间做出选择，空输入完全由零组成，因此不包含任何信息。在每个步骤中，根据实际输入的 softmax 值来选择最优的 k_A 个 RIM。这些 RIMs 必须在每个步骤上竞争以从输入中读取数据，只有赢得这一竞争的 RIM 才能从输入中读取数据并更新其状态。时间 t 的输入值 x_t 被视为一组元素，结构为一个矩阵的行（对于图像数据，它可以是 CNN 的输出）。首先连接生成一个全零行向量，以获得：⊕表示行级级联操作。定义线性转换构造键（K=XW.^k，每个输入元素一个，空元素一个）、值（V=XW.^v，每个元素一个）和查询（Q=RW_k.^q，每个 RIM 注意头一个），其中 R 是每行（r_i）与单个 RIM 的隐藏状态相对应的矩阵。W_v 是从一个从输入元素到相应的加权注意值向量的映射矩阵，W_k 为权重矩阵，它将输入映射到键。W_k.^q 是从 RIM 的每个隐藏状态映射到其查询的权重矩阵。此时注意力机制为：为每个步骤选择前 k 个 RIMs 进行激活，这些步骤对空输入的关注最少，将此集合定义为 S_t。由于查询依赖于 RIM 的状态，这使得单个 RIM 只关注与特定 RIM 相关的部分输入，从而基于自上而下的注意过程实现选择性注意（如图 1 所示的架构）。RIM 之间的交互虽然在默认情况下 RIM 是独立运行的，但是注意力机制允许 RIM 之间共享信息。具体来说，允许激活的 RIM 读取所有其他 RIM（无论激活与否）。这是由于，虽然未激活的 RIM 与当前输入无关因而其值不应改变，但是，它们仍然可以存储与激活的 RIM 相关的上下文信息。为了实现 RIM 之间的交互，本文使用了一种残余连接的方法防止长序列上的梯度消失或爆炸问题 [4]：实验分析当 RIM 用于处理包含不同时间模式的序列时，能够实现专门化以便根据不同模式激活不同的 RIM。因此，当修改模式的子集（特别是那些与类标签无关的子集）时，RIM 具有很好的泛化性能，而大多数递归模型并不能很好地泛化这些变体。RIM 的考虑是假设可以通过只在序列的相关部分激活模块来提高泛化性能，为了证明这一考虑的正确性，作者给出了将 MNIST 数字分类为像素序列的实验，并针对不同分辨率的测试图像进行了推广，以证明 RIM 的泛化能力。表 1 给出了 RIM 完成序列 MNIST 分辨率任务的结果，表中数值为 3 次不同的实验结果的平均值。如果验证序列长度和测试序列长度一致，则两个模型（RIM、LSTM）都显示出较好的性能。然而，随着序列长度的改变（通过改变图像分辨率）RIM 的表现相对稳定，而 LSTM 的性能下降的较为严重。此外，RIM 的性能优于其它基线模型，如 Transformers、EntNet、RMC 以及微分神经计算机（DNC）等。表 1. 序列 MNIST 分辨率任务的实验结果此外，作者还给出了一个关于合成的「弹跳球」任务的实验。在这个任务中，多个球（质量和大小不同）基于基本的牛顿物理学移动。此外，球除了碰撞以外，它们的移动大多是独立的，因此非常适合 RIM。使用长度为 51 的序列进行序列，在预测下一帧时使用二元交叉熵损失函数，以及，使用 LSTM 作为基线算法。实验的目的是验证 RIM 是否能够较好地预测未来的运动，具体结果见图 2。图 2 给出了前 15 帧的实验结果（图中最后 6 个），然后在接下来的 15 个时间步骤中展开系统。实验结果表明 RIMs 比 LSTM 的表现更优（预测结果是黑色的，真值是蓝色的）。图 2. 预测弹跳球的运动反事实推理（Counterfactual）因果表示学习的另外一个有趣的研究方向是反事实推理在领域适应问题中的应用。统计学习理论中最基本的假设是训练数据和测试数据来自同一分布。然而，在大多数实际情况下，测试数据是从只与训练数据的分布相关但不完全相同的分布中提取的。在因果推理中，这也是一个很大的挑战，反事实分布一般会与事实分布不同。因此，有必要通过从实际数据中学习来预测反事实结果，从而将因果推理问题转化为领域适应问题。关于反事实推理的应用，我们找到两篇有趣的文章，分别遵循 SCM 和 RCM 架构进行分析，一篇聚焦图像处理问题，另一篇则探讨文本分析问题。论文地址：https://arxiv.org/pdf/1812.03253.pdf基于 SCM 提取独立分离的表征。在图像处理领域中，一些基本表征是问题不变的，或者说它们是可以被独立地干预 (intervention) 来实现，对于部分独立分离的表征进行处理和操作，仍然能够生成有效的图像，这些图像可以使用生成性对抗网络（a generative adversarial network，GAN）的鉴别器来训练。在极端情况下，还可以混合潜在向量，其中每个分量都是从另一个训练示例中计算出来的。对于遵循独立同分布（IID）的训练集，这些潜在向量具有统计独立的分量。在这样的架构中，编码器是一个识别或重建世界上因果驱动因素的反因果映射，解码器建立了低维潜在表示（驱动因果模型的噪声）和高维世界之间的联系。如果潜在表征重构了（驱动）真正因果变量的噪声，则通过对这些噪声（及其驱动机制）进行干预，能够生成有效的图像数据。这篇文章提出了一个因果生成模型（A Causal Generative Model，CGM）框架。如图 2b 所示, 本质也是一个因果图模型，其基本假设前提仍然是因果原理的独立机制，即促成生成过程的因果机制相互之间无影响。因此，可以通过单独修改某些生成机制来研究直接干预神经网络模型的效果。具体到生成模型中，因果关系允许分析如果某些变量采用不同的值（称为「反事实值」,counterfactual），结果会如何改变，进而评估生成模型捕获因果机制的能力。CGM 框架如图 3 所示，其中，(a）给出 生成映射和分离变换的图示，（b）为显示节点之间不同类型独立性的示例 CGM 的因果图，（c）为显示与分离变换 t 相关的潜在空间中的稀疏变换 t′的交换图，（d）为内在分离的图示。图 3. CGM 框架给定一个实现函数 g_M 的生成模型 M，该模型将潜空间 Z 映射到学习数据点所在的流形 y_M，嵌入到周围欧氏空间 Y 中。模型中的一个样本是通过从具有相互独立的分量、完全支持 z 的先前潜在变量分布中提取实现 z 来生成的。使用术语表示（representation）来指定从 y_M 到某个表示空间 R 的映射 r（也将 r（y）称为点 y∈y_M 的表示）。此外，假定 g_M 可逆，(g_M).^-1 为数据表示，记为潜在表示（latent representation）。假设生成模型是由一个非递归神经网络实现的，使用一个因果图形模型（即 SCM）来表示通过一系列操作实现映射 g_M 的计算图（因果语言中称为函数赋值, functional assignments）。除了潜在表示，还可以选择一组可能由因果图中的节点表示的多维内生（内部）变量（endogenous variables）(图 3b)，例如，映射 g_M 是由内生变量赋值 v_M 和内生映射 g_M 组成的：这些变量的一个典型选择是在卷积神经网络的一个隐藏层中收集每个通道的输出激活图。对于潜在情况，使用了一些条件来保证 g_M 可逆的，进而定义了网络的内部表示。给定潜在变量和内生变量的典型维度选择，约束 V_k 的取值为比其欧氏周围空间 V_k 更小维度的子集 (V.^k)_M 中的值。无监督独立：从统计原理到因果原理经典的独立表征（disentangled representation）概念假设个体潜在变量「对现实世界的转变进行的稀疏编码」。虽然，所谓「现实世界的转变」这一概念是很难具象化的，但这种对统计概念不可知的洞察力，推动了有监督的方法实现分离表示，在这种方法中，相关的转变可以通过适当的数据集和训练程序得到明确的识别和操作。相比之下，无监督的独立性表示学习则需要从未标记的数据中学习这种现实世界的转变。为了应对这一挑战，SOTA 方法试图通过个体潜在因素的变化来实现这种转换，并借助于一种分离的统计概念，在潜在因素之间实现条件独立。作者提出了一种独立的非统计定义，考虑对数据模型进行转换。如图 3c 的交换图所示，这样的属性的分离相当于令 T 对应于潜在空间的变换 T′，该变换 T′将仅作用于单个变量 z_k，使用变换函数 f，其它潜在变量可用于其它属性的编码。由此，当两个变换 (T1 和 T2) 修改了潜在表象的不同组成部分时，它们是独立的。由于这一过程依赖于潜在表示的变换，而这些潜在表示是外部的，因此作者把这种概念称为外部独立（extrinsic disentanglement）。通过操纵内部表示来实现独立如图 3b 的 CGM 所示，与潜在变量相比，由于常见的延迟原因，由图形模型的内生变量编码的属性无法保证在统计上是独立的，但是仍然能够遵循独立性原则独立的干预数据。由图 3d 所示，其中分割节点表示在应用变换 T.^2 之前，在原始 CGM（3b）中计算 V2 的值。发现深度模型中的模块性我们不会详细介绍模型中的详细算法，但会简略介绍它的体系设计：模块性定义为能够实现任意独立转换的内部表示的结构属性。考虑一个标准的前向多层神经网络，选择「内生变量」作为给定层 L 的「通道」的所有输出激活的集合。令 E 为这些通道的子集，模块间杂交过程如图 4 所示。举两个潜在变量 z1 和 z2 的独立例子，它们将生成两个原始输出示例（y1，y2）=（gM(z1),gM(z2)）（称之为 Original1 和 Original2）。同时生成 Original2 时定义 v(z2) 收集由 E 索引的全部变量的值，以及 ilde{v}（z1）表示在生成 Original 1 时由该层上所有其他内生变量获取的值的元组。假设选择模块化的结构 ilde{v}（z1）和 v（z2）将对其相应生成图像的不同方面进行编码，以便可以通过将层的输出值集合与特定元组分配来生成混合这些特征的混合示例，并将其发送至生成网络的下游部分。图 4. 影响图的生成衡量因果效应上述反事实杂交框架能够评估给定模块如何影响生成器的输出。接下来，作者通过从潜在空间重复生成对（z1，z2）来量化其因果效应，其中，这两个向量能够彼此独立地进行采样。然后，按照上述步骤为一批样本生成并收集混合输出，并使用它们生成一个影响图（influence map）来估计平均绝对效应：其中 Y(z1) 是潜在输入 z1 生成的无干扰输出。绝对值内的差异可以解释为潜在结果框架中的单元级因果效应 (unit-level causal effect)，以及，求取这种期望近似于计算平均治疗效果（average treatment effect）。上式的输出 IM 与输出图像的尺寸相同时，通过颜色通道对其求取平均，从而得到一个灰度热图像素图。模块和反事实图像的无监督检测这篇文章所介绍的杂交方法的一个挑战，特别是对于每层包含大量单元或通道的网络，就是如何选择要干预的子集 E，作者使用从细到粗（fine to coarse）的方法提取子集。首先，估计与网络每个进化层的每个单独输出信道相关联的基本影响图（Elementary Influence Maps，EIM）（例如，在上式中设置 E={c}）。然后，根据相似度对影响图进行分组，以更粗的比例定义模块。图 5 给出了一个在 CelebA 数据库上训练得到的 VAE 卷积层通道的表示 EIMs 示例，以及，图中通道实现了功能性的分级，例如一些影响更精细的面部特征（眼睛、嘴，…）和其他影响图像的背景或头发等等。这就说明，单个通道可以聚合形成模块，而这些模块对应于输出（人脸图像）的一个特定特征。图 5. 生成影响图。VAE 在 CelebA 数据库上生成的影响图示例（颜色较浅的像素代表较大的方差，以及扰动对该像素的影响更大）为了在无监督的情况下实现这种分组，使用 EIM 作为特征向量对通过进行聚类：首先对每个影响图进行预处理，方法是：（1）使用一个小的矩形滑动窗口进行算术平均，以在空间上平滑贴图；（2）在图像上的值分布的 75% 的百分位处对生成的贴图进行阈值化处理，以获得二值图像。在对图像进行降维后，得到一个（通道×像素）矩阵，然后用人工选择的秩 K 将其输入到一个非负矩阵分解（Non-negative Matrix Factorization，NMF）算法中，得到 S=WH。从得到的两个因子矩阵中，得到 K 聚类模板模式（通过根据图像维度重塑 H 的每一行得到），以及每一个模式对单个映射（在 W 中编码）贡献的权重表示。每个影响图都是一个基于模板模式的最大权重聚类。实验分析为了验证这篇文章所提出的方法是否可以扩展到高分辨率的生成模型，并推广到包含各种对象的复杂图像数据集，作者使用了 BigGAN-deep 框架进行实验 [5]，同时利用 ImageNet 库进行预训练 (https://tfhub.dev/deepmind/biggan-deep-256/1)。BigGAN 是一个条件 GAN 架构，由 12 个 Gblocks 组成，每个 Gblock 包含 4 个卷积层的级联。每个 Gblock 还接收来自潜在变量和类别标签的直接输入，并由跳过连接绕过。这篇文章中作者使用 BigGan 验证是否能够通过混合不同类别的特征来产生混合体。图 6（公鸡鸵鸟）中提供的示例表明，在前景中保持非常相似的对象的同时，可以使用修改的背景生成高质量的反事实。在更具挑战性的情况下，对于不同性质的物体（图 4 的考拉泰迪），仍然能够生成每个原始样本的有意义的组合：例如，树上的泰迪熊（下一行）或「泰迪考拉」将泰迪纹理与考拉的颜色合并在一个统一的室内背景和一个木质结构中（上一行）。图 6. BigGAN 跨类杂交的示例。左：鸵鸟公鸡，右：考拉泰迪论文地址：https://www.ijcai.org/Proceedings/2019/570平衡因果表示学习治疗效果 (treatment effect)，又称因果效应 (causal effect)，是指一个变量（即治疗）对另一个变量（即结果）的影响。如果对治疗进行干预，假设协变量不变（即这些协变量的条件），治疗效果被定义为结果的变化，其中协变量是与治疗和结果相关的变量或特征。在文本分析领域，大多数模型关注的是数值协变量，而如何处理具有文本信息的协变量来估计模型效果仍是一个悬而未决的问题。然而，在现实世界中，文本数据几乎无处不在，如临床治疗记录、电影评论、新闻、社交媒体帖子等。针对这一问题，这篇文章提出了一种基于条件治疗的对抗性学习匹配（conditional treatment-adversarial learning based matching，CTAM）方法。CTAM 融合了治疗对抗性学习，在学习表征时过滤掉与工具变量相关的信息，然后在学习表征之间进行匹配，以估计处理效果。令 Z 和 Z'分别表示观察到的文本协变量 T 和非文本协变量 X 的潜在表示。在潜在表示中，Z'更接近工具变量，因此比结果 Y 更能预测治疗分配。任务目标是学习潜在的表征，过滤掉与仪器变量相关的信息。CTAM 的因果图表示为：图 7. CTAM 因果图CTAM 引入条件治疗对抗学习，以尽可能地消除潜在表征中与 Z'相关的信息。CTAM 框架的结构为：图 8. CTAM 框架CTAM 包含三个主要部分：文本处理、表示学习和条件处理鉴别器。通过文本处理组件，将原始文本转化为矢量化的表示 S，将 S 与非文本协变量 X 连接起来，构造一个统一的特征向量 C，然后将其输入到表示神经网络中，得到潜在表示 Z。在学习了表示之后，Z 和潜在结果 Y 一起被输入到条件治疗鉴别器中。在训练过程中，表示学习与条件治疗鉴别器进行极大极小博弈：通过阻止鉴别器进行正确的治疗，使表征学习过滤掉与结构变量相关的信息。文本处理文本处理过程将文本数据 T 转换为向量表示 S。这篇文章采用了 GloVe 单词嵌入方法 [6]，S 是一个文档中所有单词嵌入的平均值。表示学习在表示过程中，文本协变量 S 的学习数值向量首先与数值协变量 X 连接起来，记为 C。用一个表示神经网络将连接向量 C 映射到潜在表示 Z。潜在表示 Z 包含了与近似工具变量相关的信息，这将放大治疗效果估计偏差。为了消除这些信息，作者设计了以下条件治疗对抗性学习的方法。条件处理鉴别器条件处理鉴别器的输入是潜在表示 Z 和潜在结果 Y，输出是处理分配 W。判别条件只依赖于潜在表示 (latent representation) 的结果，这使得潜在表示只通过潜在的结果分布与治疗相关。也就是说，通过使用条件处理鉴别器，利用极大极小博弈，学习的潜在表示能够通过处理分配消除掉条件依赖。条件处理鉴别器也是一种前馈神经网络 D，其目标是正确地预测治疗分配。条件处理鉴别器的损失用交叉熵来衡量：由于此处的潜在结果仅适用于条件治疗鉴别器，而不是显示结果，因此将其命名为伪潜在结果。条件治疗对抗性学习的目的是去除掉与近似工具变量有关的信息。近似工具变量指的是对治疗分配更具预测性的变量而不是结果，这种过滤策略相当于去除潜在表示和治疗分配之间的条件依赖。因此，通过训练一种对抗性学习模式来达到这一目标。鉴别器 D 执行极小极大博弈。鉴别器 D 一方面通过最小化上式给出正确的治疗；另一方面，向表示学习重新发送结果预测值进行训练，使上述损失最大化，过滤掉有利于鉴别器 D 的信息。当成功的「愚弄」了条件治疗鉴别器，就能够从潜在表示中消除掉增强治疗分配的信息，即，成功地过滤掉与结构变量相关的信息。损失函数CTAM 三层结构的完整损失函数为：其中 L_D 为上文介绍的条件处理鉴别器的交叉熵损失，L_p 是群距离和伪结果预测损失之和：L_p 中的第一项测量相同治疗下共享观察结果标签的记录之间的成对距离，第二项测量具有不同观察结果的记录之间的成对距离。最小化两项之间的差异会使得相似的记录彼此靠近，而使得表示空间中的不同记录彼此远离。第三项是伪结果预测损失，最小化它可以更好地预测条件治疗鉴别器的潜在结果。模型训练训练过程包括优化鉴别者、表示学习和伪结果预测者之间的极大极小博弈，可以看作：以及三层更新过程为：实验分析作者使用 News 新闻数据集进行实验。News 新闻数据集主要研究观看设备对用户体验的影响。文本协变量 T 由术语文档矩阵表示，词汇量为 3477。使用不同的设备表示治疗（treatment）：Wi=1 表示在移动设备中查看第 i 条记录中的新闻，Wi=0 表示桌面。实验结果见表 2。表 2.News 新闻数据集中的实验结果由表 2，CTAM 在 PEHE 和 E_ATE 指标下具有最好的性能，在 E_ATT 指标下性能与最佳基线方法 STM 相比类似。这一结果表明，条件治疗鉴别器能有效地滤除与近似工具变量有关的信息，从而减少治疗效果估计的偏差。展望现代机器学习的表示学习主要目标是学习到能够保持相关统计特性的数据表征。然而，这种做法没有考虑到变量的因果性质，也就是说，它不关心它分析或重建的变量的介入性质。本文介绍了 3 篇利用表征学习实现因果学习的目的，其中共同之处是如何在物理世界、有限的数据采集情况下，在表征中实现物理因果关系的特性分离（disentanglement）。这在数据有限，以及实验不能重复 (也就是 counterfactual）中尤其难办。为了解决这问题，第二三篇都采用了生成模型（generative model) 或者类似思想来在潜在空间「虚拟」一个独立的原因，而第一篇则着重利用了注意力机制来模拟大脑从上而下（top-down）的预测过程。总体来说，引入因果关系，将能够把表示学习提升到更高的层次：超越统计依赖结构的表征，向支持干预、规划和推理的模型迈进，实现康拉德·洛伦兹（Konrad Lorenz）的想象空间思维概念（thinking as acting in an imagined space）。这最终要求机器有能力反省自己的行为和设想其他的情况，即需要（幻想）自由意志。自我意志的生物学功能可能与在洛伦兹想象的空间中需要一个代表自己的变量有关，自由意志则可能是一种交流该变量所采取行动的手段，对社会和文化学习至关重要，虽然它是人类智能的核心，但目前，机器学习还无法真正的实现。本篇文章结合最新的研究成果分析了向已有的表示学习方法/模型中引入因果机制的效果，但实际上最困难的问题尚未得到解决，关于这一领域的基础性分析有待更深入的研究。本文提到的参考文献：[1] Pearl, J. (2000) Causality: models, reasoning, and inference. Cambridge University Press.[2] Liuyi Yao (https://arxiv.org/search/stat?searchtype=author&query=Yao%2C+L), Zhixuan Chu (https://arxiv.org/search/stat?searchtype=author&query=Chu%2C+Z), Sheng Li (https://arxiv.org/search/stat?searchtype=author&query=Li%2C+S), Yaliang Li (https://arxiv.org/search/stat?searchtype=author&query=Li%2C+Y), Jing Gao (https://arxiv.org/search/stat?searchtype=author&query=Gao%2C+J), Aidong Zhang (https://arxiv.org/search/stat?searchtype=author&query=Zhang%2C+A), A Survey on Causal Inference, https://arxiv.org/pdf/2002.02770.pdf.[3] Pearl, J. Causal inference in statistics: An overview. Statistics surveys, 3:96–146, 2009.[4] Adam Santoro, Ryan Faulkner, David Raposo, Jack W. Rae, Mike Chrzanowski, Theophane Weber,Daan Wierstra, Oriol Vinyals, Razvan Pascanu, and Timothy P. Lillicrap. Relational recurrent neuralnetworks.CoRR, abs/1806.01822, 2018.[5] Brock, A., Donahue, J., and Simonyan, K. Large scale gan training for high fidelity natural image synthesis.arXiv preprint arXiv:1809.11096, 2018.[6] Jeffrey Pennington, Richard Socher, and Christopher D. Manning. Glove: Global vectors for word representation. In Proc. of EMNLP』14, 2014作者介绍：仵冀颖，工学博士，毕业于北京交通大学，曾分别于香港中文大学和香港科技大学担任助理研究员和研究助理，现从事电子政务领域信息化新技术研究工作。主要研究方向为模式识别、计算机视觉，爱好科研，希望能保持学习、不断进步。

央广网北京7月5日消息（韩晓 刘璐 雷雪 李鑫）据中国乡村之声《三农中国》报道，习近平总书记高度重视“三农”工作，他的一系列关于“三农”工作的重要论述，是我们党“三农”工作理论创新的最新成果，是习近平新时代中国特色社会主义思想的重要组成部分，也是做好新时代“三农”工作的根本遵循和行动指南。中国乡村之声系列特别节目《乡村学习录·初心与使命》，与大家一起学习习近平总书记关于“三农”工作的重要论述，深刻领会其中的思想内涵。第二篇乡村振兴绘就美丽新愿景特邀专家：施虹中共中央党校（国家行政学院）教授中央党校经济学部区域经济学教研室主任研究领域为宏观经济形势、乡村振兴战略、精准扶贫等01党的十九大报告首次提出了乡村振兴战略，今年6月1日，《求是》杂志发表了习近平总书记的重要文章：《把乡村振兴战略作为新时代“三农”工作总抓手》。我们应该怎样理解“总抓手”的重要意义呢？施虹：乡村振兴战略的主要目标是农业农村现代化。所以，在推进现代化的过程中，乡村振兴就是“总抓手”。乡村振兴是全面的振兴，在建设社会主义现代化强国的过程中，把“五位一体”的总体布局，“四个全面”的战略布局落实到农业农村领域，就能实现乡村的全面振兴。从这个角度看，乡村振兴也是未来实现中华民族伟大复兴，建设社会主义现代化强国的要求和抓手。02习近平总书记明确指出实施乡村振兴战略的总要求：“产业兴旺、生态宜居、乡风文明、治理有效、生活富裕”。目前，各地都在积极实施乡村振兴战略，可以说各有各的高招。在乡村振兴的过程中，这20字总要求怎样才算实现了？有没有具体的评判标准？施虹：从乡村振兴的目标看，2035年、2050年这两个时间点都有具体目标。实现这20字总要求要从农民最需要解决、最关心的事情出发，比如衣食住行、教育、医疗等。农民最想在哪些方面得到满足，就在这些方面来制定具体的目标。强调这些目标的同时，还要注意划分阶段，比如到2022年之前，农村人居环境应该改善到什么程度。到了2022年，这个目标实现的情况如何？把总目标分为若干个阶段，每个阶段再提出更具体的目标，然后一步一步实现，这样久久为功，最终才能实现乡村振兴的总体目标。03在采访中记者发现，有些村子，年轻人都外出打工了，只留下留守妇女和老人。这样的小村庄如何实现乡村振兴？施虹：乡村振兴实际上是针对城乡之间的不协调提出的。在城镇化的过程中，农村人口，特别是农村的青壮年劳动力流向城市，给农村带来了“空心化”的压力，这导致了城乡之间出现差距。未来乡村怎样振兴？需要劳动力的回流。劳动力怎样才能回流？这就涉及到劳动力是奔着什么目标进城打工的。农村人为什么要进城？因为进城可以打工，可以赚钱养家。所以，未来乡村振兴非常重要的一项就是产业振兴。农村的一二三产业要共同发展，不仅要有种植、养殖行业，还要有加工、销售行业等，形成完整的产业链条，这样会有更多的利润留在农村。只有产业发展起来了，让农业成为赚钱的产业，劳动力才会回到农村，乡村才能振兴起来。

（央视财经《中国经济大讲堂》）十九大报告提出，我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。其中的不平衡不充分在区域经济发展方面体现尤为明显。由于自然、地理和社会历史等多重原因，不同区域间的差距依然突出。我国区域经济发展中究竟还存在哪些具体问题？解决起来又面临怎样的困难？《中国经济大讲堂》邀请知名经济学家范恒山教授，为您全面解析。嘉宾简介范恒山，知名经济学家，国家发改委原副秘书长，中国区域科学协会名誉会长，中国区域经济学会顾问。主持过一系列国家重大区域发展战略政策文件和实施方案的研究制定，提出了一些重要的区域发展理论观点和政策思路。 范恒山在《中国经济大讲堂》演讲时，深入分析了现如今区域发展存在的问题。 第一、区域发展的实质性差距没有明显缩小。实质性的差距是什么呢？范恒山举例，2006年，我们国家最高收入地区的人均水平同最低收入地区的人均水平差2.3倍，现在则差4倍。 第二、地区经济的分化越来越严重。我国按经济发展分为东、中、西、东北四大板块，从2013年起，东北的经济出现下滑，原来是西部增速一马当先，从去年起中部超过了西部。板块的内部也在发生分化，有一些地区开始变差，而有些地区又上去了。由于板块内部这种变化的发生，出现了一个特殊的现象，就是我们原来有东西差距，现在越来越多地出现了南北差距，经济增长南高北低，经济总量南升北降。 第三个，现在我国一个地区内部、一个省内部分化也很严重。广东是中国经济总量最大的省，广东的GDP总量要高出很多国家。不仅如此，广东佛山的顺德、南海这些区，所谓区就是一个县，一个县就超过好几个省的经济总量。但是广东经济发展这么好的一个地区，差距也非常大，它的粤东、粤西、粤北也是发展比较差的地区，地区之间发展潜能显示出明显差距。新经济、新动能、新模式层出不穷，如果能抓住这些机遇，就可能“鲤鱼跳龙门”。 范恒山谈到，贵州原来是很穷的地方，但是这些年，他们发展互联网+的经济，发展大数据，发展其它的高新技术产业，现在经济走到了前面，今年上半年经济又增长10%，所以贵州现在这个发展势头很好，与原来跟它相同水平的地区拉开了距离。 第四个，隐性的壁垒使一体化的发展面临不少的障碍。原来公开的地区封锁、市场分割被禁止了，但是隐形的东西开始形成了。范恒山举例，比如现在不再发文件不允许外地一些产品卖进来了，但是他会说，你不符合我的环保标准、技术标准，所以你不能进来。实际上这些标准设计是完全带有人为的地区色彩的，表面上看符合惯例，实际上它是一种隐性的壁垒。 范恒山表示，如今区域经济之所以存在一些困难和问题，这在于推进区域发展中间还有很多两难的问题。第一个“两难”，就是我们促进区域地区加快发展，特别是落后地区加快发展，要最大限度地利用自身拥有的资源，但是过度依赖又造成我们生态环境的破坏，给下一步的发展造成不可持续。 第二个“两难”，简单地发挥地区比较优势，又可能在新旧动能转换面前带来产业低端化的问题。不是所有的比较优势都是超前优势，如果说简单固守传统比较优势，就可能错失新旧动能转换的机遇，使自己的比较优势变成落后的状态。 第三个“两难”，以行政板块为主体的能动性的发挥，很有可能带来各自为战，导致无序开发和不正当的竞争。 第四个“两难”，就是一方面为了支持一些地区的发展，国家必须给予一定的优惠政策，但是另一方面，国家的优惠政策又会导致一些地区形成攀比心理，出现“等靠要”的行为。 第五个“两难”，现在地方行政“快速变频”导致了超规划运作的冲动也越来越严重。现在的领导干部，特别是主要领导干部换得很快，容易搞短期行为、形象工程、政绩工程，这样就导致了很多规划制定以后，不能够一张蓝图绘到底，所以存在超规划、恶意运作的状况。 更多精彩，邀请您10月11日，21：48准时收看CCTV-2 央视财经频道《中国经济大讲堂》，知名经济学家，国家发改委原副秘书长，中国区域科学协会名誉会长，中国区域经济学会顾问范恒山为您精彩解读《区域发展，如何突破不平衡困境？》，感谢您的支持！

在经济与贸易学院，徐航天的教育经历、学术成果颇受关注：曾获日本东北大学毕业生最高荣誉——校长奖，日本学术振兴会特别研究员(JSPS Fellow)；入职第三年就主持两项国家级和省部级课题，在国际经济学期刊发表论文10余篇，在城市和区域经济学领域国际最高期刊《Journal of Urban Economics》发文，成为湖南大学以第一单位在该期刊发文的第一次。而今，副教授、博士生导师、院长助理——这样的名衔落在88年的年轻人身上，无疑极为亮眼。32岁，很多人还在读博士的年纪，徐航天已经成为了博导，如此迅速的“成长”，靠什么？把知识说“薄”2015年，博士毕业的徐航天入职湖南大学，开始站上讲台。年轻帅气的外表打破了新生们对大学老师“带着黑框厚眼镜，年纪大把老学究”等传统认知。那时，同学们对他的教学能力还持怀疑态度。在一次宏观经济学的课堂上，徐航天在讲到进出口时一国产品市场总需求和总供给的概念，因没按照教材来阐述，直接遭到了学生的质疑，“老师你说错了！”而当徐航天步步深入、阐明观点后，学生才信服。“以前做学生，你只需要听懂；而现在当老师，你需要讲通。”为了上好每一堂课，徐航天耗费了大量的时间备课。“宏观经济学IS-LM曲线部分，内容很多，关系繁杂，徐老师清晰的讲课思路及深入浅出的表达，让我们能很快的接受，不仅知‘其然’，更知‘其所以然’。”经济类专业2018级学生陈沛瑶说。徐航天和学生在一起现在，徐航天的宏观经济学已经成为学生们最爱的课堂。经济类专业2018级学生刘晨颖直言：“上宏观经济学的课，是一种享受。”把科研做“厚”2017年，徐航天在论文《Density Economies and Transport Geography: Evidence from the Container Shipping Instry》中，首次基于密度经济对塑造交通地理的影响做了实证评估；进一步证明了经济活动空间分布多重均衡的存在，说明港口补贴等短期的积极政策可能形成运输网络的路径依赖，带来长期经济利益。这一成果发表在了城市和区域经济学领域国际期刊《Journal of Urban Economics》上。城市和区域经济学领域顶级期刊次年，他与亚洲开发银行黎志刚博士关于高铁建设与区域间人口和就业空间分布的论文发表于城市和区域经济学领域内权威刊物《Journal of Regional Science》，在该期刊当年论文下载量中进入TOP20。成果背后，是徐航天多年的反复求索。在此期间，他充实理论知识，积极向多位国内外专家写信求证、请求指导，做了大量数据分析，在反复经历过怀疑、否定后，他依然不改对科研“厚度”的追求，稳扎稳打地一步步收获成果。“在这些论文之前，我有两三篇文章，‘烂’在电脑里。”徐航天说，做科研就是这样，你花两三个月努力的事，因为方向不对或结果不理想，可能最后一个字也没有出现在你的论文里。但是，这不是纯粹的浪费时间，失败的经验，可以让我们的判断越来越敏锐，厘清问题思路的时间，会越来越短。徐航天在2019级研究生新生开学典礼上作为导师代表发言“在科研的道路上，所有的失败，都是有意义的。”在2019级研究生新生开学典礼上，徐航天对1000多名人文社科研究生新生这样说。在培养研究生时，徐航天特别强调独立思考与独立解决问题的能力：团队每两周会召开小组讨论会，分享优质论文、探讨研究方法和创新点，学习具体的模型推导和分析思路；在培养本科生时，他又特别注重科研素养提升——以课程建设和SIT项目为基础，带领学生进行实践调研。他带着10余名本科生，在福建宁德就自然资源与交通禀赋演化、产业集聚现状与趋势、区域经济收敛、产业政策选择等问题进行调研，指导学生撰写服务当地乡镇经济发展的政策建议和课程论文。徐航天带领学生实践调研2018年，徐航天进入学院学术委员会，开始深度参与经贸学科发展建设。在校内，他积极推动经贸、金融、工管、经管中心的青年教师开展非正式的学术交流与研讨，提升学术氛围、促进青年教师学术交流；在校外，他又与亚洲开发银行、日本一桥大学、东北大学、关西学院大学，澳大利亚维多利亚大学，哈尔滨工业大学等国内外高校与科研机构学者开展学术合作。“未来三到五年内，希望自己能初步形成一个城市和区域经济学研究团队，在该学科2-3个子领域形成一定的影响力。”对于未来，徐航天踌躇满志。来源：湖南大学 湖南大学宣传部 记者 | 李妍蓉 编辑 | 张景行 责编 | 周丹