经济计量学是建立在经典统计学框架内的学科，其数理分析的规范性、数理分析的严谨性和可靠性毋庸置疑，但在模型的实践应用方面却一直成效欠佳。而近年来出现的人工智能、机器学习技术已被大量运用于经济计量研究，在实践应用方面的成效已明显超越经典统计学，并为系统解决经济计量学的问题提供了成熟的理论框架 。 《拯救经济计量学：由概率论方法转向概率近似正确学习》以传统经济计量学的奠基之作——哈维尔莫的《经济计量学的概率论方法》的主要论点为出发点，对经济计量学的研究方法进行了批判性的分析，并通过案例展示了经济计量模型研究如何受益于机器学习。通过以上分析，《拯救经济计量学：由概率论方法转向概率近似正确学习》揭示了经济计量学科在方法论上的缺陷，并指出机器学习是系统矫正该缺陷的途径 。 《拯救经济计量学：由概率论方法转向概率近似正确学习》适合从事经济计量学、应用经济学、经济思想史等领域研究的学者，以及硕士、博士研究生阅读。

目录 第1章 现实经济的模型抽象 1.1绪论 1.2量化经济变量过程中的不确定性 1.3理论模型与经济现实 第2章 经济关系式的可学性 2.1经济关系式的构建应属统计学习问题 2.2体现逆转性的PAC可学性 2.3简化性和自律性：奥卡姆剃刀定律与稳定性 2.4由机器学习范式到经济计量学习任务的构建 第3章 经济计量学中概率论的基本功能 3.1可测经济变量作为目标变量时的随机模型特征 3.2概率论在经济学和经济计量学建模中的作用 3.3逻辑推理与PAC学习合成过程中概率测度的判别式用途 第4章 假设检验的用处与经济假说的模型构述 4.1验证性偏误：机械套用统计假设检验框架的困误 4.2诊断性检验与模型选择 4.“从数据观察中形成理论”：从数据拆析到模型构述 第5章 估计方法的问题与潜能 5.1先于模型选择的参数估计问题 5.2以模型选择为职能的估计法 5.3模型选择之后的估计推断 第6 章预测的认知问题 6.1艰难曲折的模型预测历程 6.2预测推断与因果解释模型的可学性 结束语 参考文献 主题词索引