非参数统计学和机器学习：基本思想、方法与相互关系

前言：非参数分析是统计学和计量经济学的一个重要方法工具，在研究与实践中有着广泛的应用。本文为众多的非参数分析方法建立个统一的视角，阐释非参数分析的性质、作用、发展、使用方法以及经济解释。洪永淼教授首先从计量经济学研究中的参数模型引入，指出了参数模型的优点和不足，从而过渡到非参数统计方法的介绍。期间，洪教授系统地介绍了非参数方法的发展历史、模型种类和基本原理，并着重讲解了Global Smoothing和Local Smoothing两类方法的理论和联系。最后，洪教授衔接到现代大数据时代的机器学习研究，通过对多种机器学习的理论和方法介绍，讨论非参数方法与机器学习的联系与区别，指出机器学习很多方法本质和基础就是非参数统计模型，并可从非参数分析角度解释了机器学习方法在预测能力上表现优良的原理。

作者：洪永淼，中国科学院数学与系统科学究院、中国科学院大学经济与管理学院教授、中国科学院大学经济与管理学院教授、济学会会士、里米尼经济分析中心（RCEA）高济学会会士、里米尼经济分析中心（RCEA）高学指导委员会副主任委员、《计量经济学报》联合主编。曾任中国留美经济学会会长。2018年入选东方网、美国侨报“中国留学生的40年”代表人物。2014-2019年连续6年入选Else-vier“经济、经济计量学和金融”中国高被引学者榜单。