点击购买，资源将自动在新窗口打开.
获取独家产品信息，尽享促销优惠！立即订阅，不容错过
* 限···时··优惠
预测经济增长是指导决策和战略制定的重要任务。人们采用了各种方法，包括时间序列分析、计量经济模型，以及越来越多的机器学习技术。在我们的论文中，我们利用机器学习模型中的部分级网络度量和社会经济变量来增强经济增长预测。通过使用赛马法比较不同的模型，我们发现随机森林模型表现最佳。此外，我们采用了机器学习可解释性技术，特别是 SHAP 值分析，并发现在我们表现最佳的模型中，预测能力排名前 15 位的特征中有一半是贸易网络指标。这一发现强调了贸易网络在预测经济增长方面的重要作用。
主要关键词
