近年来出现的人工智能、机器学习等技术已被运用于经济计量研究，并为系统解决经济计量学的问题提供了一定的知识框架。本书对传统经济计量学方法论进行反思，基于经济计量学的经典论述和研究现状加以批判性的分析。分析的关注点是宏观应用模型研究与微观应用模型研究中的共性问题。各章还列举了一些经济计量模型研究如何受益于机器学习的案例。

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。本书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，本书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。本书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。

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
……