2022-10-02-IMF-IMF-结构改革与经济增长_机器学习方法（英）_32页_1mb

结构改革与经济增长：机器学习方法

一、研究方法

本研究采用机器学习方法（偏最小二乘法）整合275个结构性指标（涵盖126个国家，2000-2019年），并将其分为六个结构性领域（金融体系、商业环境、劳动力市场、法律制度、产品市场和税收政策）。通过对指标进行主成分分析和权重分配，生成合成结构性得分，实现跨国家、跨时间的可比性量化分析。

二、研究发现

1. 结构性改革对经济增长的影响

• 产品市场、劳动力市场、金融体系及法律制度的改革，长期（5年）累计增长率为2-6个百分点。
• 贸易与税收政策改革对经济增长无显著影响。

2. 结构性改革的协同效应

• 商业环境与劳动力市场改革存在显著协同，改革成效在强结构表现下更明显；
• 金融体系改革与法律制度存在协同，且低贸易开放度下劳动力市场改革效应更显著。

3. 危机期间的结构性改革作用

• 强结构性表现有助于经济危机后更快复苏（如商业环境改善推动危机后增长提升约3%）。

三、结论

本文认为机器学习方法降低了结构性改革量化的复杂性和主观偏向，提供了综合政策领域的量化工具，辅助确定优享 改革优先序。现有研究表明：改革委应关注可量化且具协同效应的领域，且危机后强结构性表现对经济复苏尤为重要。

注：本文综述由AI生成，旨在呈现原论文的核心内容，未添加个人见解或评价，符合学术规范。