以下文章来源于管理世界杂志 ，作者刘景江 等
机器学习如何赋能管理学研究？——国内外前沿综述和未来展望
文章来源
作者：
刘景江（浙江大学管理学院）
郑畅然（浙江大学管理学院）
洪永淼（中国科学院大学经济与管理学院、中国科学院大学数字经济监测预测预警与政策仿真教育部哲学社会科学实验室、中国科学院数学与系统科学研究院）
文章刊发：《管理世界》2023年第9期
文章主要内容
摘要：机器学习正在深刻改变管理学的研究范式与方法。如何运用机器学习更好地赋能管理学研究已经成为学术界关注的前沿热点议题。然而，机器学习在中国管理学研究中的应用仍处于初级阶段。本文基于1999~2021年发表在工商管理和会计财务两大研究领域的国内外顶级期刊的学术文献，识别了学术界借助机器学习开展管理学实证研究的4种核心途径：变量测量、事件预测（包括事件分类）、因果推断和理论构建；梳理了每个途径的代表性文献的研究主题、研究问题、数据集、机器学习算法和研究结论；提出了使用机器学习赋能管理学研究的主要策略，并讨论了中国学者运用机器学习开展中国特色管理理论研究的未来机会。本文显示：将机器学习与传统计量经济学相结合有助于做出更加精准的因果推断；机器学习能够在模式发现这一理论构建的关键步骤中发挥重要作用；将机器学习与多案例分析相结合有助于富有成效地开展理论构建。本文为如何采用机器学习提升管理学研究质量、推进管理学研究范式变革和构建中国特色管理理论提供了方法论指引和方向性启示。
关键词：机器学习 文献计量 因果推断 理论构建 未来展望
一、本文研究背景与意义
机器学习催生的以数据、算法和算力为基本要素的计算社会科学这一新型研究范式和新兴交叉学科，正在极大地改变社会科学的传统研究范式和方法。机器学习技术、方法与工具具有一些独特优势，如从复杂高维数据环境中提取有价值的信息以更好地帮助变量测量，直接基于数据灵活选择函数形式和构建算法以更好地帮助样本外的事件预测，改进传统计量经济学方法以更好地帮助因果推断，发现稳健且具有可解释性的模式以更好地帮助理论构建等。因此，它可以弥补管理学研究所存在的短板。然而，机器学习在我国管理学研究中的应用仍处于初级阶段。极少有文献对实质性使用机器学习方法研究管理问题的最新成果进行系统综述并由此提出未来研究机会。特别是，现有文献缺乏从变量测量、事件预测（包括事件分类）、因果推断和理论构建等4个方面系统而具体地阐述采用机器学习方法赋能管理学研究的途径和策略。本研究将有助于我国学者采用合适的最新机器学习技术、方法与工具，聚焦于中国情境、中国问题和中国数据，变革中国管理学研究范式，创新中国管理学研究方法，讲好中国管理故事，构建具有国际影响力的中国特色管理理论。
二、主要内容
在简要介绍机器学习发展概况之后，本文阐述了研究设计与方法。其次，以1999~2021年发表在工商管理和会计财务两大研究领域的UTD-24期刊和国内顶级管理学期刊上实质性使用机器学习方法的学术文献为数据集，以机器学习赋能管理学研究的4种核心用途（即变量测量、事件预测、因果推断和理论构建）为主线，全面回顾和系统梳理机器学习在管理学研究中的应用，总结归纳代表性文献的研究主题、研究问题、数据集、机器学习算法和研究结论。最后，阐述采用机器学习助力管理学研究的策略，进而讨论中国学者未来运用机器学习，植根中国情境，挖掘中国数据，变革研究范式和创新研究方法，开展中国特色管理理论研究的主题方向、重要问题、实施策略和主要建议。
三、主要结论与政策建议
本文研究表明，借助机器学习开展管理学实证研究的主要途径是：变量测量、事件预测（包括事件分类）、因果推断和理论构建。每一种途径包含一系列不同的策略。将机器学习与传统计量经济学相结合有助于做出更加精准的因果推断；机器学习能够在模式发现这一理论构建的关键步骤中发挥重要作用；将机器学习与多案例分析相结合有助于富有成效地开展理论构建。在未来，变量测量、事件预测、因果推断、理论构建等4种核心途径的融合将日益紧密。它们的融合为机器学习赋能管理学研究提供了更加具有深度和广度的未来机会。例如，事件预测可以用来揭示数据中难以假设的复杂和未知关系，开发新的理论构念及其测量，或者按照预测的相对精准度比较竞争理论，从而更好地进行理论构建。
中国独特的政治、经济、文化和社会制度，蕴含明显异于西方世界的特性。特别是，我国改革开放以来建立的将“看不见的手”与“看得见的手”结合的中国特色社会主义市场经济体制驱动中国经济取得了惊人的发展。这些情境、事实和数据给构建中国特色管理理论提供了肥沃的土壤。中国管理故事需要构建和使用中国本土化理论才能进行有效阐释。中国学者需要基于中国情境、中国问题和中国数据，大胆运用国际前沿机器学习技术、方法与工具推动中国管理学研究的范式变革和方法创新，构建原创性的中国特色管理理论，持续为我国经济建设、社会发展和文化繁荣提供精准指导，并提升中国管理学的国际学术影响力，更好地为世界贡献中国管理智慧。
中国学者在运用机器学习方法进行管理学研究时，需要尽可能构建多来源的非结构化和结构化数据集；权变地联合使用多种互补的机器学习算法，将机器学习方法与传统计量经济学方法有机结合进行因果推断；遵循基于机器学习构建理论的基本流程：样本拆分、模式发现、理论解释和理论检验，综合运用机器学习、人的判断和专业知识、基于个人、团队和组织的多案例分析等高度互补的方法进行理论构建。对于大数据特别是胖大数据，需要更加关注模型选择而不是解释变量的统计显著性，这样更有助于改进对数据的拟合或预测效果。
四、边际贡献与未来拓展
本研究具有3个主要贡献。第一，以国际上得到广泛认可的UTD-24期刊和“2021中国最具国际影响力学术期刊（人文社会科学）”前20名中的管理学期刊于1999~2021年正式发表的文献为数据，采用编码方法，识别了工商管理和会计财务两大研究领域的国内外学者应用机器学习进行管理学实证研究的4种核心途径：变量测量、事件预测、因果推断和理论构建。第二，从研究主题、研究问题、数据集、机器学习算法和研究结论等多个方面系统总结了这些途径的代表性文献，从而描绘了一幅机器学习赋能管理学研究的图景。第三，在分析以往研究方法不足的基础上，深入阐述了一系列采用机器学习开展管理学研究的主要策略和未来机会。特别是，从平均处理效应、异质性处理效应和多种方法融合等3个方面，阐述了应用机器学习实施因果推断的策略。
未来研究至少可以从两个方面进行拓展：一是将文献综述的范围拓展到管理科学、营销和信息系统等多个领域。二是植根中国情境，将机器学习与传统计量经济学相结合以做出更加精准的因果推断；将机器学习与多案例分析相结合以富有成效地开展理论构建。
五、写作、投稿、修改的过程和心得体会
近几年来，作者团队致力于交叉融合机器学习、计量经济学建模、随机控制实验等方法来研究管理学问题。2020年12月，我们确定了本文研究问题，着手开展研究设计和数据收集，并于2022年5月投至《管理世界》。
两位外审专家以及终审专家从研究贡献、文献引用、数据收集、未来展望等多个方面提出了非常中肯、专业、严谨的意见，为我们完善文章提供了很大帮助。在论文终审和刊发前，《管理世界》编辑部的老师对本文进行了多轮优质高效、严谨细致的校对工作，大大提升了论文的可读性和流畅度。在此向审稿专家及编辑老师表示诚挚的谢意。
文章刊发：
刘景江、郑畅然、洪永淼：《机器学习如何赋能管理学研究？——国内外前沿综述和未来展望》，《管理世界》，2023年第9期，第191~215页。
LIU Jingjiang, ZHENG Changran, HONG Yongmiao. How Can Machine Learning Empower Management Research? A Domestic-Foreign Frontier Review and Future Prospects[J]. Journal of Management World, 2023, 39(9): 191-215.
转自：“三农学术”微信公众号
如有侵权，请联系本站删除！
