11月18-19日，第二届厦门大学-新加坡管理大学计量经济学研讨会（2025 XMU-SMU Econometrics Conference）在厦门大学经济楼举行。新加坡管理大学一行4人到访参会，与厦大经济学科科研人员展开深入交流。研讨会邀请到美国南加州大学经济系萧政教授、新加坡管理大学经济学院院长李嘉教授做主题报告。
18日上午，研讨会开幕式在经济楼举行。厦门大学经济学院、王亚南经济研究院院长周颖刚教授首先致欢迎词，他对新加坡管理大学参会代表团表示欢迎，介绍了厦门大学与新加坡管理大学在合作办学、学术交流等方面的深厚渊源，并表达了双方持续合作、共同发展的热情期望。
周颖刚教授致辞
新加坡管理大学经济学院院长李嘉教授随后致辞，他表示很高兴看到计量经济学联合研讨会再次举办，期待会上嘉宾们的精彩报告，并期望双方良好的合作能够更进一步，更加广泛和持久。
李嘉教授致辞
开幕式后，萧政教授、李嘉教授依次带来精彩主题报告。该环节分别由王少平教授、厦门大学李木易教授主持。
萧政：Semiparametric Estimation of All Regression coefficients for Sample interactive Effects Models
萧政教授首先指出面板数据的两大典型问题：误差项含遗漏变量、可能存在样本选择，进而介绍了面板数据交互固定模型。针对样本选择问题，他提到传统模型依赖误差项分布假设，同时介绍了两种不依赖该假设的半参数方法。萧政教授指出，Chen（1999）的方法虽解决了Powell（1993）无法估计截距项的问题，但在交互固定效应模型中会进而导致因子载荷随时间变化。为此，他基于Chen（1999）的方法，采用子样本进行半参数估计，实现了交互固定效应面板模型中样本选择问题的处理。模拟结果表明，该方法可同时应对交互固定效应与样本选择问题。最后，萧政教授还介绍了其在工资水平影响因素研究中的实证应用。
李嘉：Learning Before Testing: A Selective Nonparametric Test for Conditional Moment Restrictions
条件矩限制在经济动态平衡分析与预测模型评估领域具有重要理论价值。为有效捕捉变量间非线性关系并实现变量筛选，李嘉教授提出“先学习后检验”的选择性非参数检验框架。该框架借助LASSO方法从高维基函数集合中筛选出潜在非零项并构建sup-t统计量。为克服因样本规模依赖性所导致的LASSO偏差，研究基于选择事件多面体结构，将临界值修正为统计量在条件分布下的1-α分位数，并结合未修正临界值作为实际应用中采用的最终临界值。蒙特卡洛模拟结果表明相较于传统“全项回归”或忽略选择效应的检验方法，新方法在5%显著性水平下更接近名义值。在实证环节，研究以1990–2021年美国通胀预测为例，比较包括随机游走、自回归、扩散指数、LASSO、弹性网络与随机森林在内的六类模型的预测损失差异。结果表明，基于选择性推断的检验结果具有较强稳健性，且对特征选择的依赖性较低。该研究为宏观经济模型校准与人工智能预测评估等问题提供了一个兼具理论严谨性与实证可靠性的新型工具。
本次研讨会共设5个场次分会场，包含16个报告，参会嘉宾围绕微观计量经济学、应用宏观经济学、人工智能与机器学习方法、时间序列与金融计量经济学等主题展开热烈讨论。在此期间，萧政教授、李嘉教授等对各位报告人的研究提出了宝贵的意见和建议。
本次联合会议聚焦于时间序列与面板数据计量经济学的最新进展，以及人工智能时代的前沿机器学习方法。会议议题涵盖宏观与微观计量经济学模型在识别、估计与推断方面的最新突破，同时强调理论与实证应用的结合。
会议由厦门大学邹至庄经济研究院、王亚南经济研究院、经济学院，以及新加坡管理大学经济学院联合主办，由XMU-CAS计量建模与经济政策分析基础科学中心、教育部计量经济学重点实验室（厦门大学）、福建省统计科学重点实验室共同承办。
（经济学科 何永芳 李嘉南 陈彦琪）
