学术前沿丨当计量经济学遭遇机器学习（四）：高维回归之LASSO

——接上期推文

针对高维数据，岭回归通过在 OLS 目标函数中引入惩罚项（惩罚过大的回归系数），使得在严格多重共线性的情形下仍能得到唯一解，而且可以降低方差、缓解过拟合（overfit）。然而，岭回归的回归系数一般不为 0，虽然这不影响预测，但使得模型更难解释（如何同时考察 5 万个基因变量的回归系数？）。

我们通常期望从 5 万个基因中，能够找到真正影响疾病为数不多的基因。换言之，我们一般期待真实模型是稀疏的（sparse model），故希望找到一个估计量，能挑选出那些真正有影响的基因，而将其他无影响或影响微弱基因的回归系数估计为 0。

套索估计量（Lasso）

为此，套索估计量（Least Absolute Shrinkage and Selection Operator，简记LASSO）应运而生。自 Tibshirani (1996) 提出 Lasso 之后，很快成为大数据时代炙手可热的新宠。

明白岭回归之后，理解套索估计量就很容易了。事实上，套索估计量只是将岭回归的惩罚项（也称为 “正则项”，regularization）作了 “小小” 的技术调整，即将 2-范数改为 1-范数：

其中， 依然为微调参数，控制惩罚的力度；而  为参数向量  的 1-范数（L1 norm），即

为各回归系数的绝对值之和。不难看出，由于惩罚项的存在，故 Lasso 也是收缩估计量，即相较 OLS 估计量更为向原点收缩。进一步，由于使用了 1-范数（即回归系数绝对值之和）作为惩罚项，故称为 “绝对值收缩”（Absolute Shrinkage）。

类似于岭回归，上述 Lasso 最小化问题也可以等价地写为如下约束极值问题：

其中， 为某常数。显然，此约束极值问题的约束集  不再是圆球，而是菱形或高维的菱状体。仍以 p=2 为例，可将 Lasso 的约束极值问题图示如下。

在上图中， 为 OLS 估计量，围绕  的椭圆为残差平方和（SSR）的 “等高线”，而灰色的菱形区域则为约束集（可行的参数取值范围）。套索估计量即为椭圆等高线与菱形约束集相切的位置。

从上图可直观看出，由于 Lasso 的约束集为菱形，且菱形的顶点恰好在坐标轴上，故椭圆等高线较容易与此约束集相交于坐标轴的位置，导致 Lasso 估计量的某些回归系数严格等于 0，从而得到一个稀疏模型（sparse model）。Lasso 的这种独特性质，使得它具备了 “变量筛选”（variable selection）的功能，故也称为 “筛选算子”（Selection Operator）。

综合 Lasso 估计量的以上两方面性质，故得名 “最小绝对值收缩与筛选算子” （Least Absolute Shrinkage and Selection Operator，简记 LASSO）。由于 Lasso 的英文原意为 “套索”（想象美国西部牛仔用于套马的套索），而套索本来就有收缩之功能，故中文译为 “套索估计量” 也非常形象。

岭回归、套索估计及其推广

岭回归与套索估计，孰优孰劣？其实，并没有绝对的好坏。从预测的角度看，如果真实模型（或数据生成过程）确实是稀疏的，则 Lasso 一般表现更优。但如果真实模型并非稀疏，则岭回归可能预测效果优于 Lasso。

另一方面，从模型易于解释（interpretability）的角度，则 Lasso 显然是赢家，因为岭回归一般不具有变量筛选的功能。由于经济学通常强调模型易于解释，故 Lasso 在经济学中的应用更加广泛。

当然，Lasso 在计算上比岭回归略为复杂。由于使用了带绝对值的 1-范数，Lasso 的目标函数并不可微，故不存在解析解。但由于 Lasso 的目标函数仍为凸函数（convex function），故存在很有效率的数值迭代算法（比如，Least Angle Regression，Coordinate Descent Algorithm），在计算上也不是问题。

自从 Lasso 出现以后，学者们脑洞大开，相继提出了一系列有关 Lasso 的推广与变形，以适应不同的研究对象与数据特点，比如 grouped lasso，fused lasso，adaptive lasso，square-root lasso 等。特别值得一提的是 “弹性网估计量”（Elastic Net），它同时将 2-范数与 1-范数引入目标函数的惩罚项，在岭回归与套索估计的性质之间作了折衷，在此不再赘述。

Lasso的统计推断

随着高维数据的兴起，Lasso 作为高维线性回归的主力，日益炙手可热。然而，如果你来自计量经济学或实证研究的背景，当你第一次使用软件（比如 R、Python 或 Stata）进行 Lasso 回归时，难免会感到一丝失望。

这些软件所提供的 Lasso 回归结果，仅仅是那些非零的回归系数而已。你所熟悉的那些标准误、p 值与表示显著性的星星，全都无影无踪。当然，这并非软件的问题，因为大名鼎鼎的 Lasso 目前尚没有公认的标准误！

虽然 Tibshirani (1996) 提出使用自助法来估计 Lasso 的标准误（bootstrap standard errors），但后来被证明是不一致的……这就仿佛你遇到了一位绝世武林高手，却突然发现他其实是独臂老人，看着他空空如也的袖管，心中不免一阵凄凉。（备注：如果使用贝叶斯估计，可得到 Lasso 的后验标准差，但这并非通常意义上的标准误。）

正如一些统计学家（比如，Bootstrap 的发明者 Bradley Efron）所指出，由于机器学习发展太快，且主要关注以预测为目的的算法（algorithm），而这些算法背后的统计推断（inference）则明显滞后了。这或许是未来统计学家与计量经济学家共同努力的重要方向之一。

如何在经济学中使用Lasso

Lasso 回归已经越来越多地出现于经济学文献中。但由于机器学习主要以预测为目标导向，如果简单照搬机器学习方法进行实证研究，则难免陷入误区。以 Lasso 回归在经济学中的应用为例，至少需要注意以下两方面的问题。

第一、作为收缩估计量，Lasso 是有偏的，而经济学家向来不喜欢有偏估计。解决方法之一为所谓 “Post Lasso” 估计量，即仅使用 Lasso 进行变量筛选，然后扔掉 Lasso 的回归系数，再对筛选出来的变量进行 OLS 回归。

第二、作为变量筛选算子（selection operator），Lasso 并不能保证避免 “遗漏变量偏差”（omitted variable bias）。比如，假设解释变量包含一个我们感兴趣的处理变量（treatment variable）以及诸多控制变量（control variables）。如果直接使用 Lasso 估计此方程，并进行控制变量的选择，则可能忽略对处理变量有影响的变量（由于这些变量可能与处理变量高度相关，故在回归方程包含处理变量的情况下，它们的作用可能被 Lasso 忽略），导致遗漏变量偏差。

为此，Belloni, Chernozhukov and Hansen (2014, REStudy) 提出了更为稳健的 “Post Double Lasso” 估计量，即将被解释变量与处理变量分别对所有控制变量进行 Lasso 回归，然后对这两个 Lasso 回归（即所谓 “Double Lasso”）所得的非零控制变量取并集（union）之后，再代入原方程进行 OLS 回归，以避免遗漏变量偏差。

另外，在存在很多工具变量的情况下，Belloni, Chernozhukov, Chen and Hansen (2012, Econometrica) 将 Lasso 应用于2SLS 的第一阶段回归，以获得最优的工具变量组合，这是 Lasso 在工具变量法方面的重要应用。

（完）

►往期推荐

回复【Python】👉 简单有用易上手

回复【学术前沿】👉机器学习丨大数据

回复【数据资源】👉公开数据

回复【可视化】👉 你心心念念的数据呈现

回复【老姚专栏】👉老姚趣谈值得一看

►一周热文

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

作者：陈强出处：计量经济学及Stata应用推荐：杨奇明编辑：青酱

    欢迎扫描👇二维码添加关注