2025年6月24至25日，由上海财经大学经济学院和数理经济学教育部重点实验室联合主办的 2025 Shanghai Econometrics Workshop: Network and Spatial Econometrics在上海财经大学成功召开。本次研讨会汇聚了来自美国麻省理工学院、普渡大学、威斯康星大学麦迪逊分校、英国华威大学、以及北京大学、清华大学、东南大学、复旦大学、厦门大学、浙江大学等多所海内外高校及研究机构的学者、博士生参会，旨在通过高水平的学术交流，推动计量经济学研究的合作发展。
开幕式
在开幕式上，上海财经大学经济学院院长周亚虹教授致辞，对与会学者表示热烈欢迎，本次研讨会将为国内外学者搭建高水平交流平台，推动计量方法创新与跨学科合作。
主旨报告
研讨会邀请多位国内外知名学者作主旨报告：
美国麻省理工学院的Whitney Newey教授以“Welfare Analysis in Dynamic Models” 为题，介绍了其与合作者在动态模型下福利度量的新进展。报告提出了一套统一的分析框架，涵盖平均福利、边际效应和政策效应等参数，并通过对偶表示和双稳健表示实现了更稳健的推断。Newey 教授同时展示了基于Lasso和Neural Network的价值函数估计方法，并将其应用于印度教师考勤实验，揭示了动态激励机制对教育政策福利的影响。
东南大学的金加顺教授结合人工智能前沿成果，分享了题为“Counting cycles with DeepSeek”的研究成果，该成果通过人机协作解决网络循环计数中的高复杂度计算问题，能够显著提升大规模网络分析的效率，展示了人工智能在统计与数据科学研究中的应用潜力。
普渡大学Yong Bao教授则以Airbnb平台为例，汇报了论文“Price Competition and Habit Persistence in the Airbnb Economy”。该论文基于贝叶斯方法的空间动态面板 Tobit 模型来同时刻画邻近房源之间的竞争效应与价格黏性。
浙江大学的陈松年教授就题为“Partial Identification of Quantile Selection Models”作出分享，提出利用非参数 copula 方法在二元与截断模型下实现更灵活的部分识别。该研究避免了过强的分布假设，能够提供稳健的估计与置信区间，为样本选择偏差下的因果推断提供了新的工具。
华威大学的陈明俐副教授展示最新研究成果“Coauthor and Citation Networks in Economics and Statistics”，该成果系统分析了经济学与统计学过去四十年顶级期刊中的合作模式、作者影响力和期刊效应。
主旨报告由上海财经大学张杭辉副教授、杨超副教授和杨凯副教授主持。
前沿议题研讨
本次研讨会设立了“网络与空间计量经济学”和“微观计量经济学”两个主题会场，涵盖了网络建模、空间计量模型、因果推断、政策评估等多个研究前沿议题。
网络与空间计量经济学
24日下午，厦门大学的李迎星教授提出了利用“低秩+稀疏”结构对网络回归进行建模的新方法，该方法有效降低了邻接矩阵测度误差并提升了外溢效应估计的准确性；上海财经大学的杨超副教授研究了处理带有区间观测的空间自回归模型；复旦大学的朱雪宁副教授针对动态空间自回归模型提出了截断与约束的 Yule-Walker 稳健估计方法，在处理重尾与弱稀疏结构时实现了接近极小极大最优的收敛率；香港中文大学（深圳）盛抒杨副教授提出了处理内生群体形成下同伴效应的新方法，并通过智利高中数据实证表明，若不校正选择偏差会显著高估同伴效应；威斯康星大学麦迪逊分校的Yong Cai副教授扩展了断点回归设计的框架，同时考虑了邻近单元间的溢出效应，提出了“局部溢出回归”方法，允许存在溢出效应时仍旧能够得到一致的估计；上海财经大学的杨子欣助教授提出了非参数网络向量自回归模型，用以捕捉网络时间序列中的非线性网络溢出与动量效应，并在理论、模拟和实证上验证了其估计与检验方法的有效性。
25日上午，暨南大学的史炜教授提出了一种基于低秩张量自回归与 Neyman 正交矩结合的高维动态效应估计方法，用于刻画多层网络中的联动关系；南开大学的孟晓雨讲师提出了带有双向固定效应的阈值空间面板模型，发展了调整后的极大似然估计和推断方法，并通过中国城市政治竞争的实证分析验证了其有效性；西南财经大学的蒲丹讲师提出了带有内生分组结构的空间自回归模型，通过两阶段极大似然估计来修正因内生群体形成导致的偏误。
网络与空间计量经济学主题会场由上海财经大学杨凯副教授、林颖倩助理教授和范馨月讲师主持。
微观计量经济学
24日下午，北京大学的解海天助理教授提出了结合双稳健的DiD+合成控制方法，在平行趋势或合成控制假设任一成立的情况下均能一致估计处理效应，并通过半参数估计与自助法实现稳健推断；清华大学的冯颖杰副教授发展了“非线性 Binscatter”方法，利用基于分区的M-估计量框架，该方法能够在更弱条件下实现广泛类型变量的灵活估计与推断；上海财经大学的金泽群副教授提出了当存在未观测混杂且不存在有效工具变量情况下进行政策学习的方法，利用边际敏感性模型并结合双稳健估计和交叉拟合实现估计的一致推断；暨南大学的徐吉良教授提出了加权置信集Bootstrap方法，能够在函数不可微或不连续时依然提供有效且紧的置信区间；厦门大学的江硕助理教授提出在工具变量的排他性约束失效时仍可点识别的激励局部平均处理效应；浙江财经大学的潘哲文副研究员提出了一种无需工具变量排他性约束的样本选择模型半参数估计方法，利用函数形式识别和双重机器学习构造局部稳健估计量，并在美国劳动力市场数据中进行实证研究。
25日上午，暨南大学的严子中副教授提出了同时包含定向效用与互相效用的有向网络形成模型，并针对度异质性与附带参数问题设计了惩罚极大似然与修正方法；华盛顿大学的许高谦博士研究了内生网络形成下的平均导数估计，并提出了基于高维链接函数的函数核估计量，并结合双重稳健得分进行偏差修正。南开大学的张健助理教授在高维样本选择模型中提出了半参数平均因果响应函数的识别与估计方法，并利用Neyman正交矩的HDSS-series方法进行估计。
微观计量经济学主题会场由上海财经大学李聪副教授、金泽群副教授和卢晓晖副教授主持。
圆满落幕
研讨会于6月25日中午在上海财经大学圆满落幕，由上海财经大学经济学院的李龙飞教授发表总结致辞。他表示，本次研讨会推动了计量经济学界对网络与空间方法的进一步理解和应用，并期待未来继续搭建国际化的学术交流平台，促进学科前沿发展。