机器学习（Machine Learning），也称 “统计学习”（Statistical Learning），被广泛的应用在学科和业界之中，而计量经济学几乎不出校门，这两者究竟有什么关联和区别，Lewbel教授为我们做出了解答。
“机器学习在统计学中非常流行，机器学习的主要功能是它了事物之间的联系，因此有大量的变量。机器学习会告诉我们哪些变量互相联系，因此机器学习的目标是确定相关性。更一般地讲，机器学习不会告诉我们关系，也不会告诉为什么会有这样的关系。通过计量经济学，我们想知道的不仅仅是相关性，还有关系，包括是什么样的关系，为什么会有这种关系，这种关系如何产生。因此，机器学习找到了两个变量之间关系模式，而计量经济学试图找出关系，并试图理解这些模式。”
近年来，计量经济学有了新的热点，Lewbel教授就机器学习与人际关系这两个方面进行了简要的梳理。
“计量经济学有几个非常热门的领域，其中一个领域涉及机器学习，涉及尝试使用机器学习方法进行计量经济学的研究。因此，可以采用多阶段研究，其中将机器学习应用在某一个阶段中，而在另一个阶段使用常见的计量经济学方法。因此，将机器学习作为一个工具，作为对计算经济学模型研究的输入，是一个热门领域。
另一个非常热门的领域涉及人际关系的研究，主要是网络模型、社会交际、网络空间模型。这类模型是研究人类行为的互相影响，在应用计量经济学和计量经济学理论中都常流行的领域，其中包括网络如何形成，以及它们会产生什么样的结果。
这个领域之前被研究得比较少，而在最近有爆发式增长。近来有许多新的研究已经完成，也有新的结果被发现。”
Lewbel教授在博士的时候才开始学习经济学，他的经历对许多跨专业的学生是个很好的范例，他指出多门学科与经济学都是紧密相连、相辅相成的。
“有一些意外导致我学习计量经济学，在早些时候也并没有既定的人生目标。但经济学的一大优点是，它的研究领域非常广泛，涵盖数学、写作、历史学、心理学，这是最吸引我的地方。人类社会中，所有这些系统都是相关的。因此，要进行经济学研究，必须有很强的阅读能力，写作能力，以及对机构运行、历史学、心理学、数学、优化理论和一些统计方法都有知识积累。
另一个原因是经济学是一个仍待研究的领域。对比起来，物理学已经非常发达了，在物理学上有很大突破非常困难。经济学发展的时间并不长，我认为经济学正处于一个我们仍旧可以做出很大贡献的时期。目前是一个非常令人兴奋的时期，还有很多现象亟待发现，还有很多工作需要着手做。”