编者按：
从昔日的“文艺青年”，到如今执着求索的学者。27岁时立志做学术，他将“一辈子就把一件事情做好”的恩师教诲，铭记于心。成长在清华，他痴心于计量，一千多个夜晚，他在交互效应与因子模型的学术之路上披星戴月；走出清华，他谨记“自强不息、厚德载物”的校训，以青春为笔、情怀为墨，把论文写在祖国大地上。
李鲲鹏，现任首都经济贸易大学国际经管学院院长、教授、博士生导师。他年毕业于清华大学经济管理学院获得经济学博士学位，曾获得清华大学届优秀博士学位论文一等奖，中国经济学优秀博士论文奖，北京市第十六届哲学社会科学优秀成果一等奖。他在国内外高水平期刊上发表论文20余篇，包括ReviewofEconomicsandStatistics、AnnalsofStatistics、JournalofEconometrics、EconometricReviews、《计量经济学报》等，主持国家自然科学基金两项、教育部人文社科基金一项，是JournalofEconometrics、JournalofBusinessandEconomicStatistics等知名期刊的匿名审稿人。
一、经济数据的异质性与交互效应
李鲲鹏目前的研究领域是大数据计量经济学。“经济数据，与我们常见的基因数据或者医学数据还是有很大的不一样。经济数据最大的一个特点，就是异质性。”李鲲鹏如此介绍他的研究。对于一个经济数据集来讲，首先，数据量级可能会有很大的不同，有些数据如GDP总量能够达到上万亿，而有些数据如通货膨胀率可能只有百分之几。其次，数据的层级也会有很大的差异。宏观数据可能是国家层面的，而调查数据可以精确到每一个家庭，中间还有行业的、区域的等不同层级的数据。再次，经济数据还会有主客观统计的差异。例如价格指数，是对于一篮子商品价格的平均，这是客观的；而对于经济的景气指数，其实来自于企业主对于未来经济形势的主观判断，是主观的。“这些就是我们常说的不可观测的内生异质性。当数据的样本量比较小的时候，我们通常用个体固定效应和时间固定效应来进行控制。但如果是大数据，我们有更多的信息，但是不可观测的异质性肯定也越强。我的研究就是找到更好的方法，来控制大数据里不可观测的内生异质性。”
目前，李鲲鹏的一个主要研究方向是如何利用交互效应来处理内生异质性。所谓交互效应，就是用因子模型中的向量乘形式，来替代传统模型中的标量加方式。从最早一篇
