2025年11月19日下午六点，政府会计研究所在中原楼三楼会议室举办了专题论文学术沙龙，多位老师、博士生、硕士生参与了此次文献分享。本次学术沙龙由博士生陶子贝主讲，分享的文章是2025年发表在American Economic Journal: Economic Policy上的《A Machine Learning Approach to Analyze and Support Anticorruption Policy》。

这篇研究利用机器学习方法，基于巴西市政预算数据预测腐败行为。作者采用梯度提升树模型（XGBoost），以797项预算变量为特征，训练分类器识别腐败，模型在测试集上准确率达72%，AUC-ROC为0.78。研究验证了模型预测与审计报告内容的一致性，并利用预测结果复制和扩展了财政转移支付对腐败的影响、审计的威慑效应领域的既有研究。政策模拟显示，相比随机审计，基于模型的定向审计可将腐败检出率提高约80%，同时考虑了政党间的公平性。该研究为反腐败政策提供了数据驱动的决策支持，拓展了机器学习在公共治理中的应用。

在此次文献分享会中，各位老师和同学积极参与，在机器学习发展、数据可得性等方面展开了热烈讨论。文章结构分明，逻辑清晰，研究方法具有可参考价值。在一个半小时的讨论中，各位老师和同学获益良多。