摘要：农业农村的快速发展与农业经济研究问题复杂性的不断提升，使得传统研究范式在应对高维结构与复杂模型设定方面的局限日益凸显。机器学习凭借其深度数据挖掘、非线性建模与预测分析等优势，能够为相关研究提供有力的技术补充与方法拓展。本文按照开展研究的逻辑顺序，从数据收集处理、模型构建等环节系统梳理和比较机器学习与传统农业经济学研究方法，并探讨二者在关键研究场景和重点研究领域中融合的可行路径与协同机制。通过对典型应用场景与重点领域的考察，本文提出机器学习嵌入农业经济学研究的协同机制，并凝练出机器学习驱动下预测与评估协同、跨模态多源信息融合、多任务系统集成的三大转型趋势。本文探讨了机器学习对农业经济学研究范式革新的重要价值，并系统梳理农业经济学研究方法的发展脉络，可为推动农业经济学研究范式创新、加快构建中国哲学社会科学自主知识体系提供参考。
基金资助：国家自然科学基金国际重点项目“中国农业绿色转型与高质量发展的路径与战略研究”（编号：72161147001）;国家自然科学基金面上项目“农业技术扩散与生产率收敛：理论与实证研究”（编号：72173114）;国家自然科学基金青年项目“基于多智能体协作的政策感知与反馈机制研究”（编号：72574198）；
