目录

编者按：本文的是如下论文的 Stata 实操版本
Chiang, H.D., K. Kato, Y. Ma, and Y. Sasaki, 2022, Multiway Cluster Robust Double/Debiased Machine Learning. Journal of Business & Economic Statistics, 40(3), pp. 1046-1056. -Link-, -PDF-

1. 背景简介

近年来，研究人员在实证研究中经常使用多通道聚类的抽样数据展开分析：如匹配后的雇主-雇员数据、匹配后的学生-教师数据、观察结果按商店和产品双重索引的匹配数据、以及观察结果按市场和产品双重索引的市场份额数据等。

这些数据通常会面临着多维相关性的问题，并不符合独立同分布的性质。并且，如果只在单一层面估计聚类标准误，就会难以兼顾另一层面相关性对结果所造成的偏误。

因此，Chiang et al.（2022）利用 Chernozhukov et al.（2018）开发的 DML工具箱（Double Machine Learning：用于估算和推断具有高维和/或无限维干扰参数的结构参数），提出了一种改进的多向交叉拟合DML估计方法，使之适应多向聚类采样数据，提升估计结果的有效性。

为了推广这一估计方法的使用，Chiang et al.（2022） 编写了 crhdreg 命令，用于估计双重聚类稳健的标准误、以及估计使用偏置机器学习（DML）方法的高维回归结果。

下文将详细介绍 crhdreg 命令的使用方法。