Python:从随机实验到双重机器学习
(2023-05-10 22:30:27)
标签:
statapython随机试验双重机器学习 |
分类: Stata编程 |
全文阅读:https://blog.sina.com.cn/s/blog_8abf95540102ypto.html
目录
1. 简介
在经济学中运用因果推断开展研究不可避免会受到混淆变量 (Confounding Variable) 的影响。传统的因果推断方法如双重差分 (DID)、断点回归 (RDD) 等存在一定的局限性,例如解释变量维数过高时的高维陷阱,需要预先设定协变量的函数形式等。
双重机器学习 (Double Machine Learning, DML) 弥补了传统因果估计方法和机器学习方法的缺点。它通过正则化对高维变量选择,正交化解决偏差,样本交叉验证避免过拟合,并对整个估计方法构造置信区间,这在处理经济变量之间的非线性关系等方面具有极大优势。
本文基于微软研究院开发的机器学习因果推断的 Python 第三方库
前一篇:Stata绘图:相关系数可视化
后一篇:R中变量标签管理