- 博客(2)
- 收藏
- 关注
RSS订阅原创 DML 学习计划 - 2 DML 的进阶——内生性处理与非参数推断
本文介绍了DML（Double Machine Learning）方法的进阶应用，重点探讨了内生性处理和非参数推断。首先回顾了DML基础原理，即通过两阶段回归消除混淆变量影响。针对遗漏变量偏误和非线性关系问题，提出了两种进阶方法：DMLIV（结合工具变量处理内生性）和CausalForestDML（结合因果森林）。文章详细阐述了DMLIV的实现过程，通过模拟数据展示了其在存在未观测混淆变量时的优势。同时讨论了异质性分析，包括条件平均处理效应(CATE)和剂量-效应关系。最后介绍了NonParamDMLIV方
2025-12-16 16:51:45
733
原创 DML 学习计划 - 1 DML 的理论与基础实践
本文介绍了双重机器学习(DML)方法在因果推断中的应用。DML结合了机器学习的预测能力和传统因果推断的优势，通过正交化技术消除混杂变量影响，更准确地估计处理效应。文章首先回顾了因果推断基础理论，指出传统方法面临的线性假设、高维数据等挑战。随后详细阐述了DML的理论框架，包括其估计模型、异质性分析方法，以及基于Frisch-Waugh-Lovell定理的正交化原理。最后通过Python代码案例展示了DML的实现流程，包括数据预处理、模型构建和结果评估等步骤。DML方法为处理高维复杂数据下的因果推断问题提供了有
2025-12-16 16:35:09
938
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人