本文转载自公众号计量经济圈
今天,推荐一篇综述性文章《机器学习与社会科学中的因果关系:一个文献综述》。它能让学者们更为全面地了解机器学习在因果推断中的可能应用场景以及潜在的挑战
文章来源:郭峰,陶旭辉.机器学习与社会科学中的因果关系:一个文献综述[J].经济学(季刊),2023,23(01):1-17.
因果识别是社会科学实证研究的焦点,而在大数据时代,机器学习为因果识别带来一些新的机遇与挑战。本文重点总结了机器学习对因果关系识别的价值:更好地识别和控制混淆因素、帮助更好地构建对照组、更好地识别异质性因果效应,以及检验因果关系的外部有效性。同时,本文还讨论了在大数据和机器学习广泛应用下,可能存在因果关系在某些情形下变得不再重要、大数据和机器学习会让因果效应识别更加困难,以及部分机器学习算法缺乏可解释性等情形。本文有助于拓展社会科学研究者的工具箱和思想库。
*使用PC端微信查看视觉效果更好。
![](https://i-blog.csdnimg.cn/blog_migrate/c63bba08a0e722393fcceeb93724a04b.png)
![](https://i-blog.csdnimg.cn/blog_migrate/a016950178f85bbb7f32fbcae54acc53.png)
![](https://i-blog.csdnimg.cn/blog_migrate/de59de9aaebd80ad416459e45f51f1a4.png)
![](https://i-blog.csdnimg.cn/blog_migrate/b3ac37b7298232cf66dd48c896faf9d6.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c5e0c25cce750d5fa612fee61ab1b5d4.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c2eab602c41ed1606fab4fbf261cc6b8.png)
![](https://i-blog.csdnimg.cn/blog_migrate/a112764089e28bfa64ca60b3d9dfb903.png)
![](https://i-blog.csdnimg.cn/blog_migrate/1936351e9bd713587ff9c313d7d49373.png)
![](https://i-blog.csdnimg.cn/blog_migrate/a23ad4300579b4f4dd9b648b9a1b5962.png)
![](https://i-blog.csdnimg.cn/blog_migrate/99f094b39ba588c2230910df029a6f6d.png)
![](https://i-blog.csdnimg.cn/blog_migrate/0bf56d4ca5829906530ca84f84820cc3.png)
![](https://i-blog.csdnimg.cn/blog_migrate/29d1989b85d83316207bfe0a4d1a0bf7.png)
![](https://i-blog.csdnimg.cn/blog_migrate/f9b77085a0c85af5273be965c5df4e9f.png)
往期推荐
Python教学 | Python 中的循环结构(上)【附本文代码和数据】
Python教学 | Python 中的分支结构(判断语句)【附本文代码和数据】
数据Seminar
这里是大数据、分析技术与学术研究的三叉路口
![](https://i-blog.csdnimg.cn/blog_migrate/6644673778725e88814f71743542819f.gif)