<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>机器学习 on 静水流深</title>
    <link>https://blog.baoyuchen.top/tags/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/</link>
    <description>Recent content in 机器学习 on 静水流深</description>
    <generator>Hugo -- 0.149.0</generator>
    <language>en</language>
    <lastBuildDate>Mon, 30 Mar 2026 12:00:07 +0800</lastBuildDate>
    <atom:link href="https://blog.baoyuchen.top/tags/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>双重机器学习方法简介</title>
      <link>https://blog.baoyuchen.top/posts/ml/</link>
      <pubDate>Mon, 30 Mar 2026 12:00:07 +0800</pubDate>
      <guid>https://blog.baoyuchen.top/posts/ml/</guid>
      <description>&lt;p&gt;参夸文献：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;胡诗云, 江弘毅, 解海天. 双重机器学习的理论与应用——从“黑箱”到“工具箱”的实践指南[J]. 数量经济技术经济研究, 2026.&lt;/li&gt;
&lt;li&gt;萧政. 机器学习和计量经济学[J]. 计量经济学报, 2025, 5(5): 1231-1243.&lt;/li&gt;
&lt;/ol&gt;
&lt;h1 id=&#34;一为什么要使用双重机器学习方法&#34;&gt;一、为什么要使用双重机器学习方法？&lt;/h1&gt;
&lt;p&gt;在潜在结果框架中，因果效应是不同处理状态下的潜在结果之差（Rubin, 2005）。$Y=DY(1)+(1-D)Y(0)$，$Y(1)-Y(0)$为个体的异质性因果效应。识别是指通过对反事实的数据生成过程进行一定的假设（“识别假设”），找到从可观测总体分布唯一地还原出因果效应的方法。随后的估计则是给定从总体分布中获得的样本，通过统计分析得到因果效应的估计量。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
