其他
更精确的因果效应识别: 基于机器学习的视角
凡是搞计量经济的，都关注这个号了
稿件：econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
钱浩祺,龚嫣然,吴力波.更精确的因果效应识别:基于机器学习的视角[J].计量经济学报,2021,1(04). 在传统计量经济方法学中引入机器学习方法已逐渐成为一个不可忽视的重要发展趋势， 本文从因果推断的两大主流分析框架出发， 分析了其各自的特征与内在关联，在此基础上， 提出了机器学习方法可以从样本匹配与反事实预测两个方面对现有因果效应识别研究进行改进． 本文认为， 机器学习能够通过样本直接匹配以及提升倾向得分估计准确度来实现样本的精准匹配， 使研究样本更具备"随机化” 实验的特征， 此外，机器学习方法能够利用复杂关系建模、交叉验证以及正则化等方法来提升样本反事实预测的准确性． 本文接着从匹配法、断点回归法、双重差分法以及合成控制法这四个具体的方法出发， 详细阐述了机器学习在提升因果效应识别方面的理论基础， 同时在每一个方法部分都给出了若干实际应用案例， 以供应用计量研究者借鉴和参考．
2.5年，计量经济圈近1000篇不重类计量文章，
可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle
数据系列：空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 | 夜间灯光 | 官员方言 | 微观数据 | 内部数据计量系列：匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 200篇合辑 | 因果识别 | 社会网络 | 空间DID数据处理：Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |干货系列：能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 | 名家经验计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。