楼主: yyyyyyyy颖
2416 2

[一般统计问题] 双重机器学习与双重差分结果不一样 [推广有奖]

  • 2关注
  • 0粉丝

已卖:1份资源

硕士生

25%

还不是VIP/贵宾

-

威望
0
论坛币
100 个
通用积分
22.1589
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
3184 点
帖子
75
精华
0
在线时间
92 小时
注册时间
2022-8-31
最后登录
2026-2-28

楼主
yyyyyyyy颖 学生认证  发表于 2026-2-8 11:54:32 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
同一个数据集,包含试点政策与多个高维控制变量的平衡面板数据,发现双重机器学习的回归系数是三个星显著,而双重差分的回归系数根本不显著,这是正常的吗?说明了什么问题?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:机器学习 双重差分 回归系数 控制变量 面板数据

回帖推荐

正一品 发表于3楼  查看完整内容

差异正常,核心根源是DID 无法处理高维控制变量的混淆偏误,而 DML 专为高维数据设计,能剥离干扰、捕捉真实政策效应; 这一结果说明你的数据中存在未被 DID 控制的高维混淆变量,且政策效应可能是非线性 / 异质性的; 需先验证 DID 的平行趋势假设,再通过更换 DML 基学习器确保结果稳健,最终结合两种方法的结果解释政策效应。

沙发
512661101 发表于 2026-2-8 18:24:35
谢谢分享!

藤椅
正一品 发表于 2026-2-10 09:17:13
差异正常,核心根源是DID 无法处理高维控制变量的混淆偏误,而 DML 专为高维数据设计,能剥离干扰、捕捉真实政策效应;
这一结果说明你的数据中存在未被 DID 控制的高维混淆变量,且政策效应可能是非线性 / 异质性的;
需先验证 DID 的平行趋势假设,再通过更换 DML 基学习器确保结果稳健,最终结合两种方法的结果解释政策效应。

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群
GMT+8, 2026-3-3 06:36