Double/Debiased Machine Learning for Economists: Practical Guidelines, Best Practices, and Common Pitfalls

概化理论 因果推理 桥(图论) 计算机科学 推论 机器学习 人工智能 因果模型 管理科学 数据科学 计量经济学 心理学 工程类 经济 数学 统计 医学 发展心理学 内科学
作者
Maryam Feyzollahi,Nima Rafizadeh
出处
期刊:Social Science Research Network [Social Science Electronic Publishing]
被引量:1
标识
DOI:10.2139/ssrn.4703243
摘要

In an era of increasing data complexity and volume, integrating machine learning (ML) into economics has become not only relevant but also essential. The advent of Double/Debiased Machine Learning (DML), an innovative framework for causal inference using ML, developed by Chernozhukov et al. (2018), has opened new avenues for utilizing ML in economics. However, the transition from theoretical concepts to applied research and practical implementation requires a clear, accessible guide. To bridge this gap, this paper first explains why generalizability should be the primary criterion for model evaluation, and then presents best practices and common pitfalls for building models with superior generalizability. Following this, practical, step-by-step guidelines for implementing DML are provided. This approach makes the integration of ML techniques in economic analysis more approachable and straightforward, enabling more accurate and robust causal inferences.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
迷路的诗槐完成签到,获得积分10
刚刚
1秒前
LBJ发布了新的文献求助30
1秒前
lalala应助历史真相采纳,获得10
1秒前
北风完成签到,获得积分10
2秒前
星辰大海应助pandalgx采纳,获得10
2秒前
紫米完成签到,获得积分10
4秒前
zn完成签到,获得积分10
4秒前
5秒前
5秒前
ppp完成签到,获得积分10
5秒前
清脆雪糕完成签到 ,获得积分10
5秒前
赖建琛完成签到 ,获得积分10
6秒前
有魅力遥完成签到,获得积分10
6秒前
6秒前
奋斗的杰完成签到,获得积分20
7秒前
研友-L.Y发布了新的文献求助10
8秒前
Cheshire完成签到,获得积分10
8秒前
ma完成签到,获得积分10
8秒前
橘子完成签到,获得积分10
8秒前
8秒前
8秒前
LBJ完成签到,获得积分10
9秒前
hashtag完成签到,获得积分10
10秒前
Ther发布了新的文献求助10
10秒前
10秒前
diki完成签到,获得积分10
10秒前
10秒前
负责紊完成签到,获得积分10
10秒前
5433发布了新的文献求助10
11秒前
cctv18应助加油采纳,获得10
11秒前
yang完成签到,获得积分10
12秒前
念姬完成签到,获得积分10
12秒前
那一瞬的永恒完成签到,获得积分10
12秒前
ningmengcao完成签到,获得积分10
12秒前
LEESO完成签到,获得积分10
12秒前
XH完成签到,获得积分10
12秒前
壮观的谷冬完成签到,获得积分10
12秒前
韫染完成签到 ,获得积分10
12秒前
爱笑的曼易完成签到,获得积分10
13秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 850
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3249002
求助须知:如何正确求助?哪些是违规求助? 2892380
关于积分的说明 8271185
捐赠科研通 2560658
什么是DOI,文献DOI怎么找? 1389175
科研通“疑难数据库(出版商)”最低求助积分说明 651006
邀请新用户注册赠送积分活动 627869