double-machine-learning

本文评估了干扰函数的预测误差与因果估计器性能之间的关系，发现预测误差在诸如XGBoost和Double Machine Learning等方法中，并非因果偏差或置信区间覆盖范围的一致性度量。

本文开发了一个分阶段的稳健性分析框架，该框架将结构方程模型（SEM）、普通最小二乘法（OLS）和双机器学习（DML）连接起来，用于基于调查的潜变量研究，并通过金融科技数字客户亲密度调查模型进行了演示。该框架为研究人员提供了一个可重复使用的模板，用于评估不同估计方法下研究结果的稳定性。