来源：期刊VIP网 时间：
作者：陈茁;陈云松;
单位：南京大学社会学院;南京大学中华文明数智创新实验室;
摘要：双重机器学习是运用机器学习技术来解决因果推断中遗漏变量偏误的有效方法，但目前社会科学界对其还未充分关注。传统的回归模型在处理大量混淆变量和拟合非线性关系方面存在局限，相比之下，双重机器学习不仅能够整合大量的混淆因子，还能捕捉变量间的复杂非线性关系，同时在发现和刻画影响方式异质性、估计因果效应随时间变化的动态趋势等方面有独特优势。此外，该框架可以与因果中介分析、面板数据分析及非结构化数据处理相结合，展现出广泛的应用潜力。本文旨在系统地介绍双重机器学习方法，审视其所带来的机遇及其面临的挑战，并通过一个关于“父母学业期望”对“子女学业表现”影响的研究案例来对双重机器学习的分析过程进行实证演示。
关键词：机器学习;;因果推断;;双重机器学习;;去偏机器学习
基金资助：国家社会科学基金重大项目“国家治理视角下基于数智方法的社会风险评估与应对”（24&ZD168）;; 教育部哲学社会科学创新团队“中国式现代化的社会治理数智创新研究”（AI for HASS）的阶段性研究成果
