2020年3月
发表于:《计量经济学》,2022,25 (3),602-627
本文结合了基于双机器学习(DML)的方法的最新发展,将重点放在无混淆性下的程序评估上。基于DML的方法利用灵活的预测方法来控制(i)标准平均效应、(ii)不同形式的异质效应和(iii)最佳治疗分配规则估计中的混杂。我们强调,这些估计都建立在相同的双鲁棒评分上,这允许利用计算协同。对瑞士积极劳动力市场政策的多个项目的评估显示了基于DML的方法如何实现全面的政策分析。然而,我们发现有证据表明,对个别异质效应的估计可能变得不稳定。
下载
这些必要的cookies是激活网站核心功能所必需的。无法选择退出这些技术。
为了进一步改善我们的报价和我们的网站,我们收集匿名数据进行统计和分析。例如,在这些cookie的帮助下,我们可以确定网站上某些页面的访客数量和效果,并优化我们的内容。