处理效应模型中的双重稳健估计方法及实证案例.docxVIP

处理效应模型中的双重稳健估计方法及实证案例

一、引言

在因果推断领域，处理效应模型是评估政策、干预或Treatment对结果变量影响的核心工具。无论是教育领域的课程改革效果评估，还是公共卫生中的疫苗接种收益分析，研究者都需要准确识别“接受处理”与“未接受处理”群体之间的真实差异，而非混杂因素导致的虚假关联。传统方法如倾向得分匹配（PSM）、回归调整（RA）虽被广泛应用，但均存在“单模型依赖”的局限性——若倾向得分模型或结果回归模型任一设定错误，估计结果便可能偏离真实值。此时，双重稳健估计（DoubleRobustEstimation）作为一种兼顾效率与稳健性的方法，逐渐成为因果推断研究的重要工具。其核心优势在于：仅需倾向得分模型或结果模型中任意一个正确设定，即可保证处理效应估计的一致性。本文将系统梳理双重稳健估计的原理、优势，并结合实证案例展示其应用过程，为因果推断实践提供参考。

二、处理效应模型的基础与传统方法的局限性

（一）处理效应模型的核心概念

处理效应模型的核心目标是估计“反事实结果”。在现实中，每个个体只能处于“接受处理”或“未接受处理”的状态之一，研究者需要通过观测数据推断“若该个体处于相反状态时的结果”。例如，评估某职业培训对收入的影响时，对于参与培训的个体，需估计其未参与培训时的收入；对于未参与培训的个体，需估计其参与培训时的收入。这两组反事实结果的平均差异，即