双重机器学习在因果推断中的样本量要求研究.docxVIP

双重机器学习在因果推断中的样本量要求研究

一、引言

因果推断是从观测或实验数据中识别变量间因果关系的核心方法，广泛应用于经济学、医学、社会学等领域，其目标是准确分离处理变量对结果变量的真实效应（Rubin，1974）。随着大数据时代的到来，高维协变量场景下的因果推断需求持续增长，传统方法如匹配法、回归调整法等因无法有效处理高维混杂因素，常出现偏差过大或模型拟合失效的问题。双重机器学习（DoubleMachineLearning，DML）正是为破解这一难题而生的技术，它结合机器学习的预测能力与因果推断的识别框架，能在高维协变量下实现无偏的因果效应估计（Chernozhukovetal.，2018）。

在因果推断实践中，样本量始终是决定估计结果可靠性的关键：样本量过小会导致估计方差过大，无法检测到真实因果效应；样本量过大则造成数据资源浪费，增加研究成本。由于DML独特的模型结构与估计逻辑，其样本量要求与传统方法存在显著差异，但目前关于这一主题的系统性研究仍相对匮乏。因此，深入探讨DML在因果推断中的样本量要求，明确其影响因素、估算方法及优化策略，对推动DML的合理应用具有重要理论与实践意义。本文将围绕这一主题，从基础关联、差异对比、影响因素、估算方法及优化策略等维度展开系统论述，为相关研究者提供参考。

二、双重机器学习与因果推断的基础关联

（一）因果推断的核心需求与样本量的作用