ddml：Stata中的双重/去偏机器学习
ddml: Double/debiased machine learning in Stata
AI总结：
本文介绍了Stata中的ddml包，支持五种计量经济学模型的因果参数估计，允许在未知函数形式或存在多个外生变量时灵活估计内生变量的因果效应，并建议结合堆叠估计方法以提升DDML的效果。
摘要：
我们介绍了用于Stata中双重/去偏机器学习（DDML）的ddml包。该包支持五种不同计量经济学模型的因果参数估计，允许在未知函数形式和/或存在许多外生变量的情况下，灵活估计内生变量的因果效应。ddml与Stata中许多现有的监督机器学习程序兼容。我们建议将DDML与结合了多个机器学习器作为最终预测器的堆叠估计结合使用。我们提供了蒙特卡洛证据来支持我们的建议。
英文摘要：
We introduce the package ddml for Double/Debiased Machine Learning (DDML) in Stata. Estimators of causal parameters for five different econometric models are supported, allowing for flexible estimation of causal effects of endogenous variables in settings with unknown functional forms and/or many exogenous variables. ddml is compatible with many existing supervised machine learning programs in Stata. We recommend using DDML in combination with stacking estimation which combines multiple machine learners into a final predictor. We provide Monte Carlo evidence to support our recommendation.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
