本工具是一款高效的 数字普惠金融赋能共同富裕研究助手, 基于 双重机器学习(DML) 方法, 支持 总体效应分析 作用机制检验 异质性分析 等实证环节。 通过智能算法处理高维数据,自动构建符合因果推断规范的 研究框架, 显著提升您的 实证研究效率。
利用机器学习算法剔除干扰因素的混杂效应,通过正交化处理获得干净的处理变量和结果变量残差。
在高维特征空间下估计平均处理效应(ATE),有效解决传统线性回归中的“维度诅咒”和模型设定偏误问题。
适用于CFPS、CHFS等微观调查数据,以及省级、市级面板数据的因果推断分析。
系统将输出系数估计值、标准误及置信区间,并提供对应的经济学含义解释模板。