21、因果推断与机器学习：高级估计器、实验、评估等

因果推断与机器学习：高级估计器、实验、评估等

1. 双重稳健估计器相关内容

1.1 双重稳健估计器与假设

双重稳健（DR）估计器在没有隐藏混淆因素时能正常工作，即特征集 (X) 包含所有需要控制的变量且无引入偏差的变量。为精确估计条件平均处理效应（CATE），还需在 (X) 中包含相关的效应调节因子。此外，违反正性假设可能导致 DR 估计器方差增大。

1.2 DR - Learner

DR - Learner 是一种 DR 元学习器模型，EconML 提供了几种变体，最简单的是 LinearDRLearner 类实现的线性变体。它使用交叉拟合和正交化，并通过额外模型直接估计 CATE。对于 LinearDRLearner ，额外模型默认是线性回归，但在 DRLearner 类中可改为任意模型。

以下是使用 LinearDRLearner 进行估计的代码：

estimate = model.estimate_effect(
    identified_estimand=estimand,
    method_name='backdoor.econml.dr.LinearDRLearner',
    target_units='ate',
    method_params={
        'init_params': {
            # Specify treatment and outcome models