残差回归是否产生因果效应的可代表性估计？
计量经济学
2025-11-27 v2
摘要
双机器学习在大规模观察性数据中用于估计因果处理效应。“残差回归”估计器（RORR）因其简单性和计算可行性而广受欢迎。然而，当处理效应具有异质性时，RORR的正确解释可能并未被广泛理解。我们表明，对于具有连续剂量-反应函数的多值处理，RORR收敛于在观察数据集中未出现的点处求导的条件方差加权平均。这一估计量通常不等于平均因果导数（ACD）。因此，即便所有单位共享相同的剂量-反应函数，RORR也可能不会收敛于由样本表示的总体平均处理效应。我们提出了一个适用于大数据集的ACD备用估计器。通过一个说明性数值示例和来自Netflix的真实数据，我们展示了RORR的陷阱以及所提估计器的优势。我们的 methodology 已部署在Netflix的内部观察性因果推断平台上，定期为规模化的因果研究和决策提供支持。
引用
@article{arxiv.2506.07462,
title = {Does Residuals-on-Residuals Regression Produce Representative Estimates of Causal Effects?},
author = {Apoorva Lal and Winston Chou},
journal= {arXiv preprint arXiv:2506.07462},
year = {2025}
}