双重机器学习（Double/Debiased Machine Learning, DML）是一种结合了机器学习和因果推断的统计方法，它在经济学管理学领域有着非常广泛的应用，目前国内研究还较少，之后应该是一个趋势，我们特举办了《机器学习和因果推断》课程。
在顶刊中，《管理世界》论文算是双重机器学习应用较多的期刊了，7月新发两篇使用双重机器学习的论文，值得拜读学习！包括《共同富裕目标下农产品区域公用品牌的收入效应研究——来自原国家级贫困县的经验证据》、《政策取向一致性与企业高质量绿色转型》。
[1]杨丹,朱珠,刘自敏,等.共同富裕目标下农产品区域公用品牌的收入效应研究——来自原国家级贫困县的经验证据[J].管理世界,2025,41(07):149-175.
[2]王渊,李牧南,梁彦希.政策取向一致性与企业高质量绿色转型[J].管理世界,2025,41(07):108-139.
文章一：共同富裕目标下农产品区域公用品牌的收入效应研究——来自原国家级贫困县的经验证据
共同富裕目标下农产品区域公用品牌的收入效应研究——来自原国家级贫困县的经验证据
作者：
杨丹（西南大学经济管理学院、西南大学普惠金融与农业农村发展研究中心）
朱珠（西南大学经济管理学院）
刘自敏（西南大学经济管理学院）
余建宇（西南财经大学经济与管理研究院）
文章刊发：《管理世界》2025年第7期
摘要：支持脱贫地区打造农产品区域公用品牌是推动农业高质量发展的重要引擎，然而该策略是否有助于脱贫地区实现共同富裕有待于深入研究。本文从新型农业经营主体带动农户增收的视角出发，构建了一个包含区域公用品牌农产品、中间农产品以及劳动力3类市场的一般均衡模型，从理论上检验共同富裕目标下农产品区域公用品牌的收入效应；然后聚焦于中国820个原国家级贫困县，采用双重机器学习模型，从绝对水平与相对差距两个维度对农产品区域公用品牌的收入效应进行实证检验。研究发现，农产品区域公用品牌有助于促进农户增收，缩小城乡收入差距，且这一效应存在异质性。具体地，农产品区域公用品牌的收入效应在革命老区和重点贫困县表现更为明显。从不同品牌种类来看，经济作物和水产品类品牌比其他类品牌的收入效应更强。机制分析表明，地区产业集聚与新型农业经营主体增加是农产品区域公用品牌发挥收入效应的重要渠道。最后，进一步分析发现，农产品区域公用品牌建设对邻近地区的收入效应存在正向溢出效应。本研究为更好地促进农产品区域公用品牌价值实现、增强脱贫摘帽地区内生发展能力提供了有益借鉴。
关键词：农产品区域公用品牌 共同富裕 新型农业经营主体 产业集聚 双重机器学习模型
本文首先构建了一个包含区域公用品牌农产品、中间农产品以及劳动力三类市场的一般均衡模型，探究了新型农业经营主体借助农产品区域公用品牌拓展市场、提升农户生产经营性收入和工资性收入、最终推动区域共同富裕的内在机制，并进一步探讨其对邻近地区的溢出效应。随后，以832个原国家级贫困县（后文简称脱贫县）为研究对象，采用双重机器学习模型，从绝对水平与相对差距两个维度进行实证检验。同时，运用分位数回归方法考察不同收入组别中增收效应的异质性，从多方面检验区域公用品牌的收入效应。为确保研究结果的可靠性，本文采用了传统双重差分法检验、平行趋势检验、安慰剂检验以及交叉验证等方法。最后基于研究结果提出机制创新和政策优化思路。
本文有以下4点研究发现。
第一，农产品区域公用品牌的设立有助于提升县域农村居民收入，但对城镇居民收入的影响不显著，也因此起到了缩小城乡收入差距的作用。然而，基于农户年人均可支配收入的分位数回归结果表明，品牌建设尚未达到改善地区间收入分配的作用。
第二，农产品区域公用品牌的收入效应存在明显的地区差异和品牌特征差异。革命老区和非特色农产品优势主产区呈现出更强的增收效应，重点贫困县则在改善收入差距方面表现更好。在品牌特征方面，经济作物类和水产类品牌能够显著提高农村居民年人均可支配收入，同时降低城乡居民收入差距。
第三，农产品区域公用品牌通过推动地区形成产业集聚和新型农业经营主体发展，进而提高农户收入、缩小城乡收入差距。
第四，农产品区域公用品牌存在正向溢出效应，有助于提高邻近地区农户收入、缩小城乡收入差距。
基于上述分析，本文提出了相应的政策建议。一是依托本地资源优势，有效整合、聚合、盘活各方资源，积极吸纳社会各方力量参与产业振兴；二是通过推动股份合作制改革、运用差异化财政扶持政策以及采取消费帮扶升级行动等方式重塑农村收入分配格局；三是完善产业链条，加快形成产业集聚；四是构建更加紧密的龙头企业、农民专业合作社与农民之间的利益联结机制，鼓励多样化的农企融合共赢模式，提高农户在农产品定价和利益分配方面的话语权。
文章二：政策取向一致性与企业高质量绿色转型
《管理世界》2025年第7期发表了王渊、李牧南、梁彦希的《政策取向一致性与企业高质量绿色转型》一文，以下是主要内容：
一、研究背景与意义
随着我国经济社会发展全面绿色转型，宏观政策规划和设计愈发复杂，亟待构建跨政策类型的评价理论和计量框架。2023年12月，中央经济工作会议提出“增强宏观经济政策一致性”，如何实现政策组合“有效”且“一致”，从而促进企业实现“经济效益”与“节能减排”有机协同的高质量绿色转型，成为当前政策制定与评估领域的重大挑战。当前企业绿色转型相关文献侧重从碳排放、创新和资源使用等方面展开研究，但对政策组合能否在个体到系统耦合过程中形成合力、科技政策能否赋能环境政策等问题的理论与实证分析仍不充分。
二、主要内容
- 样本与数据：选取2010-2022年沪深A股上市公司为样本，政策数据来自中国政府网，公司个体层面的数据来自CNRDS数据库，整理自上市公司年报数据。
- 研究方法：应用双重机器学习方法分析政策及其组合对企业高质量绿色转型的影响，精准识别政策平均处理效应与个体处理效应。在政策筛选阶段提出跨类型政策评估的4个步骤，即目标定义、政策工具选择、单一政策效应分析、政策交互分析。
- 三、研究发现
- 政策组合效应差异显著：法律规制型政策（如《中华人民共和国环境保护法》《中华人民共和国环境保护税法》）与跨类型科技政策组合能有效促进企业高质量绿色转型，环保补贴政策与其他环境政策组合存在协同失效风险。
- 科技政策的赋能作用：科技政策与法律规制型环境政策（如环保法、环保税）协同可形成合力，但与补贴政策协同效果不显著。
- 市场结构的调节作用：垄断程度较高的行业会削弱政策对绿色转型的促进作用，营商环境的改善则有利于政策协同。
- 政策建议
- 优化环境补贴政策设计：缩小补贴范围，强化事后监管与长效激励。
- 强化政策协同与部门协作：建立环保与科技部门联合审批、监督机制，整合财政资源，推动政策工具互补。
- 平衡政策力度与市场信心
：避免过度依赖规制型政策（如强制减排），减少对市场预期的负面影响，经济下行期优先采用刺激性政策（如设备更新补贴），推动新旧动能转换。
- 建立政策反馈机制：定期评估环境与经济成效，动态调整政策执行方式与强度。
第一天：软件基础与核心方法
上午：软件入门与双重机器学习基础
1. **Python与Stata因果推断分析入门** - Python科学计算环境配置 - 关键Python库介绍（参考：Microsoft Research, 2023, EconML文档）
- Stata基础因果分析命令回顾（参考：StataCorp, 2023, dml命令手册） - 两种软件的数据交互方法 - 实操练习：用两种软件运行相同的OLS回归
2. **双重机器学习介绍** - 传统计量方法的局限（参考：Angrist & Pischke, 2009
） - 机器学习在因果推断中的潜力（参考：Hastie et al., 2017） - 双重机器学习基本框架（参考：Chernozhukov et al., 2018） - Neyman正交性与去偏机制 - Python与Stata实现对比
3. **双重机器学习的软件实现框架** - Python实现：EconML和DoubleML库（参考：Bach et al., 2022） - Stata实现：dml命令与插件 - 数据预处理最佳实践 -
交互演示：两种软件实现同一DML模型
下午：方法比较与代码复现
1. **基于机器学习的因果推断方法比较** - 双重机器学习vs传统方法（参考：Knaus et al., 2021）
- 不同机器学习方法比较 - Python vs Stata实现效率对比 - 可视化与结果报告
2. **代码复现（1）：跨软件实现** - Python复现：EconML实现基础DML
（参考：Chernozhukov et al., 2018代码库） - Stata复现：dml命令实现相同分析 - 结果对比与诊断 - 交互练习：软件选择实践
第二天：案例研究与高级应用
第二天：案例研究与高级应用（新增中文案例） 上午：案例研究I - 政策与企业行为 1.跨境电商综合试验区政策对绿色技术创新的影响 o研究问题与数据介绍（参考：蒋金荷 & 黄珊, 2024） o
双重机器学习实现步骤 o结果分析与政策启示 oPython与Stata实现对比 2.银行监管处罚对企业创新的影响 o研究设计回顾（参考：魏建等, 2024）
o异质性处理效应分析 o稳健性检验与机制讨论
下午：案例研究II - 区域发展与数据要素 1.公共数据开放对城市创业活力的影响 o研究问题与数据介绍（参考：蔡运坤等
, 2024） o双重机器学习应用 o结果可视化与政策建议 2.网络基础设施对包容性绿色增长的影响 o复现分析（参考：张涛 & 李均超, 2023）
o因果效应估计与地区差距讨论 o双重机器学习的优势总结 3.综合实践与未来方向 o完整分析流程演练 o分组讨论：中文案例的扩展应用 o
开放问题与最新研究进展
部分参考文献【中文顶刊】：
[11]蒋金荷,黄珊.贸易新业态对绿色技术创新的影响研究——来自跨境电商综合试验区政策的证据[J].数量经济技术经济研究,2024,41(12):133-154
[12]张科,熊子怡.法律制度完善、跨区域合作与省际边界地区绿色发展——来自《旅游法》实施的准自然实验[J].数量经济技术经济研究,2024,41(12):47-67 [13]魏建,薛启航,王慧敏,姚笛.银行监管处罚如何影响企业创新[J].中国工业经济,2024(7):105-123
[14]蔡运坤,周京奎,袁旺平.数据要素共享与城市创业活力——来自公共数据开放的经验证据[J].数量经济技术经济研究,2024,41(8):5-25 [15]张涛,李均超.网络基础设施、包容性绿色增长与地区差距——基于双重机器学习的因果推断[J].数量经济技术经济研究,2023,40(4):113-135
|
Austin老师，香港经济学博士，211高校副教授。主要从事评价理论与方法、生产效率分析、资源与环境管理等方向的研究；主讲《高级微观经济学》《高级计量经济学》《农业经济与政策》《经济学原理》等课程；在《Operations Research》《Energy Economics》《China Economic Review》《Transport Policy》《Growth and Change》《计量经济学报》《产业经济评论》等期刊发表论文十多篇。主持国家自然科学基金1项。教育部学位中心评审专家；“双法”气候金融研究分会理事。曾获“黄山优秀青年”称号、论文获得《产业经济评论》2023年度优秀论文。Stata零基础可学，适用于经济学、管理学、金融学以及卫生管理等领域的本科生、硕博研究生和青年教师，尤其是基础薄弱但是希望能够完成双重机器学习开展实证研究的同学。
课程特色：
课程直播+视频长期回放+答疑+实操联系
提供讲义+案例+数据+代码
学术严选会员及老学员有优惠，具体请联系陈老师（微信 xsyxkf001）
报名：倘若您对课程感兴趣，扫描下方右侧二维码可直接购买，扫描下方左侧二维码可添加陈老师微信询问课程详情及发票事宜。
