2026年4月15日，DML方法原作者Victor Chernozhukov、Christian Hansen等6人联合撰写的最新综述 An Introduction to Double/Debiased Machine Learning 正式发表在Journal of Economic Literature 。
关于DML，1 DML,因果森林,GML: 给实证研究者的三把新因果推断钥匙, 来自计量姊妹刊的实证指南. 2. 最全! 国内哪些政策适合用队列DID, 模糊断点RDD, 双重机器学习DML进行评估？ 3. 前沿速递! DML, 因果森林, 深度学习, 金融机器学习等正如何深刻改变经济学？ 4. 双重机器学习DML用途, 步骤, 优势, 示例和代码等完整方法, 不信你还不懂, 附code. 5.
使用双重机器学习DML方法进行因果推断和政策评估的案例, 数据和代码分享 ，6. 前沿, 双重机器学习方法DML用于因果推断, 实现它的code是什么？
这是继Chernozhukov et al. (2018)奠基性论文之后，DML作者团队第一次系统回应一个核心问题：DML在实证研究里到底该怎么用，什么时候容易出问题？
国内学者已经在不少顶刊里见过DML。从因果识别、IV估计，到staggered DID，再到文本数据控制变量处理，DML正慢慢变成实证经济学家工具箱里的常用装备。
但真正把它用准、用稳的人并不算多。这篇新综述最有价值的地方，在于把DML在实际应用中的敏感性和陷阱摊开来讲，并给出一套能直接落地的诊断与稳健性检验流程。
本文不展开繁琐的理论推导，只聚焦3件事，DML的核心优势、7类典型应用场景，以及Stata、R、Python的实操代码 。
DML很可能会成为未来几年每一位实证经济学研究者都绕不开的工具。比较高效的阅读顺序是，先看原文第2到第3节把原理吃透，再跳到第4到第6节看3个实证案例，最后把配套网站上的复制代码亲手跑一遍。这样学，比看十几篇二手介绍都更扎实。
如果你的下一篇论文还停留在OLS加若干控制变量的主回归框架里，不妨把DML放进附录，做一轮稳健性检验。
1.DML到底解决了什么问题？ 传统半参数估计一直面临两难问题。一 方面，对干扰参数（nuisance parameter）施加线性等参数化假设，计算与推断都较为简便，但一旦设定偏离真实关系，就容易产生模型错设偏误；另一方面，转向非参数方法能够更灵活地刻画数据结构，更贴近现实，却往往以牺牲统计推断的简洁性为代价，使渐近性质与有效推断变得复杂甚至难以操作。
DML的思路在于，只要识别条件构造得当，就可以借助任意机器学习方法（比如Lasso、随机森林、梯度提升、神经网络）来估计干扰函数，同时依然能够保证目标参数估计量具备一致性与渐近正态性，从而实现灵活建模与可靠推断之间的兼顾。
DML背后主要依赖两个核心机制。
一是Neyman正交得分（Neyman orthogonal score）。它使得矩条件对干扰函数的小幅偏差在一阶上不敏感。直白点讲，就是先把协变量X对目标参数的一阶影响剥离出去，只保留真正用于识别的那部分变异。
二是交叉拟合（Cross-fitting）。具体做法是将样本随机划分为K折，用折外样本估计干扰函数，再用折内样本估计目标参数，并循环完成该过程。这样可以避免同一份数据既用于拟合、又用于推断所带来的过拟合偏误（overfitting bias）。
这两步缺一不可。作者在文中以MTurk劳动供给弹性的实证为例说明，如果只做其中一步，估计量很可能出现数量级上的偏误。只有将两步同时实施，得到的置信区间才更具可信度。
2.DML的5大优势，可以在下一篇论文里试一试。 第一，能摆脱线性设定的束缚。传统做法常写成
，很多时候并非因为经济学理论真这么要求，只为咱们图方便。DML允许 是任意函数，把方法设定和经济学假设尽量分开。
第二， 能够直接处理文本、图像等非结构化数据。这是DML在当前研究前沿最具吸引力的应用之一。综述中重新讨论了Dube et al. (2020)的做法：作者利用DeBERTa从MTurk任务描述文本中提取embedding，并将其作为高维控制变量纳入DML框架。在传统OLS设定下，这类处理往往难以有效实现。
第三，它也可以作为一种有力的稳健性检验工具。即便主回归仍采用OLS，只要在附录中补充一组DML估计，就能够更有针对性地回应审稿人对函数形式设定的质疑。如果结果保持一致，研究结论的可信度会明显提升；如果不一致，也能更早暴露潜在问题，从而及时调整识别或建模思路。
第四， 适用场景非常广泛。综述在Table 1中系统列出了六大类目标参数对应的Neyman正交得分，涵盖线性与偏线性回归、IV与偏线性IV，以及ATE、ATT、LATE和平均结构导数（average structural derivative）等常见因果参数。
附录C进一步扩展到更复杂的情形，例如加权平均潜在结果、包含固定效应的面板IV等，也都可以构造相应的正交得分，从而纳入同一套DML框架中统一处理。
第五，软件生态已经很成熟。目前3个主流生态都有比较完整的实现，包括 1.Stata：ddml，2.R：DoubleML、ddml，3.Python：DoubleML。
3.七个典型的应用场景。 综述正文和附录C合起来，基本把应用经济学里常见的目标参数都覆盖到了。
场景1，偏线性回归系数。 。如果你怀疑控制变量应该以更灵活的方式进入模型，就适合用该类设定。对应的干扰函数是
和
。
场景2，线性IV系数。当工具变量 维数较高，或者工具变量与内生变量之间存在明显的非线性关系时，比如降雨量类工具变量，DML可以灵活地估计最优工具 。综述里的模拟显示，当工具变量数量 时，2SLS偏误高达0.32，而DML配合梯度提升树后，偏误只有-0.01。
场景3，平均处理效应（ATE）。 在非实验数据里，DML通常通过AIPW得分，也就是常说的双稳健得分，估计
。综述基于Poterba、Venti和Wise (1995)的401(k)数据所做的模拟表明，IPW和回归调整（RA）估计量的覆盖率都明显低于名义95%，而DML能做到94.4%。
场景4，staggered DID下的组时ATT。 这是综述第5节的重点内容。作者重新分析了Dobkin et al. (2018, AER)关于住院冲击如何影响家庭医疗支出的研究，展示了在Callaway和Sant'Anna (2021)框架下，如何用DML灵活控制年龄、性别、种族、受教育程度等协变量，从而在条件平行趋势假设下识别动态处理效应。
场景5，LATE。对二元工具变量 ，LATE也可以通过AIPW型正交得分来估计。
场景6，ATT，即估计处理组的处理效应。对应参数是 。
场景7，平均结构导数。当处理变量 是连续变量时，关心的参数是
。这类问题和前面的例子不同，干扰参数是条件密度函数的对数导数。
4.实践中的操作提醒 这篇综述很关键的部分，其实是第6节和第7节。作者非常坦率地指出了DML的局限和常见陷阱，这一部分很值得细看。
提醒1，学习器的选择会显著影响估计结果。在MTurk的实证应用中，作者尝试了12种不同的机器学习器，得到的劳动供给弹性从-0.005到-0.193不等，标准误则在0.02到0.14之间波动。仅仅更换学习器，结论就可能从统计不显著转为显著为负。
提醒2，随机分折本身也会引入额外的随机性。在住院冲击的应用中，不同随机种子下，DML的点估计在3375到3500之间波动。尽管该波动尚不足以改变显著性判断，但它提示我们，单次运行得到的结果不宜直接作为最终结论，更稳妥的做法是进行多次重复并考察结果的稳定性。
作者建议怎么做？
1.把交叉拟合重复S次。综述里常用的是S=5到S=10，然后对点估计和标准误做中位数聚合，
这样的标准误同时把抽样不确定性和样本分割不确定性都算进去了。 2.用多个候选学习器做诊断和对比。最好报告每个学习器的样本外 ，再用Lei (2020)提出的CVC，即cross-validation with confidence，识别出表现表现最差的学习器，并用stacking或模型平均把多个学习器整合起来。
3.把过程交代清楚。候选学习器有哪些、参数怎么调、诊断指标是什么、样本外 多少、CVC的p值是多少、stacking权重怎么分，最好都在正文或附录里透明披露。
提醒3，收敛速率条件并不会自动满足。理论上，DML要求对干扰函数的估计具备足够快的收敛速度（通常需要达到一定的收敛阶），否则其正交化+交叉拟合所带来的推断优势难以兑现。
已有研究，比如Chi et al. (2022)以及Cattaneo, Klusowski, Yu (2025)指出，在高维设定下，默认参数的随机森林和深度决策树未必能够满足该要求，甚至可能无法实现逐点一致性。
当然，这并不意味着DML方法本身存在问题。
它从侧面揭示了一个现实中的关键环节，即学习器的选择与调参至关重要，直接关系到估计量的有效性与推断的可靠性。
