DoubleML：Python中的双重机器学习框架

DoubleML是一个基于Python的开源库，实现了Chernozhukov等人(2018)提出的双重/去偏机器学习框架。该库设计用于部分线性回归模型(PLR)、部分线性工具变量回归模型(PLIV)、交互式回归模型(IRM)以及交互式工具变量回归模型(IIVM)。

项目特点

DoubleML基于scikit-learn构建，具有灵活的对象导向结构，支持高度定制化的模型设定。主要功能包括：

• 部分线性回归模型(PLR)估计
• 部分线性工具变量回归模型(PLIV)估计
• 交互式回归模型(IRM)估计
• 交互式工具变量回归模型(IIVM)估计
• 灵活的机器学习方法选择
• 完整的估计与统计推断流程

环境要求与安装

系统要求

• Python 3.9或更高版本
• 依赖库：numpy、pandas、scipy、scikit-learn、statsmodels、joblib、matplotlib、seaborn、plotly

安装方法

方法一：使用pip安装

pip install -U DoubleML

方法二：从源代码安装

git clone https://gitcode.com/gh_mirrors/do/doubleml-for-py.git
cd doubleml-for-py
pip install --editable .

快速开始示例

以下是一个使用DoubleML进行部分线性回归模型估计的基本示例：

from doubleml import DoubleMLData, DoubleMLPLR
from sklearn.linear_model import Lasso
import pandas as pd
import numpy as np

# 创建示例数据
n_obs = 500
n_vars = 100
X = np.random.normal(size=(n_obs, n_vars))
d = np.dot(X[:, :3], [1, 2, 3]) + np.random.normal(size=n_obs)
y = d + np.dot(X[:, :3], [1, 2, 3]) + np.random.normal(size=n_obs)

df = pd.DataFrame(X, columns=[f'X{i}' for i in range(n_vars)])
df['y'] = y
df['d'] = d

# 创建DoubleML数据对象
dmldata = DoubleMLData.from_pandas(df, y_col='y', treatment_col='d', 
                                  covar_col=[f'X{i}' for i in range(n_vars)])

# 初始化Lasso回归器
lasso = Lasso(alpha=0.1)

# 创建PLR模型
dml_plr = DoubleMLPLR(dmldata, lasso, lasso)

# 拟合模型
dml_plr.fit()

# 输出结果
print("系数估计:", dml_plr.coef)
print("标准误差:", dml_plr.se)
print("p值:", dml_plr.pval)
print("95%置信区间:", dml_plr.confint())

核心功能

DoubleML提供了丰富的功能来支持因果推断和机器学习估计：

模型类

• DoubleMLPLR: 部分线性回归模型
• DoubleMLPLIV: 部分线性工具变量回归模型
• DoubleMLIRM: 交互式回归模型
• DoubleMLIIVM: 交互式工具变量回归模型

主要方法

• fit(): 拟合模型并估计参数
• bootstrap(): 执行自助法推断
• confint(): 计算置信区间
• p_adjust(): 调整p值以控制多重检验
• tune(): 调整超参数

项目结构

DoubleML项目采用模块化设计，主要包含以下核心模块：

• doubleml/double_ml.py: 核心框架实现
• doubleml/data/: 数据处理模块
• doubleml/plr/: 部分线性回归实现
• doubleml/pliv/: 部分线性工具变量回归实现
• doubleml/irm/: 交互式回归模型实现
• doubleml/iivm/: 交互式工具变量模型实现
• tests/: 完整的测试套件

扩展功能

DoubleML支持多种扩展功能，包括：

• 自定义机器学习算法
• 替代重抽样方案
• 自定义得分函数
• 敏感性分析
• 多重检验校正

应用场景

DoubleML特别适用于以下场景：

• 经济学中的因果推断
• 生物统计学中的处理效应估计
• 社会科学中的政策评估
• 任何需要控制混淆变量的机器学习应用

该框架通过结合机器学习的预测能力和计量经济学的统计推断方法，为研究人员提供了强大的工具来进行可靠的因果分析。