绿色金融对碳减排的因果森林处理效应及影响因素识别

运用因果森林思想方法,以中国30个省份为准实验对象,选取碳排放量作为经济绿色低碳发展的目标表征变量,以识别绿色金融政策体系的处理效应存在性及异质性。实证发现,绿色金融平均处理效应具有显著可信性特征。各省份的绿色金融平均处理效应呈现区域之间、区域之内的空间差异性格局;在进行中位数分组、三分位数分组情况下,绿色金融典型表征变量、经济发展背景变量与绿色金融个体处理效应之间的变动关系,均呈现异质性规律,以及差异化的显著可信性。因此,建议强化绿色金融政策体系的区域协同,优化绿色金融产品工具组合,创新完善绿色金融政策体系的顶层设计,渐进推动绿色低碳转型。

基于因果正则化极限学习机的风电功率短期预测方法

随着风电并网比例的逐年提高,电力系统对风电功率预测的准确性和稳定性提出了更高要求。对于同一风电场而言,为了避免不同特征选择方法所选择的风电场特征子集不同,从因果关系的角度出发,提出了一种基于因果正则化极限学习机(causal regularized extreme learning machine, CRELM)的风电功率短期预测方法。首先将极限学习机(extreme learning machine, ELM)建模为结构因果模型(structural causal model, SCM),在此基础上计算隐藏层神经元与输出层神经元之间的平均因果效应向量。然后将该平均因果效应向量与输出层权重相结合构成因果正则化项,在最小化训练误差的同时最大化网络的因果关系,以进一步提升模型的预测准确性和预测稳定性。最后,以国内蒙西某风电场数据为例,与采用特征选择或不采用特征选择的预测模型相对比,验证了所提方法的有效性和适用性。

因果效应估计在SAS软件中的实现

目的利用SAS开发的CAUSALTRT过程,实现三类估计方法的因果效应估计。方法采用SmokingWeight数据集,以戒烟为处理变量,体重变化为结局变量,其他因素为混杂变量,通过增强逆概率加权法(augmented inverse probability weighting,AIPW)对平均处理效应(the average treatment effect,ATE)进行估计,通过回归调整法(regression adjustment,REGADJ)对处理组平均处理效应(the average treatment effect for the treated,ATT)进行估计。结果戒烟对体重变化的ATE和ATT分别为3.209(95%CI:2.232~4.187)和3.276(95%CI:2.332~4.219)。结论CAUSALTRT可以实现不同的因果效应估计,但应用时需要考虑其是否满足前提假设以及注意事项。

基于Rubin因果模型的处理变量与协变量的交互效应估计

借鉴Rubin因果模型,使用似然方法测量依从者平均因果效应中的参数,进而得到依从子群体中处理变量与协变量的交互效应。模拟研究表明所提出的方法表现良好。将该方法运用在2013年全国农村住户与外来务工住户的收入调查数据中,使用明瑟收入函数法评估外出务工对依从子群体的教育收益率的影响。实证结果表明:外出务工使得依从子群体的教育收益率提升3.22个百分点。

具有不依从现象的临床试验中平均处理效应的上下界估计

在随机处理─对照的临床试验中,经常出现不依从或部分依从的现象,此时,由于所涉及到的"虚拟事实"变量,即不能观察到的潜在变量太多而不易估计其平均因果效应ACE.在仅出现完全依从和不依从情况时,Balke and Pearl利用线性规划的方法获得了ACE估计量的上下界,利用他们所提供的方法,有时会出现下界为负数,显然,这样的下界没什么实际意义.根据Angrist,Imbebns&Rubin讨论工具变量时所提出一些假设条件,导出了在不同情况下,计算ACE估计量的上下界的方法,并证明了其下界一定是非负的,所得到的上下界区间比Balke and Pearl的区间要小.同时,还讨论了部分依从情况下,ACE估计量的上下界的计算方法,并得到了相应的结果.

基于ACE-BN的通勤飞行事故/事件诱因分析

为降低我国通用航空短途运输运行安全风险,提出一种基于平均因果效应(ACE)和贝叶斯网络(BN)的事故/事件诱因分析方法。首先,分析102起美国通勤飞行事故/事件,共识别出7类19种诱因;然后,引入ACE公式确定节点的优先次序,使用K2算法构建BN结构,并采用最大期望(EM)算法进行网络参数学习,建立通勤飞行事故/事件诱因分析模型;最后,对各诱因的概率进行排序并分析诱因间的敏感性。结果表明:机组经验不足导致的事故/事件发生概率最高;机械设备情况容易受到雨雪等恶劣天气的影响;天气因素和监管因素对机组因素表现出较高的敏感性,其中,恶劣的天气会影响机翼等机械设备的正常运转,进而影响飞行员对于飞机的操作,技术和安全培训不到位会影响飞行员和管制人员的专业水平及经验技能。

具有部分依从现象的临床试验中因果效应的上下界估计

在随机处理——对照的临床试验中,除出现完全依从和完全不依从的现象外,还会出现部分依从的现象,即患者只服用部分药品。在仅出现完全依从和不依从情况时,Balke and Pearl利用线性规划的方法获得了ACE估计量的上下界,对于部分依从的情况,是将这些数据全部并入完全依从的数据,这样处理的合理性没有论述。同时,利用他们所提供的方法,有时会出现下界为负数,显然,这样的下界没什么实际意义。本文根据Angrist,Imbebns&Rubin讨论工具变量时所提出一些假设条件,导出了在部分依从情况下,计算ACE估计量的上下界的方法,并证明了其下界一定是非负的。

混杂存在时因果效应边界的研究

平均因果效应是反映总体中平均处理效果的一个常用的度量.在不可观测的混杂因素存在时,平均因果效应往往很难由直接的方法来估计.本文基于Vander Weele和Chiba的理论结果对两种边界进行比较研究,通过实例和模拟研究给出一些建议,以为实际领域的工作者进行有效的分析和使用.

不依从情形下因果效应的可识别性分析

基于虚拟事实模型进行因果推断时,由于反事实效应的存在,个体的因果效应无法识别.为了克服反事实的困难,随机干预试验是一个很好的选择,很容易得到总体的平均因果效应.理想的随机化试验中,实验组与对照组的个体完全按照分配行动.但是,在实际研究中,被研究的个体可能会出现不依从、提前离开等情况,进而会导致不依从与不可忽略缺失值的数据存在.在这种情况下,总体的平均因果效应一般是不可识别的,此时,关注的重点便转为依从者的平均因果效应.文章假设因变量是二分类的,且不存在协变量的情况下,基于logistic模型使用联合似然的方法,得到的结论是:①如果描述缺失机制模型中的参数可识别,则整个模型中的参数可识别;②如果描述缺失机制模型中的参数的可识别性未知,则整个模型中的参数是不可识别的.由于模型不可识别,文章最后采用2009年Chen等文章中的方法对CACE中涉及到的感兴趣的参数进行了模拟.

因果推断中的混杂控制

因果分析中混杂的控制是一个难题．本文探讨总体平均效应估计中混杂的控制问题，给出充分控制子集的识别方法．

案例驱动的教学改革对数据挖掘课程教学效果的影响

基于学生考试成绩的调查数据,针对数据挖掘课程教学中存在的问题,文章提出了案例驱动的教学改革方案。在数学基础成绩无显著差异的情况下,通过方差不等的独立样本t检验,表明教学改革后统计专业和信科专业的数据挖掘成绩存在显著差异。利用Rubin的反事实因果效应理论,在可忽略假设的条件下,以数据挖掘的考试成绩为因变量,以是否进行教学改革为处理标识变量,以数学基础成绩和性别为自变量,建立因果推断效应模型。结果显示,教学改革的平均因果效应为2.13,95%置信区间为[0.46,3.81]。

依从者平均因果效应的统计推断

本文主要研究临床试验中出现不依从现象时依从子总体的平均因果效应的统计推断。考虑在实际服药状态是二值变量且有相关性,治疗响应变量连续取值的情形,同时考虑协变量对治疗效果有影响的情况下,给出了治疗效果参数的可识别性及近似条件极大似然估计,且构造了记分检验统计量。对特殊模型进行了模拟,结果表明与理论预期一致。

协变量含误差和输出变量误分类时处理组平均处理效应的估计

经典的逆概率加权估计方法依赖于变量的精确测量,然而实际上这一条件有时得不到满足.文章研究了当协变量带有测量误差和输出变量误分类时,处理组平均处理效应的估计问题.基于纠偏的思想和条件得分方法,讨论了加权估计方法中加权函数的构造和估计方法,并进一步给出了处理组平均处理效应的相合估计.模拟研究和实例分析表明了所提出方法的优越性.

吉多·因本斯对因果关系分析的方法论贡献——2021年度诺贝尔经济学奖得主学术贡献评介

吉多·因本斯由于在因果关系分析的方法论贡献而分享2021年度诺贝尔经济学奖。本文主要从三个方面来介绍因本斯的学术成就:第一,因本斯针对自然实验中的异质性和非依从性问题,将工具变量与潜在结果框架相结合,建立基于研究设计的局部平均处理效应框架,并对得到的估计值进行了清晰的阐释。第二,因本斯将LATE框架进行拓展,使之应用范围更广,同时对LATE的外部有效性做出了解释。第三,因本斯在倾向得分和匹配估计、断点回归设计、双重差分法和机器学习等因果推断方法上做出了突出贡献。社会科学中许多重大问题都涉及因果关系,因本斯的研究提高了人们回答因果问题的能力,对学术界大有裨益。

带有测量误差协变量和不可观测反应变量下的因果推断

在反应变量不可观测且协变量带有测量误差的条件下,提出了平均因果效应计算的一个方法.给出了该方法下平均因果效应平方的偏差表达式,并进一步指出该偏差的影响因素.通过模拟实验,具体分析了各因素对偏差的影响大小和方向,为实际应用提供一定的参考.

手机上网能帮助老年人实现老有所乐吗——基于CHARLS数据的研究

基于2018年中国健康养老追踪调查数据(CHARLS),运用Logistic回归、倾向得分匹配、平均因果中介效应方法,探究手机上网对老年人愉快感的影响.研究表明,使用手机支付和微信有助于提高老年人的愉快感,且经倾向得分匹配后结果仍然稳健.并且,异质性分析显示,在消除选择偏差后,网络使用对农村老年人愉快感的提升效果高于城市老年人.此外,中介效应分析显示,参与社交活动在手机上网促进愉快感的路径中起到了中介作用.

断点回归设计在临床治疗性研究中的应用

随机对照试验的证据等级较高,但因其实施成本较高、外部真实性较低和伦理要求等原因而限制了其在临床开展和应用,而传统的观察性研究由于存在各种混杂因素导致内部真实性降低,从而降低了证据等级。断点回归设计(regression discontinuity design,RDD)是在自然条件下观察比较阈值附近的人群,其控制混杂的能力仅次于随机对照试验,可提供较高等级证据。它适用于干预(或暴露)与某连续变量的数值直接相关的情况,如HIV患者是否需要抗逆转录病毒治疗主要取决于其CD4细胞计数是否低于200/μL。因为连续变量的测量存在随机误差,在阈值附近是否给予干预是接近随机的,阈值附近干预和非干预组患者基线应该是均衡可比的。根据这一假设,比较阈值附近人群的结局,即可估计干预(或暴露)与结局的因果效应。RDD在医学中主要适用于分类结局的研究,其中两阶段最小二乘法、基于似然比的估计方法、贝叶斯方法是较常用的模型估计方法。然而,RDD的适用条件和对样本量的要求限制了其在医学中的广泛应用,随着数据可及性的提高和真实世界研究的发展,RDD将更多地应用于临床研究中。

2021年度诺贝尔经济学奖获得者研究工作评述

2021年诺贝尔经济学奖授予了三位美国经济学家,分别是Card、Angrist以及Imbens。其中,Card的获奖原因是"对劳动经济学的实证研究贡献"。Angrist和Imbens的获奖原因是"对因果关系分析的方法论贡献"。本文尝试对三位获奖者的研究工作进行梳理与总结,讨论其研究对于我国劳动经济学与因果推断理论研究的启示与展望。