Beyond Interaction Effects: Two Logics for Studying Population Inequalities

创建于 2026-01-09T10:48:32.374868+08:00 更新于 2026-01-09T11:31:48.387392+08:00

摘要

本文比较了两类研究人群因果效应异质性的逻辑与方法：基于假设的交互项（deductive）与基于算法的因果机器学习（inductive），并通过仿真实验说明：当真实效应遵循简单线性交互时，传统OLS交互模型表现良好；当效应包含高阶非线性与离散交互时，因果森林等方法能显著降低均方误差并更准确恢复关键子群的CATE（例如仿真中少数族裔女性高收入子群）[page::1][page::17][page::21]

速读内容

深度阅读