夜雨聆风跟着《管理世界》学习-R软件双重机器学习-论文复刻
《管理世界》有一篇论文采用R软件进行双重机器学习分析操作，相关结果如下：
R软件操作结果
1、加载安装包
2、执行相关结果命令
将上述结果进行整理，可以与原文进行对比，结论如下：
结果成功复刻了！与论文附表3对比：
3、结果对比表
| 15.534*** | 15.267*** | ||
| 13.854*** | 13.190*** | ||
| 1.977*** | 2.520*** | ||
| 1.393*** | 1.747*** | ||
4、结论
复刻基本成功！
四个系数全部在1%水平正向显著（***），与论文完全一致 系数大小有轻微差异（5%~25%左右），这是随机森林的正常随机性导致的（不同R/ranger版本、随机种子差异），方向和显著性完全吻合 样本量N=970，与论文一致
如果想让系数更接近论文值，可以尝试设置 n_rep=10（重复10次取平均）来减小随机波动：
双重机器学习论文操作经验
1、需要从R输出中提取哪些值？
每个回归需要汇报4个值：
Estimate | |
Std_Error | |
p_value 判断（<0.01→***, <0.05→**, <0.1→*） | |
2、复刻结果 vs 论文结果 对比汇总
根据你的输出：
Y D Estimate Std_Error t_stat p_valued oecdpat demand 15.267106 0.7153934 21.340854 4.742097e-101d1 oecdpat science 13.189841 0.6474927 20.370640 3.046724e-92d2 quality demand 2.520023 0.3039082 8.292054 1.113093e-16d3 quality science 1.746919 0.1658026 10.536137 5.886727e-26整理成论文附表3同款格式：
附表3 双重机器学习结果（你的复刻）
| demand | ||||
| science | ||||
注：、、分别表示在1%、5%、10%水平上显著，括号内为基于正交得分的标准误。
3、与论文原文结果对比
| 论文 demand | ||||
| 你的 demand | ||||
| 论文 science | ||||
| 你的 science | ||||
| 论文 N | ||||
| 你的 N |
4、为什么系数有轻微差异？
这是完全正常的，原因：
随机森林随机性：不同R版本、ranger包版本，随机森林的抽样过程略有不同 **未设置 n_rep**：原代码n_rep=1（只做1次交叉拟合），每次运行都会有波动；论文可能用了更多重复次数或不同种子关键判断标准 ✅ 方向一致（全部为正） ✅ 全部1%显著（***） ✅ 系数数量级一致 ✅ N=970完全一致
结论：复刻成功，结果可信。
更多关于双重机器学习R操作应用的入门指南手册，下一篇推文继续讲解！
