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

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：

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）

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

4、为什么系数有轻微差异？

这是完全正常的，原因：

1. 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
2. **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
3. 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！