该方法以居民加杠杆对消费的条件平均处理效应大小作为分组的客观依据,通过观察各分组群体的多个统计特征揭示导致异质性的特征因素,不仅可以克服事前分组具有主观色彩的不足,其高维、非线性的特点还可以有效避免多重共线性的影响。在此基础上,...
机器学习居民加杠杆是否能有效促进消费,已有研究从总量层面难以达成共识,这主要源于不同群体加杠杆对消费的影响存在差异.本文采用融合机器学习模型的GML(generic machine learning inference)因果推断方法,客观量化评估了居民加杠杆的异质性效应,并使用机器学习解释性方法识别了导致异质性效应产生的核心因素.主要得到以下结论:...
居民加杠杆是否能有效促进消费,已有研究从总量层面难以达成共识,这主要源于不同群体加杠杆对消费的影响存在差异.本文采用融合机器学习模型的GML(generic machine learning inference)因果推断方法,客观量化评估了居民加杠杆的异质性效应,并使用机器学习解释性方法识别了导致异质性效应产生的核心因素.主要得到以下结论:第一,居...