2025年10月26日上午，由伟德国际victor1946浙商资本市场研究院、战略性学科团队（财税基础理论与政策研究团队）和地方财税治理能力动态监测与智能预警实验室联合邀请山东大学陈强教授作主题授课，在下沙校区顺利举行。本次课程以“机器学习与因果推断”为主题，系统梳理了机器学习方法在经济学因果推断中的应用进展。本次课程旨在探讨机器学习在高维数据分析和因果推断中的最新应用，吸引了来自全校各院系的百余位师生及校外学者积极参与。

陈强教授首先回顾了普通最小二乘法（OLS）的基本原理及其在高维数据环境下的局限性。他指出，随着大数据时代的到来，高维数据在经济学及其他社会科学领域日益普遍，传统统计方法面临过拟合和模型误设等挑战。针对高维数据的处理，陈教授详细介绍了Lasso、Post-Lasso及Double Selection Lasso等惩罚回归方法。在因果推断部分，深入讲解了双重机器学习（DML）方法。他强调，DML通过引入Neyman正交性和交叉拟合技术，有效解决了机器学习方法在因果推断中的正则化偏差和过拟合问题。通过具体案例展示了DML在部分线性模型、交互模型及面板数据中的应用，验证了其在估计因果效应时的稳健性和有效性。

陈强教授还分享了最新的研究成果，展示了如何将DML应用于多期DID模型和一般固定效应面板模型，为参会者提供了丰富的实践指导。陈强教授在报告中强调，尽管机器学习方法在经济学中的应用仍处于发展阶段，但其与因果推断理论的结合已展现出强大的生命力。未来，随着算法不断优化与统计推断理论的进一步完善，DML等工具有望在数字经济、产业政策、环境治理等领域的实证研究中发挥更大作用。

此次主题课程系统性地介绍了如何将现代机器学习方法与传统因果推断框架相结合，以应对高维数据和非线性模型的挑战。不仅加深了师生对机器学习在高维数据分析和因果推断中应用的理解，也为未来的研究提供了新的思路和方法。