b'Abstract本文讨论了将双重/伪证机器学习(DDML)与堆叠配对,这是一种模型平均方法,用于结合多个候选学习者,以估计结构参数。除了传统的堆叠外,我们还考虑了可用于DDML的两个堆叠变体:短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担,并汇总堆叠量强制执行常见的堆叠权重,而不是交叉折叠。使用校准的模拟研究和两种估计引用和工资中性别差距的应用,我们表明,与基于单个预先选择的学习者的常见替代方法相比,堆叠的DDML对部分未知的功能形式更强大。我们提供实施建议的Stata和软件。JEL分类:C21,C26,C52,C55,J01,J08'
根据美国法律的伪证处罚规定,我谨声明上述内容真实准确,我即为所附申请书中所列的人员,现请求查阅我的记录或作为未成年人的父母或被法院判定为无行为能力的个人的法定监护人有权请求查阅的记录,并且我理解,根据 18 USC§1001 的规定,对本声明的任何伪造行为可处以罚款、五年以下监禁或二者并罚,并且根据 5 USC§552a(i)(3) 的规定,以虚假借口请求或获取任何记录可处以不超过 5,000 美元的罚款。
