干旱区农技社会化服务试点政策对县域粮食生产的激励效应——基于双重机器学习因果推断
评估干旱区农技社会化服务试点政策对县域粮食产量的因果效应。
← 主题
#因果推断
Causal Effects of Climate-Smart Agriculture Adoption on Smallholder Welfare and Food Security in Zambia: Evidence from Endogenous Switching Regression, Double Machine Learning, and Bayesian Estimation
Causal Effects of Climate-Smart Agriculture Adoption on Smallholder Welfare and Food Security in Zambia: Evidence from Endogenous Switching Regression, Double Machine Learning, and Bayesian Estimation。Research Square
数字技术能提升粮食生产韧性吗?——基于双重机器学习的因果推断——许佳彬等《智慧农业(中英文)》2026年第3期
许佳彬、秦亚茹、温浩洋、仇焕广、崔钊达在《智慧农业(中英文)》2026年第3期发表《数字技术能提升粮食生产韧性吗?——基于双重机器学习的因果推断》论文。研究聚焦数字技术对粮食生产韧性的因果效应,基于中国省级面板数据,运用双重机器学习(DML)方法有效解决高维控制变量与潜在混杂问题,准确估计数字技术对粮食生产韧性的处理效应。研究发现,数字技术显著提升粮食生产韧性,主要通过要素重组效应、数据要素与传统生产要素的协同配置等中介机制实现;数字技术的赋能效应呈现区域异质性,在粮食主产区和数字基础设施较好的地区效应更为显著。基于研究结论,建议构建数字农业社会化服务新体系,依托数字平台的规模效应,有效弥合小农户与现代农业之间的数字鸿沟,推动粮食生产韧性持续提升。
基于因果推断和机器学习的农田玉米产量预测模型
王毅、崔茜彤、王晨、熊宝伟、邵国敏、王琬莹、曹培、韩文霆(西安财经大学/西北农林科技大学/西安理工大学)针对传统玉米产量预测方法难以揭示变量间因果关系的问题,提出融合因果推断与机器学习的预测方法:基于遥感指数、气象数据、土壤剖面湿度和阶段性作物观测数据等多源异构信息,采用偏相关与瞬时条件独立算法系统分析玉米产量与各影响因子之间的因果关系,构建可解释的玉米产量预测模型。