报告行业投资评级 报告未提供行业投资评级。[1] 报告的核心观点 1) 研究了使用双重选择Lasso方法在随机实验中选择控制变量的实际应用情况。[6][7][8] 2) 发现双重选择Lasso通常只选择很少的控制变量,平均只选择3个,在超过一半的情况下甚至没有选择任何变量。[43][44] 3) 双重选择Lasso相比于单纯的协方差分析(Ancova)通常只能带来很小的标准误差改善,中位数标准误差只比Ancova小0.8%。[45][46][47] 4) 双重选择Lasso在样本量较小或存在选择性失访时可能会有更大的改善,但即使在这种情况下,改善幅度也很有限。[49][50][51] 5) 研究者需要谨慎选择输入到双重选择Lasso中的控制变量数量,过多变量可能导致关键变量(如滞后因变量)未被选中,从而降低精确度。[59][60][61] 根据相关目录分别进行总结 1. 报告行业投资评级 报告未提供行业投资评级。[1] 2. 报告的核心观点 1) 研究了使用双重选择Lasso方法在随机实验中选择控制变量的实际应用情况。[6][7][8] 2) 发现双重选择Lasso通常只选择很少的控制变量,平均只选择3个,在超过一半的情况下甚至没有选择任何变量。[43][44] 3) 双重选择Lasso相比于单纯的协方差分析(Ancova)通常只能带来很小的标准误差改善,中位数标准误差只比Ancova小0.8%。[45][46][47] 4) 双重选择Lasso在样本量较小或存在选择性失访时可能会有更大的改善,但即使在这种情况下,改善幅度也很有限。[49][50][51] 5) 研究者需要谨慎选择输入到双重选择Lasso中的控制变量数量,过多变量可能导致关键变量(如滞后因变量)未被选中,从而降低精确度。[59][60][61]