异质性效应识别路径：理论框架、方法演进与实践应用

20XX/XX/XX异质性效应识别路径：理论框架、方法演进与实践应用汇报人:XXXCONTENTS目录01

异质性效应的理论基础02

异质性效应识别的传统方法03

机器学习驱动的识别方法04

Meta分析中的异质性处理CONTENTS目录05

实证案例与应用场景06

识别路径优化与稳健性策略07

未来展望与挑战异质性效应的理论基础01异质性效应的核心概念与内涵异质性效应的定义异质性效应（HeterogeneousTreatmentEffects,HTE）指同一干预或暴露在不同个体、群体或条件下产生的效果差异，核心表现为处理效应随个体特征或环境因素的变化而改变。异质性效应的类型划分根据来源可分为个体异质性（如患者遗传背景差异）、时间异质性（如政策效应随经济周期变化）和交互异质性（如技术与人力资本的协同作用），不同类型需针对性分析。与平均效应的区别与联系平均处理效应（ATE）反映整体平均效果，而异质性效应关注子群差异。例如他汀类药物对痴呆风险的ATE无显著关联，但在nonAPOE-PRS高遗传风险亚群中显著降低发病风险，体现了从“平均效应”到“个性化效应”的研究转向。核心度量指标关键指标包括个体处理效应（ITE）、条件平均处理效应（CATE），前者关注单一个体差异，后者聚焦特定特征群体的平均效应，需结合潜在结果框架（Neyman-RubinCausalModel）进行识别。潜在结果框架与效应层次结构潜在结果框架的核心定义基于Neyman-Rubin因果模型，定义个体i接受处理时的潜在结果Y_i(1)与未接受处理时的潜在结果Y_i(0)，个体处理效应ITE为两者之差τ_i=Y_i(1)-Y_i(0)。需满足稳定单元处理值假设(SUTVA)与可忽略性假设以确保因果识别。效应层次的三级结构包括平均处理效应(ATE)即总体平均效应E[τ_i]，条件平均处理效应(CATE)即特定特征群体的平均效应E[τ_i|X_i=x]，以及个体处理效应(ITE)即单个样本的效应值，构成从整体到个体的完整效应谱系。框架的实践意义该框架为异质性分析提供理论基础，如北京大学胥洋团队研究显示，他汀类药物对痴呆风险的影响存在基于nonAPOE-PRS遗传评分的CATE差异，验证了群体层面效应异质性的存在。异质性效应的分类与表现形式基于研究特征的分类

包括临床异质性（如受试者、干预措施差异）、方法学异质性（如研究设计、偏倚风险不同）和统计学异质性（效应量多样性），是Meta分析中异质性的核心类型。基于数据维度的表现形式

空间异质性体现为区域差异，如货币政策在东中西部的执行效果不同；时间异质性表现为动态变化，如经济政策在不同周期的效应差异。基于处理效应的分类

个体异质性指不同个体对同一干预反应差异，如他汀类药物对不同遗传背景患者痴呆风险的影响；交互异质性体现为效应与其他变量关联，如企业数字化水平与补贴政策效果的协同作用。异质性分析的理论意义与价值

破解辛普森悖论，揭示真实效应异质性分析能够解决组内趋势与整体趋势相异甚至相反的辛普森悖论，例如在企业创新研究中，不同规模企业对同一政策可能存在截然不同的反应，避免因忽略群体差异导致错误结论。

识别理论边界，验证机制条件性通过异质性分析可检验理论成立的边界条件，如政府补贴对企业创新的促进作用可能仅在融资约束较高的企业中显著，帮助明确理论适用范围与前提假设。

优化资源配置，提升政策精准性揭示处理效应在不同群体中的差异，如他汀类药物对痴呆风险的影响因遗传背景（nonAPOE-PRS）而异，为精准施策和个性化干预提供科学依据，避免“一刀切”政策的低效。

推动理论发展，深化因果理解异质性分析挑战传统平均效应假设，如人工智能对区域经济增长的影响存在东中西部差异，促使理论模型更精细化，推动因果推断从“平均效应”向“条件效应”和“个体效应”演进。异质性效应识别的传统方法02分组回归方法与应用场景分组回归的核心原理基于研究特征（如企业规模、地区发展水平）将总样本划分为子样本，在各子样本中独立估计模型，通过比较关键变量系数的显著性与大小差异揭示异质性效应。适用场景与优势适用于特征维度明确、样本量充足的研究，可直接比较不同组别效应差异，如按产权性质、投资机会分组分析金融强监管对商业信用再配置的影响。局限与注意事项依赖主观分组标准可能遗漏重要异质性维度，分组后样本量减少会降低估计效率，需通过组间系数差异性检验确保统计显著性。典型案例应用汤晟等（2025）按产权性质、市场化程度分组，运用强度双重差分模型发现金融强监管对商业信用再配置的效应在不同产权性质企业中存在显著差异。交互项分析的模型设定与实现基本模型构建通过在基准回归中引入核心解释变量与异质性特征变量的乘积项，构建交互项模型：Y=β₀+β₁Treatment+β₂Characteristic+β₃(Treatment×Characteristic)+Controls+ε，其中β₃用于判断效应是否随特征变化。变量选择原则Characteristic需为可观测的个体/群体特征（如企业规模、年龄分组、地区发展水平），且与核心解释变量存在理论上的效应调节关系，避免多重共线性问题。Stata实现命令基础命令：regYTreatmentCharacteristicc.Treatment#c.CharacteristicControls，其中c.表示连续变量交互；分类变量交互可使用i.Treatment#i.Characteristic。结果解读要点若交互项系数β₃显著，表明异质性效应存在：正系数说明特征值越高，处理效应越强；负系数则相反。需结合特征变量的实际含义解释经济意义。应用案例参考刘一伟等（2025）在长期护理保险政策研究中，引入“有无其他劳动力在职”虚拟变量与政策变量的交互项，发现政策对无其他劳动力家庭的创业促进效应更显著。传统方法的局限性与挑战

分组回归的固有缺陷依赖主观分组标准，如按企业规模或地区划分，可能遗漏关键异质性维度；分组后样本量减少导致估计效率下降，标准误增大，结论可信度降低。

交互项模型的先验依赖需事先明确异质性来源（如企业年龄、行业属性），若遗漏关键调节变量（如数字化水平），仍可能低估真实异质性效应；易引发多重共线性问题。

统计效能与维度灾难当协变量维度超过3-4个时，子群数量呈指数级增长，导致“维度灾难”；多重比较未校正时，第一类错误率显著上升，易产生“伪异质性”结果。

同质性假设的现实冲突传统固定效应模型假设所有个体回归系数相同，掩盖真实差异。如环保政策评估中，忽略异质性可能得出“政策使企业产出平均下降3%”的错误结论，实则高污染企业下降10%而低污染企业增长2%。U型异质性分析的实践案例

企业研发投入与绩效的U型关系以某行业1000家企业数据为例，构建模型Y=β₀+β₁X+β₂X²+ε，其中X为研发强度。结果显示β₁为负且显著，β₂为正且显著，拐点计算值为0.45，表明研发强度低于45%时增加投入可能降低绩效，超过该值后则绩效提升。

U型关系的统计检验与可视化采用Lind和Mehlum(2010)三条件检验法，通过utest命令验证U型关系存在(p<0.05)。绘制边际效应图，清晰展示研发投入对绩效的边际影响随投入水平变化，并标注拐点位置(0.45)，直观呈现U型曲线全貌。

稳健性检验与结果讨论通过加入行业固定效应、使用稳健标准误等方法进行稳健性检验，结果稳健。研究表明，企业需根据自身研发强度合理调整投入策略，低于拐点时注重资源优化，高于拐点时加大研发以提升绩效，为企业决策提供科学依据。机器学习驱动的识别方法03因果树与因果森林模型原理

01因果树：递归分割识别异质性因果树由Athey&Imbens提出，通过递归分割最大化子群处理效应差异，采用诚实估计（独立样本划分与叶节点估计）降低过拟合风险，分裂准则基于左右子群平均效应差值平方最大化，适用于中等维度协变量的子群效应定位。

02因果森林：集成方法提升稳健性因果森林是因果树的集成扩展，通过Bootstrap抽样构建多棵因果树，采用去相关分裂降低特征相关性干扰，局部加权估计增强对目标个体的CATE估计精度，具备Oracle性质，在高维数据中仍能保持统计效率，是当前主流的HTE估计方法之一。

03核心差异：从单树到森林的进化因果树单模型易受样本波动影响，因果森林通过集成策略显著降低方差；因果树解释性强但泛化能力有限，因果森林牺牲部分可解释性换取更稳健的效应估计，二者共同构成基于树模型的异质性识别技术体系。元学习器框架（T-Learner/X-Learner）

T-Learner：双模型独立估计T-Learner通过分别构建处理组和对照组的预测模型（如XGBoost、线性回归），独立估计潜在结果，再计算个体处理效应。适用于处理效应异质性较弱的场景，实现简单但可能受模型设定影响。

X-Learner：两阶段集成学习X-Learner先训练处理组和对照组模型，再基于倾向得分加权构建效应模型，融合两阶段估计结果。在小样本或高维协变量下表现更优，如某医疗研究中其CATE估计误差较T-Learner降低18%。

核心优势：灵活整合机器学习模型元学习器可兼容任意基础模型（如随机森林、神经网络），无需假设效应函数形式。例如在他汀类药物疗效研究中，X-Learner成功识别出nonAPOE-PRS高分组的显著保护效应。

实践挑战与解决方案面临模型选择偏差和过拟合风险，可通过交叉验证（CV）和样本分割（SampleSplitting）优化，如某实证研究采用5折交叉验证使X-Learner的均方误差降低23%。双重机器学习（DML）方法

DML方法的核心思想双重机器学习通过将模型估计分为两个阶段，有效分离处理效应估计与协变量影响，降低模型误设偏差。其核心是利用机器学习灵活拟合结果模型和处理模型，再通过残差回归识别条件平均处理效应（CATE）。

两阶段估计流程第一阶段：分别用机器学习模型（如随机森林、神经网络）估计结果变量（Y）和处理变量（T）的条件期望，得到残差；第二阶段：以处理变量为核心解释变量，残差为被解释变量进行回归，得到处理效应估计。

高维数据处理优势适用于协变量维度较高（如基因数据、电子病历特征）的场景，通过正则化和特征选择技术，在控制混杂的同时避免维度灾难，如在他汀类药物疗效异质性研究中整合高维遗传变量。

统计推断与稳健性提供渐近有效的置信区间，支持对异质性效应的统计检验。例如，基于DML的因果森林模型可量化不同子群（如高遗传风险人群）的处理效应差异，并通过交叉拟合降低过拟合风险。高维稀疏数据下的异质性识别高维稀疏数据的挑战当协变量维度d>500（如含ICD编码、实验室检验稀疏序列、文本主诉嵌入）时，传统方法易因维度灾难导致过拟合，将噪声误判为真实效应差异。核心技术路径采用稀疏感知编码（如GLMNet+注意力掩码）处理高维特征，结合因果森林（CausalForest）或元学习器（如X-learner）捕捉复杂交互效应，通过样本分割与交叉拟合降低过拟合风险。稳健性保障策略引入结构先验（如临床因果图DAG）约束模型，结合多重检验校正（FDR控制）与敏感性分析（如Wasserstein距离漂移检测），确保识别结果的因果可解释性与泛化能力。Meta分析中的异质性处理04Meta分析异质性的定义与分类

异质性的核心定义异质性是指Meta分析中纳入的不同研究之间存在的差异，这些差异可能导致研究结果的不一致性，影响Meta分析结果的准确性和可靠性。

临床异质性指所研究的受试者、干预措施和结局的变异，例如不同研究中患者的年龄、疾病严重程度、治疗剂量等方面的差异。

方法学异质性源于研究设计中的多样性和偏倚风险，如随机化方法、盲法实施、样本量大小、随访时间等研究方法上的不同。

统计学异质性是临床异质性和方法学异质性的结果，表现为不同研究中所评估的干预效应存在多样性，可通过Q检验、I²检验等方法进行量化评估。异质性的统计检验方法（Q检验/I²检验）

Q检验：异质性的显著性检验Q检验通过计算各研究效应量的加权平方偏差总和，检验研究间差异是否仅由随机误差导致。其原假设为各研究效应量同质，若P值<0.05则拒绝原假设，提示存在统计学异质性。但当纳入研究数量较少时，检验效能较低，可能无法检出潜在异质性。

I²检验：异质性程度的量化指标I²统计量用于衡量异质性在效应量总变异中所占比例，取值范围为0%-100%。通常认为I²≤25%为低异质性，25%-50%为中等异质性，>50%为高异质性。相比Q检验，I²检验受样本量影响较小，更适合评估异质性的实际意义。

两种方法的联合应用与解读实际研究中常联合使用Q检验和I²检验：Q检验显著（P<0.05）且I²>50%时，需重点关注异质性来源；若Q检验不显著但I²较高，可能因样本量不足导致假阴性，需结合临床/方法学异质性综合判断。例如，在Meta分析中，当I²=60%且Q检验P=0.02时，提示存在中度以上统计学异质性。异质性处理策略：亚组分析与Meta回归01亚组分析：基于先验特征的分层探索根据研究对象的关键特征（如年龄、性别、疾病严重程度、企业规模、地区等）进行预先分组，在各亚组内独立进行效应估计，通过组间效应差异揭示异质性来源。例如，在他汀类药物对痴呆发病风险的研究中，按nonAPOE-PRS遗传评分高低分组，发现高评分亚组用药显著降低阿尔茨海默病风险，而低评分亚组无此效应。02Meta回归：量化协变量对效应的调节作用将研究层面的协变量（如样本量、干预剂量、研究质量等）纳入回归模型，评估其对合并效应量的影响，识别潜在的效应修饰因子。例如，在人工智能对区域经济增长影响研究中，通过Meta回归可量化劳动力稀缺程度、资本丰裕度等变量对AI经济效应的调节强度。03方法对比与适用场景选择亚组分析适用于特征维度明确、样本量充足的情况，结果直观但可能受分组主观性影响；Meta回归适用于连续或多分类协变量，能量化调节效应但需控制多重共线性。实际应用中常结合使用，如先通过亚组分析发现初步异质性，再用Meta回归验证关键协变量的独立作用。固定效应与随机效应模型选择

模型核心假设差异固定效应模型假设研究间效应一致，仅存在抽样误差；随机效应模型则认为研究间存在真实差异，效应服从正态分布。

异质性程度决策依据当I²≤50%且Q检验无统计学意义（P>0.1），提示同质性较好，优先选择固定效应模型；反之若I²>50%或Q检验显著（P≤0.1），需采用随机效应模型。

研究数量与目的考量纳入研究≤5篇时，固定效应模型可减少小样本偏倚；若需综合不同总体的效应（如多中心研究），随机效应模型更贴合归纳总结目的。

模型选择的决策流程先通过I²和Q检验评估异质性，结合研究数量与推断目的选择模型；若异质性来源明确，可采用亚组分析或Meta回归后再选择模型。实证案例与应用场景05药物治疗效应异质性研究（他汀类药物案例）研究背景与争议他汀类药物作为动脉粥样硬化性心血管疾病一线用药，其对老年人群痴呆发病风险的影响长期存在争议，既往研究结论不一致可能源于药物的治疗效应异质性。研究方法与数据胥洋副研究员团队利用英国生物样本银行（UKBiobank）数据，构建36个序贯目标模拟试验，纳入18366名55岁及以上人群（他汀新用药者与未用药者各9183名），首次将目标试验模拟框架与因果推断机器学习算法（迭代因果森林）相结合。关键研究发现在总体人群中未发现他汀类药物与新发全因痴呆或阿尔茨海默病风险的显著关联；但在排除APOE基因区域后计算的阿尔茨海默病多基因风险评分（nonAPOE-PRS）较高的亚组中，他汀使用显著降低阿尔茨海默病发病风险，全因痴呆风险亦呈下降趋势，而在nonAPOE-PRS较低亚组未观察到该保护性关联。研究意义与启示该研究揭示他汀类药物对痴呆风险的影响具有基于遗传背景的个体差异，提示不能仅依据总体人群平均效应判断药物与疾病风险关系，为基于遗传和个体特征的痴呆精准预防策略提供新证据，推动精准医学研究。区域经济异质性分析（人工智能与货币政策）

人工智能对区域经济增长的异质性影响基于2012-2019年工业机器人数据的实证研究表明，人工智能显著促进东部、中部及东北地区经济增长，对西部地区影响不显著；在劳动力稀缺且资本丰裕的东部地区，促进作用更凸显。

人工智能影响区域经济的传导机制差异东部地区通过提升劳动力生产率、优化就业结构实现“创新驱动转型”；中部地区促使劳动力向生活性服务业转移，但工资水平未同步提升；东北地区因劳动力外流等因素，工资水平下降抑制增长效应。

货币政策区域异质性效应的空间特征中国货币政策执行效果存在空间自相关性和异质性，地理加权回归模型（GWR）估计优于传统OLS；经济增长、物价水平和固定资产投资均有影响，其中物价水平是最主要因素。

区域异质性分析的政策启示人工智能发展需立足区域比较优势，推动东中西部产业合理分工；货币政策调控应关注区域物价差异，将稳定物价总水平放在突出位置，实现精准施策。企业创新异质性效应评估企业异质性维度与创新响应差异企业创新效应异质性体现在产权性质、规模、行业属性等维度。如民营企业对创新补贴的探索式创新响应更敏感，而国有企业仅对专项补贴显著反应；高研发投入企业的技术创新产出弹性高于低研发企业。创新政策的异质性激励效应创新专项补贴与普惠性补贴存在最优激励区间，过高补贴可能抑制自主创新。例如，新能源汽车产业中，政策对民营企业的创新策略引导效应显著强于国有企业，且不同发展阶段企业的响应模式存在动态变化。技术创新对出口产品质量的异质影响路径技术创新通过质量提升、品牌塑造和市场拓展路径影响出口产品质量，其效应因企业类型（如高新技术企业vs传统制造企业）、地域（东部沿海vs中西部）和行业技术密集度而异，需结合企业异质性特征制定差异化策略。面板数据中的异质性建模实践面板数据结构与异质性契合优势面板数据通过N个个体（如企业、地区）在T个时间点的观测，形成N×T二维矩阵，可同时控制个体固定特征与时间共同冲击，适合捕捉个体、时间及交互异质性，克服截面或时间序列数据的单一维度局限。传统建模方法及其局限性分组回归依赖主观先验分组，易导致样本量减少和估计效率下降；交互项模型需预设异质性来源，难以捕捉高维或复杂交互效应；固定/随机效应模型假设系数同质性，掩盖关键差异，可能导致政策评估失真。前沿建模方法应用与选择面板分位数回归可捕捉解释变量对被解释变量不同分位的异质性影响，如低收入群体消费弹性高于高收入群体；变系数模型允许系数随个体或时间变化，通过核估计或样条函数刻画非线性特征；机器学习方法（如随机森林CATE估计）能自动识别关键调节变量，提升复杂异质性的识别精度。建模流程与稳健性检验策略实践中需结合数据特征选择方法：关注分布差异用分位数回归，已知调节变量用交互项模型，高维复杂异质性用机器学习；需通过不同分组标准、模型设定及安慰剂检验验证结果稳健性，避免伪异质性。识别路径优化与稳健性策略06样本分割与交叉拟合技术

01样本分割的核心逻辑将原始数据随机划分为主样本与辅助样本，辅助样本用于训练处理效应预测模型（如因果森林、元学习器），主样本用于效应推断，实现模型训练与推断数据的完全独立，从根本上避免过拟合风险。

02交叉拟合的迭代优化通过多轮样本分割与模型训练，将辅助样本训练的模型应用于主样本生成效应估计，再交换样本角色重复过程，最终整合多轮结果降低估计方差，提升异质性效应识别的稳健性。

03应用场景与优势适用于高维协变量、小样本或复杂交互效应场景，如医疗领域基于电子病历数据识别药物异质性疗效。相比传统单一模型，可使处理效应估计偏差降低30%-50%，尤其在存在未观测混杂时表现更优。多重检验校正与敏感性分析多重检验校正的必要性在异质性效应识别中，子群划分或多维度分析易导致多重比较问题，增加第一类错误率。如未校正，可能将随机噪声误判为真实效应差异，尤其在高维协变量或小样本场景下更为突出。常用多重检验校正方法包括Bonferroni校正（严格控制家族误差率）、FDR控制（如Benjamini-Hochberg法，适用于探索性分析）和封闭检验程序（针对预设假设的验证性分析）。例如，在35个实验中约77%存在异质性，需通过校正确保结果可靠性。敏感性分析的核心策略通过改变模型参数（如因果森林的最小杂质减少量）、协变量集合或划分阈值，评估子群结论的稳健性。例如，采用不同分组标准验证异质性模式是否一致，或通过安慰剂检验排除“伪异质性”。结合可解释AI的验证方法利用SHAP值、LIME等工具解读子群形成逻辑，增强结果可信度。如在他汀类药物对痴呆风险的异质性研究中，通过敏感性Q值检验（Q<0.3为稳健）确保遗传背景亚组效应的可靠性。效应异质性的可视化方法

森林图：直观呈现研究间效应差异通过绘制效应量及其置信区间，展示不同研究或亚组的效应大小与异质性。例如在Meta分析中，可清晰对比各研究的效应值分布及整体合并效应。

交互效应图：展示调节变量作用以调节变量为横轴，效应量为纵轴，绘制不同组别或条件下的效应变化趋势。如在政策评估中，可呈现不同地区（东/中/西部）政策效应的梯度差异。

边际效应图：连续变量异质性展示通过曲线或折线图呈现自变量变化对因变量边际效应的动态影响。例如U型异质性分析中，可直观显示研发投入与企业绩效间的非线性关系及拐点位置。

热力图与分位数图：高维异质性探索热力图通过颜色深浅展示不同特征组合下的效应强度；分位数图可对比不同分位水平（如10%/50%/90%）的效应差异，适用于高维协变量或复杂交互场景。政策效应分解框架与伪异质性规避

政策效应分解的核心维度基于Heiler和Knaus(2025)框架，组间政策效应差异可分解为效应异质性、分配差异及调整成分。效应异质性（Δ1）反映不同群体对同一干预的真实反应差异；分配差异（Δ2-Δ4）体现群体间干预方式分配概率及与潜在收益错配；调整成分（Δ5）为控制变量带来的误差项。

伪异质性的两大成因伪异质性源于干预分配机制偏差与效应评估混淆。例如，职业技能培训中性别差异可能因女性被分配至低回报课程（分配差异），而非能力差异；或因模型未控制行业变量，将行业特征误判为群体效应差异。

双重机器学习分解方法采用DoubleMachineLearning(DML)方法，通过交叉拟合分离政策效应与分配机制。以JobCorps案例验证：性别工资差异中，72%源于培训课程分配差异，仅28%为真实效应异质性，有效剥离伪异质性。

实证应用中的规避策略实践中通过三重策略规避伪异质性：1.采用实验前协变量（如用户历史活跃度标签）确保分析维度与处理分配独立；2.运用CATE模型识别条件平均处理效应，控制高维交互；3.实施样本分割与敏感性分析，验证子群效应稳健性。未来展望与挑战07动态异质性与时空效应建模

动态异质性的核心内涵动态异质性指同一干预或处理效应随时间推移而变化的特性，例如货币政策在经济上行期与下行期对企业投资的影响存在差异，或药物疗效在不同治疗阶段表现出不同效果。

时空效应的维度特征时空效应表现为系统在空间分布上的非均匀性（如区域经济发展差异）和时间演变上的非平稳性（如季节性交通流量变化），二者相互作用形成复杂的动态特征，如城市扩张中的功能分异区演变。

建模方法与技术工具常用方法包括空间计量经济学模型（如空间杜宾模型）、地统计学方法（如克里金插值）及机器学习中的时空图神经网络（STGNN），例如利用连续时间因果图（CT-CG）捕捉时变解释能力，识别“启动透析后3个月内华法林疗效窗口期”。

实践应用与挑战应用于城市规划资源配置、供应链物流优化及公共安全犯罪预测等场景。挑战在于高维稀疏数据处理、动态参数估计及多源数据融合，需结合敏感性分析与不确定性校准提升模型稳健性。因果推断与机器学习的深度融合

融合的核心目标旨在解决传统方法在高维协变量、复杂交互效应下的局限性，实现对异质性处理效应（HTE）更精准的识别与估计，推动从平均效应到个性化效应的跨越。

典型融合方法包括因果森林（CausalForest），通过集成学习降低方差，自适应发现效应异质性模式；元学习器（如X-learner），将CATE估计分解为多个监督学习子问题，灵活整合各类机器学习模型。

关键技术策略采用样本分割与交叉拟合（Cross-fitting）分离模型训练与推断过程，引入正则化与结构性先验知识（如因果图），平衡模型灵活性与统计推断稳健性，减少过拟合与虚假异质性。

实践价值与挑战已成功应用于医疗（如他汀类药物对痴呆风险的遗传异质性分析）、政策评估等领域。挑战在于高维稀疏数据处理、模型可解释性（如结合SHAP值、LIME）及统计推断理论完善。真实世界数据中的异质性研究真实世界数据的特征与挑战真实世界数据具有样本量大、来源多样、随访时间长等特点，但存在数据质量参差不齐、缺