Testability of Reverse Causality Without Exogenous Variation
没有外生变异时反向因果关系的可检验性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究反向因果、因果方向及缺乏外生变异时基于模型限制的检验。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
没有外生变异时反向因果关系的可检验性
- 研究问题
- 在没有工具变量等外生变异的情况下，能否利用非线性函数关系及残差与拟定原因的依赖，检验因果方向，并容纳控制变量与异方差？
- 方法与思路
- 作者施加非线性且误差加性可分的模型限制，通过概率分布的再生核希尔伯特空间嵌入检验条件独立，并用模拟和德国调查数据演示。
- 材料陈述的贡献
- 摘要称，反向因果在缺乏外生变异时仍可检验；方法将既有结果扩展到含控制变量和异方差误差的情形，并展示检测因果方向的能力。
- 阅读关注点
- 应核对非线性和加性误差限制如何区分方向、控制变量与异方差的允许形式，以及残差生成和条件独立检验如何处理估计误差。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未给出完整可检验性条件或应用数值，无外生变异的结论仍依赖所施加的模型限制。
原文摘要
This paper shows that testability of reverse causality is possible even in the absence of exogenous variation, such as in the form of instrumental variables. Instead of relying on exogenous variation, we achieve testability by imposing relatively weak model restrictions and exploiting that a dependence of residual and purported cause is informative about the causal direction. Our main assumption is that the true functional relationship is nonlinear and that error terms are additively separable. We extend previous results by incorporating control variables and allowing heteroskedastic errors. We build on reproducing kernel Hilbert space (RKHS) embeddings of probability distributions to test conditional independence and demonstrate the efficacy in detecting the causal direction in both Monte Carlo simulations and an application to German survey data.