Potential weights and implicit causal designs in linear regression
线性回归中的潜在权重与隐含因果设计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：摘要直接讨论处理分配、潜在结果及线性回归的准实验因果解释，并刻画精确和近似解释条件，归入因果推断。
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
线性回归中的潜在权重与隐含因果设计
- 研究问题
- 何种真实处理分配机制能使线性回归对任意潜在结果都具有准实验解释，又如何衡量对这种解释的近似程度？
- 方法与思路
- 作者提出准实验解释的最低标准，推导其对真实处理分布施加的线性限制，将满足限制的机制定义为隐含设计。
- 材料陈述的贡献
- 摘要称真实设计属于隐含设计当且仅当回归具有精确准实验解释，并将框架用于文献调查及九项研究的定量评估。
- 阅读关注点
- 应核对潜在结果对比与潜在权重的定义、近似设计的距离度量，以及真实分配机制和估计目标如何在应用中确定。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未列出具体限制与距离定义，文献调查结论也待核对。
原文摘要
Applied researchers routinely use linear regression to estimate causal effects, justified by quasi-experimental treatment variation, while leaving assumptions on treatment assignment implicit. We formalize a minimal criterion for quasi-experimental interpretation -- that the regression estimates some contrast of potential outcomes under the true assignment process, regardless of potential outcomes -- and characterize its implications for arbitrary regressions. This criterion implies linear restrictions on the true treatment distribution, whose solutions we call implicit designs. A regression is exactly quasi-experimental if and only if the true design is an implicit design, and approximately so when it is close to one, in a sense we formalize. Our framework unifies existing results and uncovers new ones across many settings. Qualitatively, an AI-assisted census of 1,051 recent papers finds quasi-experimental regression pervasive and often vulnerable to our negative results. Quantitatively, we assess exact and approximate quasi-experimental interpretation in nine studies by computing their implicit designs and estimands.