Partial Identification of Causal Effects that Vary by Setting
跨情境变化的因果效应的部分识别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：摘要直接讨论条件独立性偏离、遗漏变量偏误与跨情境因果效应的部分识别。
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
跨情境变化的因果效应的部分识别
- 研究问题
- 当不同情境缺乏共同的准实验外生变异、只能依赖可观测变量选择时，如何容许条件独立性偏离并收紧联合因果效应界？
- 方法与思路
- 作者提出跨情境部分识别方法，利用各情境遗漏变量偏误之间的不可观测关系，收紧多个因果效应共同构成的识别集合。
- 材料陈述的贡献
- 摘要明确提出，通过跨情境偏误关系强化联合识别集合，为无法在所有情境重复使用同一外生变异的问题提供分析思路。
- 阅读关注点
- 应核对偏误关系如何被形式化和约束、条件独立性允许怎样偏离，以及联合识别集合相较逐情境分析为何能够收紧。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；偏误关系的具体限制、可检验性、估计程序及应用结果未说明。
原文摘要
The estimation of causal effects using quasiexperiments often relies on the use of unusual or serendipitous sources of exogenous variation. When the goal is estimating the same causal effects across many different settings, the same unusual exogenous variation often does not exist in all settings, and the only available form of identification is selection-on-observables, which relies on a conditional indepdendence assumption. Partial identification is especially valuable in this context, as it allows conditional independence to not hold perfectly. This paper proposes a method that sharpens the jointly identified set of causal effects across many settings by making use of unobserved relationships between omitted variable biases across settings.