Discovering Causal Relationships using Proxy Variables under Unmeasured Confounding
未观测混杂下利用代理变量发现因果关系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：摘要直接研究未观测混杂下利用负向控制代理变量开展因果识别与检验。
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…
未观测混杂下利用代理变量发现因果关系
- 研究问题
- 存在未观测混杂时，能否利用负向控制变量检验变量间的因果关系，并让识别与检验同时适用于离散和连续数据？
- 方法与思路
- 作者以连接结果和单个负向控制结果的积分方程建立识别，依赖完备性与正则条件；提出核检验，并在识别失败时加入负向控制暴露。
- 材料陈述的贡献
- 摘要称方法提供新的非参数识别结果及检验的渐近水平、功效性质，并讨论单个负向控制结果失效及额外代理恢复识别的情形。
- 阅读关注点
- 应核对负向控制的有效性、完备性与积分方程解的存在唯一性，以及因果原假设如何对应核检验和识别失败的具体情形。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出完备性与正则条件细节，代理变量能否满足这些要求须另行论证。
原文摘要
Inferring causal relationships between variable pairs in the observational study is crucial but challenging, due to the presence of unmeasured confounding. While previous methods employed the negative controls to adjust for the confounding bias, they were either restricted to the discrete setting (i.e., all variables are discrete) or relied on strong assumptions for identification. To address these problems, we develop a general nonparametric approach that accommodates both discrete and continuous settings for testing causal hypothesis under unmeasured confounders. By using only a single negative control outcome (NCO), we establish a new identification result based on a newly proposed integral equation that links the outcome and NCO, requiring only the completeness and mild regularity conditions. We then propose a kernel-based testing procedure that is more efficient than existing moment-restriction methods. We derive the asymptotic level and power properties for our tests. Furthermore, we examine cases where our procedure using only NCO fails to achieve identification, and introduce a new procedure that incorporates a negative control exposure (NCE) to restore identifiability. We demonstrate the effectiveness of our approach through extensive simulations and real-world data from the Intensive Care Data and World Values Survey.