Semiparametric Inference for Half-Trek Estimators in Linear Structural Equation Models
线性结构方程模型半 trek 估计量的半参数推断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：摘要直接研究潜在混杂下因果结构系数的图识别与推断，并给出供需因果效应应用。
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…
线性结构方程模型半 trek 估计量的半参数推断
- 研究问题
- 含潜在混杂的线性结构方程模型中，半 trek 准则虽然提供系数识别与闭式估计，如何进一步获得有效标准误和置信区域？
- 方法与思路
- 作者为所有满足半 trek 识别的有向混合图推导半参数影响函数，包括有环图，并递归修正先前估计步骤带来的不确定性。
- 材料陈述的贡献
- 摘要称建立估计量的渐近正态性和闭式方差，从而构造区间与 Wald 检验，并在鱼市场数据中展示供给对需求效应的推断。
- 阅读关注点
- 核对图结构与半 trek 识别条件、递归影响函数的构造和矩条件，以及应用中结构系数的因果解释依赖哪些模型约束。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列出完整正则条件，图准则提供的是充分识别条件，应用因果解释仍需模型支持。
原文摘要
Linear structural equation models on directed mixed graphs encode causal relationships among variables subject to latent confounding. The half-trek criterion (HTC) provides a graphical sufficient condition for the structural coefficients to be rationally identifiable from the observable covariance matrix, and yields a corresponding closed-form rational estimator. Despite this, the asymptotic distribution of the HTC estimator, and hence valid standard errors and confidence regions, have not been derived. We derive the semiparametric influence function of this estimator for all HTC-identified directed mixed graphs, including cyclic ones. The influence function combines the structural residual at the target node with the identification instruments, recursively corrected for uncertainty from earlier estimation stages. The HTC estimator is asymptotically normal with variance computable in closed form, yielding confidence regions, marginal intervals, and Wald tests for individual structural coefficients. Applied to the Fulton Fish Market dataset, our theory delivers a complete inferential summary for the causal effect of supply on demand.