Bounding Causal Effects with Leaky Instruments
利用存在有限泄漏的工具变量界定因果效应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：摘要明确研究工具变量排除限制失效时平均处理效应的部分识别、锐界和推断，直接属于因果推断。
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
利用存在有限泄漏的工具变量界定因果效应
- 研究问题
- 当工具变量对结果的影响并非完全通过处理传递，因而有限违反排除限制时，如何界定平均处理效应并量化估计的不确定性？
- 方法与思路
- 作者在线性系统中允许工具变量具有受限的信息泄漏，通过凸优化求取部分识别界，并为所得效应区间构造推断程序。
- 材料陈述的贡献
- 摘要称在若干常见泄漏形式下得到平均处理效应的锐界，提供不确定性推断和模拟比较，并说明配套 R 包 leakyIV 的可用性。
- 阅读关注点
- 应核对泄漏程度以何种约束表达、约束是否需要外部信息，以及锐界证明的适用条件；还需区分识别区间与统计置信区间。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实。摘要未列出泄漏约束与推断条件，模拟优势及软件当前状态均未独立核验。
原文摘要
Instrumental variables (IVs) are a popular and powerful tool for estimating causal effects in the presence of unobserved confounding. However, classical approaches rely on strong assumptions such as the $\textit{exclusion criterion}$, which states that instrumental effects must be entirely mediated by treatments. This assumption often fails in practice. When IV methods are improperly applied to data that do not meet the exclusion criterion, estimated causal effects may be badly biased. In this work, we propose a novel solution that provides $\textit{partial}$ identification in linear systems given a set of $\textit{leaky instruments}$, which are allowed to violate the exclusion criterion to some limited degree. We derive a convex optimization objective that provides provably sharp bounds on the average treatment effect under some common forms of information leakage, and implement inference procedures to quantify the uncertainty of resulting estimates. We demonstrate our method in a set of experiments with simulated data, where it performs favorably against the state of the art. An accompanying $\texttt{R}$ package, $\texttt{leakyIV}$, is available from $\texttt{CRAN}$.