Proximal Causal Inference without Uniqueness Assumptions
不要求解唯一性的近端因果推断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：摘要直接研究未测量混杂下的近端因果识别、反事实均值估计与推断，因此归入因果推断。
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…
不要求解唯一性的近端因果推断
- 研究问题
- 研究存在未测量混杂且近端因果积分方程的解不唯一时，如何识别反事实结局均值并进行有效估计和推断。
- 方法与思路
- 作者估计一个积分方程的解集，再用极值估计理论选取一致估计的特定解，并构造反事实均值的去偏估计量。
- 材料陈述的贡献
- 摘要称阐明两类积分方程解存在性与线性泛函可估计性的联系，并在附加条件下获得根号样本量一致、正则且局部有效的估计。
- 阅读关注点
- 应核对积分方程解存在的条件、非唯一解与目标唯一性的关系、解集估计方式，以及去偏与效率结论所需的附加条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出代理变量与正则条件，取消唯一性不等于取消其他识别要求。
原文摘要
We consider identification and inference about a counterfactual outcome mean when there is unmeasured confounding using tools from proximal causal inference (Miao et al. [2018], Tchetgen Tchetgen et al. [2020]). Proximal causal inference requires existence of solutions to at least one of two integral equations. We motivate the existence of solutions to the integral equations from proximal causal inference by demonstrating that, assuming the existence of a solution to one of the integral equations, $\sqrt{n}$-estimability of a linear functional (such as its mean) of that solution requires the existence of a solution to the other integral equation. Solutions to the integral equations may not be unique, which complicates estimation and inference. We construct a consistent estimator for the solution set for one of the integral equations and then adapt the theory of extremum estimators to find from the estimated set a consistent estimator for a uniquely defined solution. A debiased estimator for the counterfactual mean is shown to be root-$n$ consistent, regular, and asymptotically semiparametrically locally efficient under additional regularity conditions.