Nonparametric Identification and Estimation of Causal Effects on Latent Outcomes
潜在结果变量因果效应的非参数识别与估计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：摘要明确研究随机实验中潜在结果变量的平均处理效应，并讨论其非参数识别、估计和测量设计，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
潜在结果变量因果效应的非参数识别与估计
- 研究问题
- 随机实验中的目标结果无法直接观测、只能由多个指标测量时，如何估计其平均处理效应，并使不同测量集合下的估计目标可比？
- 方法与思路
- 作者建立非参数框架，形式化测量集合依赖造成的不可比性，再以非参数桥函数构建设计导向的方法，并讨论其存在条件。
- 材料陈述的贡献
- 摘要称常用指数一般不满足所提出的可比性要求；桥函数估计量在非线性测量模拟中降低测量系统依赖，并用于朝觐签证抽签研究。
- 阅读关注点
- 应核对可比性条件、潜在结果的尺度如何固定、桥函数存在与识别条件，以及更换测量指标后哪些因果目标保持一致。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收均未核实。摘要未给出桥函数的具体条件和效率结果，模拟表现不能推及任意测量系统。
原文摘要
How should researchers conduct causal inference when the outcome of interest is latent and measured imperfectly by multiple indicators? We develop a general nonparametric framework for identifying and estimating average treatment effects on latent outcomes in randomized experiments. We show that latent-outcome estimation faces a fundamental but overlooked noncomparability problem due to measurement-set dependence: adding, removing, or replacing measurement targets a different transformation of the latent outcome and therefore a different causal estimand. We formalize the (non)comparability problem and show that common procedures in practice, including standardized averages, principal components analysis, and inverse covariance weighting, generally do not satisfy this condition. To address the problem, we propose a design-based approach built around nonparametric bridge functions. We characterize when such bridge functions exist and derive the corresponding estimator. In simulations with nonlinear measurement systems, our estimator sharply reduces measurement-system dependence relative to standard indices and exhibits good finite-sample performance. We illustrate the method with an application to the Hajj visa lottery. Our framework provides practical guidance for measurement design, identification, and efficient causal estimation with latent outcomes.