Inference on Nonlinear Counterfactual Functionals under a Multiplicative IV Model
乘法工具变量模型下非线性反事实泛函的推断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：摘要以工具变量处理未观测混杂，并明确将识别和推断扩展到分位数处理效应，对应因果推断及分布效应。
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
乘法工具变量模型下非线性反事实泛函的推断
- 研究问题
- 在处理分配存在未观测混杂时，乘法工具变量模型能否支持平均处理效应以外的反事实目标，包括分位数处理效应的识别与推断？
- 方法与思路
- 作者研究由矩方程刻画的反事实泛函，在乘法工具变量模型下提出识别方法，并构造有效率、多重稳健的估计及渐近推断程序。
- 材料陈述的贡献
- 摘要称该模型可识别并推断广泛的非线性反事实泛函，包含分位数处理效应，并报告方法在中等样本量实验中表现良好。
- 阅读关注点
- 应核对乘法工具变量模型的限制、矩方程解的存在与唯一性，以及效率界、多重稳健性所对应的模型组合和推断条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明完整工具变量假设、稳健性组合或实验数值。
原文摘要
Instrumental variable (IV) methods play a central role in causal inference, particularly in settings where treatment assignment is confounded by unobserved variables. IV methods have been extensively developed in recent years and applied across diverse domains, from economics to epidemiology. In this work, we study the recently introduced multiplicative IV (MIV) model and demonstrate its utility for causal inference beyond the average treatment effect. In particular, we show that it enables identification and inference for a broad class of counterfactual functionals characterized by moment equations. This includes, for example, inference on quantile treatment effects. We develop methods for efficient and multiply robust estimation of such functionals, and provide inference procedures with asymptotic validity. Experimental results demonstrate that the proposed procedure performs well even with moderate sample sizes.