Two Layers of Instability in Causal Estimation
因果估计中的两层不稳定性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：摘要直接讨论观察数据中的因果效应、结构因果模型及因果估计器稳定性。
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
因果估计中的两层不稳定性
- 研究问题
- 即使假定因果效应可识别，数据分布的微小变化为何仍可能导致效应或估计结果跳跃，估计器选择又会增加什么不稳定性？
- 方法与思路
- 作者将常见点估计解释为结构因果模型空间上多峰分布的点摘要，并从隐含损失函数与因果目标是否对齐分析连续性。
- 材料陈述的贡献
- 摘要称，论文区分因果目标自身的不连续性和估计器引入的第二层不稳定，并将加权、回归及显式后验摘要纳入分类。
- 阅读关注点
- 应核对数据分布与模型空间使用的拓扑、连续性成立的条件及后验构造，并厘清第二层稳定性与第一层识别困难的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未给出连续性结论的完整条件，不能推断后验摘要普遍解决因果不稳定性。
原文摘要
There is a precise sense in which drawing causal inferences from observational data is hard, even when identifiability is assumed. In particular, Robins and Ritov (1997) and Robins et al. (2003) showed that causal effects can be discontinuous as a function of the data distribution: two arbitrarily close data distributions might correspond to different causal effects. This is a fact independent of the choice of estimator; however, not all estimators are equally unstable. Our contribution is to surface a second layer of instability that depends on the choice of estimator. We show that many standard point estimates can be read as point summaries of multimodal distributions over the space of structural causal models. As such, estimators can jump discontinuously in the data distribution. This defines a taxonomy of estimators that admits a decision-theoretic reading: stability depends on whether the implicit loss function an estimator optimizes is aligned with the causal effect itself. Specifically, inverse propensity weighted estimators and regression estimators are examples of discontinuous summaries, while explicit posterior means and medians are shown to be continuous.