Testing the identification of causal effects in observational data
检验观测数据中因果效应的识别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：摘要明确讨论观测数据处理效应识别、工具变量有效性和无混杂的可检验含义，直接对应因果推断方向。
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
检验观测数据中因果效应的识别
- 研究问题
- 在特定因果结构下，能否利用疑似工具变量与结果在给定处理及协变量后的条件独立性，检验处理效应识别的含义？
- 方法与思路
- 作者分析该条件独立性在所设因果结构下对工具变量有效性及处理无混杂性的含义，并提出机器学习检验、模拟和应用。
- 材料陈述的贡献
- 摘要称该可检验条件在指定结构下同时蕴含工具变量有效与处理无混杂；生育和女性劳动供给应用大体显示该含义被违反。
- 阅读关注点
- 应核对因果结构及推导所需附加条件、条件独立检验的渐近性质与功效，并区分拒绝和不拒绝对识别判断的意义。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实。摘要未给出具体因果结构和全部条件，不能推广为任意观测数据都能检验无混杂。
原文摘要
This study demonstrates the existence of a testable condition for the identification of the causal effect of a treatment on an outcome in observational data, which relies on two sets of variables: observed covariates to be controlled for and a suspected instrument. Under a causal structure commonly found in empirical applications, the testable conditional independence of the suspected instrument and the outcome given the treatment and the covariates has two implications. First, the instrument is valid, i.e. it does not directly affect the outcome (other than through the treatment) and is unconfounded conditional on the covariates. Second, the treatment is unconfounded conditional on the covariates such that the treatment effect is identified. We suggest tests of this conditional independence based on machine learning methods that account for covariates in a data-driven way and investigate their asymptotic behavior and finite sample performance in a simulation study. We also apply our testing approach to evaluating the impact of fertility on female labor supply when using the sibling sex ratio of the first two children as supposed instrument, which by and large points to a violation of our testable implication for the moderate set of socio-economic covariates considered.