Semiparametric efficient G-estimation with invalid instrumental variables
含无效工具变量的半参数有效G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。
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：摘要直接研究未测混杂下使用可能无效的工具变量识别和估计因果效应。
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
含无效工具变量的半参数有效G估计
- 研究问题
- 多个候选工具变量中可能存在无效工具，且不知道有效工具的身份时，如何在未测混杂背景下估计目标因果效应？
- 方法与思路
- 作者提出一类G估计量，由研究者事先设定有效工具数量下限γ，并为其一致性、渐近正态性提供半参数效率理论。
- 材料陈述的贡献
- 摘要称，在K个候选工具中至少γ个有效的设定下，所提估计量具有相应渐近性质，并用模拟和英国生物样本库数据比较表现。
- 阅读关注点
- 应核对除有效工具数量下限外的识别条件、γ的设定依据，以及半参数效率界和无效工具偏差进入估计的方式。
- 阅读边界
- 仅依据所给Crossref摘要；未完整列出识别与正则条件，不能仅凭有效工具数量满足下限就断言任何数据中均可一致估计。
原文摘要
Summary The instrumental variable method is widely used in the health and social sciences for identification and estimation of causal effects in the presence of potential unmeasured confounding. To improve efficiency, multiple instruments are routinely used, raising concerns about bias due to possible violation of the instrumental variable assumptions. To address such concerns, we introduce a new class of G-estimators that are guaranteed to remain consistent and asymptotically normal for the causal effect of interest provided that a set of at least $\gamma$ out of $K$ candidate instruments are valid, for $\gamma \leqslant K$ set by the analyst ex ante without necessarily knowing the identities of the valid and invalid instruments. We provide formal semiparametric efficiency theory supporting our results. Simulation studies and applications to UK Biobank data demonstrate the superior empirical performance of the proposed estimators compared with competing methods.