A regression-based approach for bidirectional proximal causal inference in the presence of unmeasured confounding
未观测混杂下双向近端因果推断的回归方法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：摘要核心是未观测混杂、代理变量与双向因果效应的识别和估计，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
未观测混杂下双向近端因果推断的回归方法
- 研究问题
- 当两个主要变量具有双向因果关系且存在未观测混杂时，如何利用代理变量识别并估计两个方向的作用？
- 方法与思路
- 作者以回归模型扩展近端因果框架，建立双向识别结果与两阶段最小二乘估计，并分析代理结构条件的违反。
- 材料陈述的贡献
- 摘要称给出识别、一致性和渐近正态性结果及敏感性分析，并在美国州级面板中研究堕胎率与谋杀率的双向关系。
- 阅读关注点
- 应核对代理变量的结构条件、反馈关系的模型化方式、双向识别要求，以及州级应用中的代理选择与敏感性结果。
- 阅读边界
- 这是预印本，同行评审及接收未核实。摘要未列识别及正则条件；应用中的因果解释仍取决于这些条件。
原文摘要
Proxy variables are commonly used in causal inference when unmeasured confounding exists. While most existing proximal methods assume a unidirectional causal relationship between two primary variables, many social and biological systems exhibit complex feedback mechanisms that imply bidirectional causality. In this paper, using regression-based models, we extend the proximal framework to identify bidirectional causal effects in the presence of unmeasured confounding. We establish the identification of bidirectional causal effects and develop a sensitivity analysis method for violations of the proxy structural conditions. Building on this identification result, we derive bidirectional two-stage least squares estimators that are consistent and asymptotically normal under standard regularity conditions. Simulation studies demonstrate that our approach delivers unbiased causal effect estimates and outperforms some standard methods. The simulation results also confirm the reliability of the sensitivity analysis procedure. Applying our methodology to a state-level panel dataset from 1985 to 2014 in the United States, we examine the bidirectional causal effects between abortion rates and murder rates. The analysis reveals a consistent negative effect of abortion rates on murder rates, while also detecting a potential reciprocal effect from murder rates to abortion rates that conventional unidirectional analyses have not considered.