Unveiling the Unobservable: Causal Inference on Multiple Derived Outcomes
揭示不可观测量：多个衍生结果的因果推断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。
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：摘要明确讨论处理分配可忽略性、因果参数识别及逆倾向得分加权，直接属于因果推断方向。
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
揭示不可观测量：多个衍生结果的因果推断
- 研究问题
- 当关注的个体结果无法直接观测、只能由个体内部数据估计时，如何识别处理效应，并同时发现多个非零效应？
- 方法与思路
- 作者建立分层数据生成框架，在个体估计偏差与处理分配可忽略性条件下识别因果参数，再采用逆倾向得分加权和多重检验。
- 材料陈述的贡献
- 摘要称，框架给出衍生结果处理效应的识别与估计方法，并提出控制错误发现比例的检验程序，以自闭症患者脑连接数据演示。
- 阅读关注点
- 应核对个体层估计偏差的具体条件、分层样本规模如何影响推断，以及倾向得分估计误差和多个结果之间的依赖如何处理。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；识别条件和错误发现比例控制的具体形式未说明，不能据此判断实际应用中的因果可信度。
原文摘要
In many applications, the interest is in treatment effects on random quantities of subjects, where those random quantities are not directly observable but can be estimated based on data from each subject. In this article, we propose a general framework for conducting causal inference in a hierarchical data generation setting. The identifiability of causal parameters of interest is shown under a condition on the biasedness of subject level estimates and an ignorability condition on the treatment assignment. Estimation of the treatment effects is constructed by inverse propensity score weighting on the estimated subject level parameters. A multiple testing procedure able to control the false discovery proportion is proposed to identify the nonzero treatment effects. Theoretical results are developed to investigate the proposed procedure, and numerical simulations are carried out to evaluate its empirical performance. A case study of medication effects on brain functional connectivity of patients with Autism spectrum disorder (ASD) using fMRI data is conducted to demonstrate the utility of the proposed method. Supplementary materials for this article are available online.