Bidirectional causal inference for binary outcomes in the presence of unmeasured confounding
未观测混杂下二元结果的双向因果推断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。
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：摘要明确使用工具变量及潜在连续变量结构方程，识别存在未观测混杂的双向因果效应。
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
未观测混杂下二元结果的双向因果推断
- 研究问题
- 两个二元变量相互影响且存在未观测混杂时，如何利用两个方向的工具变量识别和估计双向因果效应，并评估条件违背的影响？
- 方法与思路
- 作者用受约束映射将观测二元变量联系到潜在连续变量，在结构方程框架中建立识别、参数估计及条件违背下的敏感性分析。
- 材料陈述的贡献
- 摘要称提出适用于二元变量的双向因果识别与估计方法，并以心脏病和糖尿病之间的双向关系展示应用。
- 阅读关注点
- 应核对两个工具变量各自的有效性条件、潜在变量映射限制，以及效应尺度、双向关系设定与敏感性分析覆盖的违背类型。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未明确工具变量、完整识别条件与应用效应数值，不能确认疾病因果关系。
原文摘要
Bidirectional causal relationships arising from mutual interactions between variables are commonly observed within biomedical, econometrical, and social science contexts. When such relationships are further complicated by unobserved factors, identifying causal effects in both directions becomes especially challenging. For continuous variables, methods that utilize two instrumental variables from both directions have been proposed to explore bidirectional causal effects within linear models. However, the existing techniques are not immediately applicable when the key variables of interest are binary. To address these issues, we propose a structural equation modeling approach that links observed binary variables to latent continuous variables through a constrained mapping. We firstly establish the identification results for bidirectional causal effects using a pair of instrumental variables. Then, we develop an estimation method for the corresponding causal parameters. We also conduct sensitivity analysis under scenarios where certain identification conditions are violated. Finally, we apply our approach to investigate the bidirectional causal relationship between heart disease and diabetes, demonstrating its practical utility in biomedical researches.