Uniform inference for kernel instrumental variable regression
核工具变量回归的一致推断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：摘要明确将非参数核工具变量回归用于因果关系估计，并以其因果估计的一致置信集合为目标。
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…
核工具变量回归的一致推断
- 研究问题
- 在核工具变量回归允许一般非线性关系和数据类型的情况下，如何构造具有有效覆盖保证的一致置信集合？
- 方法与思路
- 作者提出核工具变量回归的自助法推断程序，摘要称只需运行一次原估计器，并沿用该估计方法的关键理论假设。
- 材料陈述的贡献
- 摘要称，论文补充了核工具变量方法此前缺少的一致置信集合，并兼顾有效性、尖锐性和较低的估计器重复计算需求。
- 阅读关注点
- 应核对置信集合覆盖的函数域、有效性与尖锐性的定义，以及工具变量识别条件、正则化处理和自助法所需额外计算。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明关键假设及覆盖误差，不能判断弱识别或模型偏离下的有效性。
原文摘要
Instrumental variable regression is a foundational tool for causal analysis across the social and biomedical sciences. Recent advances use kernel methods to estimate nonparametric causal relationships, with general data types, while retaining a simple closed-form expression. Empirical researchers ultimately need reliable inference on causal estimates; however, uniform confidence sets for the method remain unavailable. To fill this gap, we develop valid and sharp confidence sets for kernel instrumental variable regression, allowing general nonlinearities and data types. Computationally, our bootstrap procedure requires only a single run of the kernel instrumental variable regression estimator. Theoretically, it relies on the same key assumptions. Overall, we provide a practical procedure for inference that substantially increases the value of kernel methods for causal analysis.