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。
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：摘要以未观测混杂下的工具变量识别、因果效应估计和无效工具处理为核心，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…
含无效工具变量的半参数有效G估计
- 研究问题
- 存在未观测混杂且多个候选工具中可能包含无效工具时，能否在不知道有效工具身份的情况下估计因果效应？
- 方法与思路
- 作者提出一类G估计量，由分析者预先设定有效工具数量下限γ，并建立相应的半参数效率理论。
- 材料陈述的贡献
- 摘要称在至少γ个候选工具有效的框架下，估计量保持一致性和渐近正态性，并用模拟及英国生物银行数据比较表现。
- 阅读关注点
- 应核对有效工具的定义、数量下限之外的识别与正则条件、γ的选择，以及效率界和估计量的实现方式。
- 阅读边界
- 这是预印本，同行评审未核验；摘要未列出完整条件或比较结果，不能将有效工具数量下限理解为唯一要求。
原文摘要
The instrumental variable method is widely used in the health and social sciences for identification and estimation of causal effects in the presence of potentially unmeasured confounding. In order to improve efficiency, multiple instruments are routinely used, leading to concerns about bias due to possible violation of the instrumental variable assumptions. To address this concern, 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 $γ$ out of $K$ candidate instruments are valid, for $γ\leq K$ 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. Both simulation studies and applications to the UK Biobank data demonstrate the superior empirical performance of our estimators compared to competing methods.