Constructive Instrumental Variable Identification and Inference with Many Weak Interaction Moments
利用大量弱交互矩的构造性工具变量识别与推断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：摘要以工具变量识别因果效应，并明确依赖线性结构模型和半参数广义矩估计。
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…
利用大量弱交互矩的构造性工具变量识别与推断
- 研究问题
- 当候选工具变量可能全部无效，且交互矩数量多、强度弱时，如何在仍满足必要结构条件的情况下识别并推断因果效应？
- 方法与思路
- 作者在线性结构模型中利用相互独立工具的两两及高阶交互构造矩条件，并以半参数广义矩估计和全局奈曼正交性处理干扰参数。
- 材料陈述的贡献
- 摘要称，方法在矩数量随样本增长的情形下具有一致性与渐近正态性，并刻画固定维度下的半参数效率界。
- 阅读关注点
- 应核对工具独立性及结构模型限制、交互矩为何排除混杂与直接效应，以及弱矩强度、矩数量和干扰参数估计的联合条件。
- 阅读边界
- 这是预印本，同行评审未经核实。允许所有工具无效不等于无需识别假设；摘要未列出完整条件和应用结果数值。
原文摘要
Instrumental variable methods are widely used for causal inference, but identification becomes especially challenging when instruments are weak and potentially invalid. These challenges are particularly pronounced in Mendelian randomization, where genetic variants serve as instruments and violations of exclusion restriction or independence assumptions are common. We propose MAGIC, a constructive and assumption-lean framework that achieves identification even when all candidate instruments may be invalid. The method exploits pairwise and higher-order interactions among mutually independent instruments to construct moment conditions orthogonal to both unmeasured confounding and direct effects under a linear structural model. The resulting estimation problem involves many potentially weak interaction moments with unknown nuisance parameters. We develop a semiparametric generalized method of moments estimator and introduce a global Neyman orthogonality condition to ensure robustness of both the moment function and its derivative to nuisance estimation under many weak moment asymptotics. We establish consistency and asymptotic normality when the number of moments diverges with sample size and characterize the semiparametric efficiency bound under fixed dimension. Simulations and an application to UK Biobank data illustrate the method.