On the Role of the Zero Conditional Mean Assumption for Causal Inference in Linear Models
零条件均值假设在线性模型因果推断中的作用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：摘要的中心问题是回归参数何时具有因果含义，以及随机性条件与因果假设的区别；工具变量和面板仅为延伸场景。
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…
零条件均值假设在线性模型因果推断中的作用
- 研究问题
- 即使回归变量与误差满足均值独立，OLS 参数是否必然具有因果含义？线性工具变量和面板模型是否面临类似问题？
- 方法与思路
- 作者分析线性回归目标参数与结构误差解释中的歧义，并借助潜在结果等因果模型说明随机性假设与因果假设的区别。
- 材料陈述的贡献
- 摘要称，零条件均值成立时 OLS 仍可能识别无因果解释的伪参数，相关问题也涉及线性工具变量及面板模型。
- 阅读关注点
- 应核对反例中回归方程与因果模型的对应关系、结构误差的含义，以及赋予各类估计目标因果解释所需的额外条件。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未核实；摘要未展示反例和充分条件，不能据此否定所有线性模型的因果解释。
原文摘要
Many econometrics textbooks imply that under mean independence of the regressors and the error term, the OLS parameters have a causal interpretation. We show that even when this assumption is satisfied, OLS might identify a pseudo-parameter that does not have a causal interpretation. Even assuming that the linear model is "structural" creates some ambiguity in what the regression error represents and whether the OLS estimand is causal. This issue applies equally to linear IV and panel data models. To give these estimands a causal interpretation, one needs to impose assumptions on a "causal" model, e.g., using the potential outcome framework. This highlights that causal inference requires causal, and not just stochastic, assumptions.